AI in manufacturing - laissez-vous inspirer et guider !

De nos jours, l'intelligence artificielle (IA) est omniprésente. Même si ce terme a vu le jour dans les années 1950, l'IA ne s'est imposée que ces dernières années. L'importance et l'impact potentiel de l'IA sont jugés très élevés, y compris pour l'industrie manufacturière. Cependant, en dépit d’effets d’annonce, nombre d’entreprises manufacturières ont du mal à faire correspondre l'IA à leurs défis concrets : faut-il faire le grand saut ou attendre ? Agoria et Sirris vont vous guider dans cette réflexion !

What’s in a name?

Si le terme « intelligence artificielle » (IA) est familier (et souvent utilisé) pour la plupart des gens, il peut être utile de revenir à la définition de base. Le terme a été défini pour la première fois dans les années 1950 par Minsky et McCarthy. Pour eux, l'IA est : « Toute tâche effectuée par une machine qui était auparavant considérée comme une tâche exigeant une intelligence humaine. » Depuis, cette définition a été régulièrement amendée ou modifiée pour mieux refléter les progrès réalisés dans le domaine. La définition de base reste toutefois la même.

Si l'on examine les points communs entre les nombreuses descriptions de l'IA, on peut identifier quelques concepts fondamentaux :

  • Les systèmes d'IA présentent au moins certaines des propriétés suivantes, associées à l'intelligence humaine : le raisonnement, l'apprentissage, la résolution de problèmes et la planification (voire la créativité).
  • L'IA permet aux systèmes techniques de percevoir leur environnement, de traiter ce qu'ils perçoivent, de résoudre des problèmes et d'agir, afin d’atteindre un objectif spécifique.
  • Les systèmes d'IA sont capables d'adapter dans une certaine mesure leur comportement, en analysant les effets des actions précédentes et en travaillant de manière autonome.

Pour le dire d'une manière simplifiée : « L'intelligence artificielle représente la capacité d'un ordinateur ou d'une machine à imiter les capacités du cerveau humain (observer, reconnaître, apprendre, etc.) et à combiner ces capacités pour réaliser des fonctions qu'un humain pourrait réaliser. » (Source : IBM)

Potentiel pour l'industrie manufacturière ?

Une étude récente réalisée par BDVA, euRobotics, ELLIS, CLAIRE et EurAI montre que l'industrie manufacturière figure dans le top 5 des domaines d'application de l'IA (voir tableau). En outre, l'industrie manufacturière se trouve aussi dans le top 5 en termes de dépenses liées à l'IA.

Principaux secteurs de l'IA, de la robotique et des données (source : Strategic Research, Innovation and Deployment Agenda AI, Data and Robotics Partnership Third release September 2020)

Identifier les applications prometteuse

L'intérêt pour l'IA est donc bien réel. Les entreprises manufacturières investissent dans les technologies d'IA. Mais quelles sont les applications les plus prometteuses ? Sirris et Agoria ont mené une étude approfondie afin de les identifier. Les résultats seront publiés après l'été. Nous tenons déjà à lever un coin du voile.

Sur la base de l'analyse de la littérature et d'exemples inspirants, divers domaines d'application continuent de se rencontrer dans l'industrie manufacturière. Nous en expliquons brièvement quelques-uns :

  • Maintenance prédictive : La maintenance prédictive assistée par IA (PdM4.0) consiste à utiliser l'IA pour obtenir des informations et détecter des modèles et des anomalies qui ne peuvent pas être détectés par des opérateurs (experts) (ou plus difficilement). Elle est destinée à anticiper les défaillances et les erreurs potentielles. Des techniques d'apprentissage automatique sont appliquées, entre autres, pour 1) analyser les données collectées en temps réel, 2) trouver des corrélations entre les données historiques et les mesures actuelles, 3) identifier les perturbations potentielles, 4) suggérer des actions d’atténuation des risques et/ou des stratégies de maintenance optimales.
  • Un logiciel de design génératif est utilisé pour générer des propositions de design en fonction d'un certain nombre d'exigences et de paramètres de design (p. ex. masse, limites de rigidité, matériaux et méthodes de fabrication). En utilisant des algorithmes d'IA, le concepteur peut réduire la complexité toujours croissance de la phase de design : le logiciel automatise diverses tâches (analyse de données, simulations, génération de propositions), tandis que l'expert peut notamment se concentrer sur les aspects du design.
  • La planification de la demande est une partie de la gestion de la chaîne logistique dans laquelle la demande de produits est prévue, afin d'organiser ensuite la production, afin de satisfaire cette demande (p. ex. stratégie de production, stratégie de stock, etc.). La planification de la demande implique une grande quantité de calculs et d'analyses de données. Elle se répète cycle après cycle. Dans ce contexte, les algorithmes d'IA offrent un avantage certain pour automatiser et améliorer ce processus.
  • Vision artificielle/contrôle de la qualité : de nombreux processus nécessitent un contrôle de la qualité (visuel). Les opérateurs humains étant limités dans leur capacité (visuelle) à identifier les erreurs, on utilise souvent des systèmes de vision artificielle. Ceux-ci sont non seulement beaucoup plus sensibles que les yeux humains, mais aussi plus rapides grâce à la puissance de calcul. Dans les systèmes de vision artificielle traditionnels, les erreurs potentielles sont identifiées, mais l'expert joue toujours un rôle vital dans la décision de refus ou non. Les systèmes basés sur IA vont plus loin et peuvent 1) apprendre quels aspects sont importants pour la qualité (p. ex. reconnaître les défauts), 2) créer des règles qui déterminent la qualité finale et 3) prendre des décisions de manière autonome (bon/mauvais).

Participez à notre session de groupe !

Vous voulez en savoir plus sur l'intelligence artificielle et ses possibilités pour l'industrie manufacturière ? Sirris et Agoria organisent un parcours thématique sur ce thème. La première session débute le 28 juin. Pour en savoir plus, cliquez ici.