Cette article résume les solutions en cours de développement pour automatiser les chaînes de production industrielle grâce aux technologies issues de l’intelligence artificielle et de la robotique. On va parcourir rapidement les principales solutions présentes dur le marché comme Sawyer, Waatson ou encore Brillant Factory.

• Comprendre les enjeux liés à la transformation de la chaîne de production industrielle
• Découvrir les nouvelles solutions sur le marché
• Découvrir des cas d’utilisation de ces nouvelles technologies

L’intelligence artificielle dans l’automatisation industrielle -Etude de cas d’utilisation

Accenture prévoit que l’Internet industriel des objets pourrait contribuer 10 000 milliards de dollars à l’économie mondiale d’ici 2030. Le rapport a également suggéré que les capteurs, les mécanismes de suivi des matériaux, l’impression 3D, la conception automatisée de produits, la robotique et les appareils portables pourraient aider les fabricants à réduire les coûts et à augmenter la productivité. La maintenance prédictive des actifs pourrait potentiellement réduire les coûts de maintenance des équipements et des machines jusqu’à 30% et entraîner jusqu’à 70% de pannes en moins.

À l’heure actuelle, de nombreuses entreprises prétendent aider les opérateurs d’équipement industriel et les ingénieurs dans certains aspects de leur rôle, de l’exploitation et de la maintenance des machines à l’amélioration des processus d’usine.

Nous avons recherché l’espace pour mieux comprendre où l’IA entre en jeu dans l’automatisation industrielle et pour répondre aux questions suivantes :

• Quels types d’applications d’IA sont actuellement utilisés pour l’automatisation industrielle ?
• Quels résultats tangibles l’IA a-t-elle engendrés pour l’automatisation industrielle ?
• Y a-t-il des tendances communes parmi ces efforts d’innovation ? Comment ces tendances pourraient-elles affecter l’avenir de l’automatisation industrielle ?

Ce rapport couvre les entreprises proposant des logiciels dans deux technologies :

• Internet des objets industriel (IIoT) : le réseau qui connecte, collecte, communique et surveille les appareils pour améliorer les processus industriels
• Robots collaboratifs ou cobots : des robots conçus pour travailler avec les humains

Cet article vise à donner aux chefs d’entreprise du secteur de la fabrication une idée de ce qu’ils peuvent actuellement attendre de l’IA dans leur secteur. Nous espérons que cet article permettra aux chefs d’entreprise de la fabrication de recueillir des informations qu’ils pourront transmettre en toute confiance à leurs équipes de direction afin qu’ils puissent prendre des décisions éclairées lorsqu’ils envisagent l’adoption de l’IA. À tout le moins, cet article vise à réduire le temps que les chefs d’entreprise dans le secteur de la fabrication passent à rechercher des sociétés d’IA avec lesquelles ils pourraient vouloir travailler pour trouver une solution d’automatisation industrielle.

Internet industriel des objets

Siemens

Siemens est une société basée à Munich, en Allemagne, qui propose un logiciel appelé MindSphere, un système d’exploitation basé sur le cloud qui permet aux machines et équipements à l’intérieur d’une usine de collecter des données. Siemens affirme que cela peut aider les fabricants à surveiller l’état de leurs actifs industriels à l’aide d’analyses basées sur l’apprentissage automatique.

Siemens affirme que les capteurs collectent les données de diverses machines et les stockent dans la base de données de l’entreprise via le cloud. Ces données sont ensuite exécutées via l’algorithme d’apprentissage automatique de MindSphere pour effectuer les analyses sur un tableau de bord ou plus précisément via une tablette.

Par exemple, la production dans une usine de batteries fonctionnant sur la plate-forme MindSphere peut être définie pour produire 100 000 batteries par jour, mais les données des capteurs peuvent informer l’analyste pour lui montrer que la production a chuté au cours des deux derniers jours. Ces informations sont présentées sous forme de graphiques visuels sur l’écran de l’ordinateur du responsable. MindSphere peut en outre montrer quelle machine spécifique sous-performante.

MindSphere peut également exécuter des diagnostics sur la machine sous-performante. Une fois que le modèle de machine learning a diagnostiqué le problème, MindSphere peut informer les opérateurs de maintenance de la machine du problème et recommander de réparer ou de retirer la machine.

Ci-dessous, une courte vidéo de 3 minutes donnant un aperçu de la technologie de Siemens :

Siemens rapporte que MindSphere peut être utilisé dans une variété de contextes industriels, y compris les secteurs de l’aérospatiale, de l’automobile et de l’énergie.

Siemens prétend avoir aidé l’aéroport d’Heathrow à améliorer son système de gestion des bagages avec des capteurs et MindSphere en réduisant les temps d’arrêt et les interruptions du système..

Heathrow cherchait à faire passer la maintenance du système de manutention des bagages de la maintenance planifiée à la maintenance au besoin. Pour ce faire, les techniciens Siemens ont installé des capteurs sur des composants importants du système pour les surveiller. Les capteurs collectent régulièrement des données sur des facteurs tels que l’acoustique, qui pourraient informer d’un problème avec le système, et transmettent ces données à la plateforme MindSphere.

L’étude de cas n’a pas fourni les résultats de l’intégration de MindSphere, mais Grant Waring, gestionnaire d’actifs pour les opérations bagages d’Heathrow, a déclaré : « Plus de 80% des passagers qualifient déjà Heathrow de très bon ou d’excellent. Cette évaluation positive est à la fois une confirmation et une incitation pour nous. Avec Siemens comme l’un de nos partenaires d’innovation, nous voulons maintenir et améliorer encore nos normes. »

Siemens répertorie également Atos, Accenture, Microsoft, Amazon Web Services, Evosoft, BluVision, SAP comme certains de leurs clients et partenaires.

IBM Watson

IBM propose IBM Watson, qui, selon elle, peut aider les sociétés minières à effectuer des analyses souterraines qui pourraient potentiellement réduire les coûts de forage, améliorer les prévisions sur les explorations minérales et accélérer les informations géologiques à l’aide de la reconnaissance d’images et de l’apprentissage automatique.

IBM affirme que l’application permet aux géologues de mener des analyses souterraines autour de l’interprétation des données géoscientifiques, de l’exploration des réservoirs et de l’exploration minérale. Pour ce faire, les utilisateurs peuvent saisir une requête dans l’interface de recherche de la plateforme. Les algorithmes du moteur de recherche exécuteront ensuite les mots clés dans le référentiel de données géologiques, qui contient des données structurées et non structurées provenant de diverses sources, telles que la base de données de forage, les modèles de blocs, la géochimie, les fichiers de formes géologiques, les photos de base et les données de fluorescence X . Le système renvoie ensuite des prédictions sur la teneur en minéraux sous forme de graphique.

Nous n’avons pas pu trouver de vidéo montrant le fonctionnement d’IBM for Mining.

IBM prétend avoir aidé GoldCorp à augmenter la productivité de ses opérations d’exploration et de production existantes en créant un modèle d’apprentissage automatique pour prédire la minéralisation aurifère dans un emplacement spécifique de la mine. Les algorithmes ont recherché dans le référentiel diverses informations géologiques qui, si elles étaient prises ensemble, ont abouti à une prédiction bien informée.

Ces informations comprenaient la lithologie, le maillage, la minéralisation, les altérations et les informations sur la structure, telles que les failles et les plis. Les informations ont été collectées à partir de plusieurs sources, telles que des données de forage, des données de puces, des cartes et des modèles géologiques à l’intérieur et autour de l’emplacement cible. Le contenu en matière minérale prévu à cet endroit est venu sous forme graphique.

Selon GoldCorp, l’utilisation de Watson a aidé l’entreprise à consolider ses 140 modèles de blocs, journaux de forage et autres formes de données non structurées dans une seule base de données. Auparavant, la société ne pouvait charger que deux ou trois modèles de blocs à la fois.

IBM répertorie également Sandvik et Valenje Coal Mine parmi ses clients miniers.

Romeo Kienzler est le chef scientifique mondial des données, Deep Learning / AI Engineer chez Watson IoT, où il a occupé depuis 2008 divers postes. Il est titulaire d’une maîtrise en systèmes d’information, statistiques et bio-informatique de l’ETH Zurich. Plus tôt dans sa carrière, Kienzler a travaillé comme ingénieur logiciel chez CSS Versicherung AG.

Ci-dessous, une courte vidéo de 2 minutes illustrant le fonctionnement de IBM Watson pour la gestion d’activités industrielles :

General Electric

General Electric propose Brilliant Factory, une suite d’actifs matériels, de logiciels et de services de consultation pour la mise à niveau des usines vers l’IoT industriel. GE affirme que cela peut aider les fabricants à améliorer les performances de leurs usines à l’aide de l’analyse prédictive.

GE affirme que l’utilisation de la suite Brilliant Factory basée sur les données pourrait réduire les coûts, améliorer la qualité des produits et des services et accélérer le processus de production. La plateforme permet aux entreprises de surveiller la santé et les performances des machines et équipements d’usine et de gérer le processus de production.

Cela se fait en connectant les machines et les équipements à un seul réseau, en implémentant des capteurs sur chaque machine et en collectant les données structurées et non structurées dans une base de données où elles sont stockées et organisées. La société affirme que le logiciel fonctionne avec des données de tous types d’équipements de toutes les différentes industries.

Le modèle d’apprentissage automatique de Brilliant Factory, qui aurait été formé sur les données de l’historique des actifs et services manufacturés de GE, effectue régulièrement des diagnostics sur les équipements de l’usine pour déterminer l’état des machines ou la qualité des produits qu’ils produisent. Si les algorithmes reconnaissent tout écart par rapport aux benchmarks stockés dans sa base de données, les opérateurs seront alertés via un graphique présenté sur un tableau de bord.

Par exemple, dans une usine de nouilles ramen, des capteurs connectés à la cuve qui mélange les ingrédients peuvent déterminer que trop de farine est utilisée. Cela peut être déterminé par le poids des nouilles ou le temps nécessaire à leur cuisson, que les algorithmes d’apprentissage automatique comparent avec les normes enregistrées dans sa base de données. Les opérateurs seront alertés pour améliorer la recette en réduisant la quantité de farine. L’avantage supplémentaire de cette réduction des matières premières réside dans les économies réalisées par l’entreprise.

Ci-dessous, une courte vidéo de 2 minutes illustrant le fonctionnement de Brilliant Factory :

GE prétend avoir aidé Premier Foods à optimiser les performances de son usine, avec l’aide de son partenaire Factora. Les processus et systèmes de Premier Foods ne disposaient pas de capteurs permettant de surveiller les machines. Les processus et les performances de l’usine étaient incohérents. L’entreprise devait identifier les causes profondes des problèmes et améliorer les processus clés tels que l’activité de l’eau, la vitesse de la ligne, la vitesse des rouleaux et les températures des chaleurs.

À l’aide d’iFIX, qui fait partie de la suite Brilliant Factory, Factora a connecté les machines de Premier Foods pour collecter les données, modéliser les processus, analyser les résultats et créer un plan d’amélioration.

Par exemple, la solution recommandée par Factora a aidé Premier Foods à réaliser des ventes potentielles avec une ligne de gâteaux. En stabilisant le processus, Premier Foods a pu utiliser moins de matières premières et réduire le nombre de calories de chaque gâteau, un argument de vente attrayant pour certains clients. Outre les économies de matières premières, Premier Foods peut désormais suivre ses processus clés. Cela leur permet de prendre des mesures pour garantir une qualité et un contrôle cohérents et optimiser le rendement de production.

GE fait également figurer Subaru, Lek Pharmaceuticals, Spomlek, Cascades Tissue Group, Vale Fertilizantes et Toray Plastics parmi leurs anciens clients.

Robots collaboratifs

Repenser les robots

Rethink Robot propose Sawyer, un robot collaboratif (cobot) qui fonctionne avec un logiciel appelé Intera. La société affirme que Sawyer peut aider les fabricants à atteindre une meilleure productivité et des produits de meilleure qualité en utilisant la vision industrielle.

Rethink Robots affirme que Sawyer est intégré au système de vision Cognex, ce qui lui permet de détecter des objets ou d’inspecter des pièces grâce à la technologie de détection d’objets. Ce système de vision capture des images des éléments à manipuler et à transmettre au Robot Positioning System (RPS), une application qui recherche les changements dans l’environnement des robots et permet à l’utilisateur d’ajuster ses paramètres. Les utilisateurs peuvent également intégrer des caméras externes dans le cobot.

Par exemple, le déplacement de Sawyer d’une partie d’une chaîne de montage à une autre signifie que le système de vision doit être ajusté afin que Sawyer puisse détecter les nouveaux emplacements des articles qu’il ramassera, placera et conservera dans la nouvelle zone de travail. Un autre exemple est lorsque des opérateurs humains heurtent accidentellement des tables, des tapis roulants ou le cobot lui-même, l’emplacement physique des articles à ramasser ou à placer ne correspondra plus à ce qui est enregistré dans le système de vision. Ces légères modifications peuvent entraîner des erreurs du cobot lors de la prise et du placement d’objets. Lorsque cela se produit, le RPS doit être réajusté pour permettre au système de vision de détecter le nouvel emplacement des objets.

Une tablette, qui sert d’interface Sawyer, permet également à l’opérateur du robot d’effectuer des ajustements.

Le logiciel Intera permet aux opérateurs de former le cobot en déplaçant son bras et en réalisant le mouvement de ramassage, de placement et de maintien. Sawyer peut également effectuer des fonctions telles que la supervision d’une machine pendant son fonctionnement, l’injection plastique et le moulage par soufflage, les tests, l’inspection de la qualité, et la prise en charge du processus d’estampage ou de pressage du métal. Ce sont des processus généralement effectués dans la chaîne d’approvisionnement automobile, la fabrication de métaux, la fabrication générale, l’emballage et l’automatisation des usines de plastique.

Ci-dessous, une courte vidéo de 2 minutes montrant le fonctionnement du cobot Sawyer :

Rethink Robotics prétend avoir aidé Assa Abloy à automatiser ses lignes de production qui dépendaient du travail manuel. La société s’est tournée vers le distributeur de Rethink Robots, Active8 Robots, pour obtenir de l’aide.

Le site d’Assa Abloy a été évalué et deux cobots Sawyer ont été initialement déployés sur place. L’étude de cas ajoute qu’Assa Abloy a maintenant déployé des cobots Sawyer dans leurs usines à travers le monde. Selon l’étude de cas, Sawyer a aidé à automatiser l’assemblage et l’emballage manuels d’environ 18 000 paires de charnières par jour.

Rethink Robots répertorie également Acorn Sales Company, Rapid Line, Tuthill, Cornell Dubilier, DHL, Moduform, Templasco et Trellidor parmi ses anciens clients.

Créée en 2008, la société a levé 149 millions de dollars de financement auprès de Bezos Expeditions, Charles River Ventures, Highland Capital Partners, Sigma Partners, Draper Fisher Jurvetson et Two Sigma Ventures.

Rodney Brooks est directeur technique et président de Rethink Robots depuis 2008. Il est titulaire d’un doctorat en informatique du Massachusetts Institute of Technology. Auparavant, Brooks a été CTO et président d’iRobot pendant 21 ans.

Points majeurs dans le secteur manufacturier

Les sociétés mondiales couvertes par ce rapport, IBM, Siemens et General Electric, sont les principaux acteurs de l’IA industrielle grâce à l’Internet des objets industriel.

L’IIoT est combiné à l’intelligence artificielle et aux mégadonnées pour offrir aux clients un aperçu plus approfondi des données qu’ils collectent via les capteurs IoT grâce à l’analyse prédictive. Cela peut aider les fabricants à prendre de meilleures décisions commerciales.

Certaines des entreprises couvertes par ce rapport offrent des capacités prédictives et préventives qui aident les adoptants à savoir si leur équipement ou leurs machines doivent être réparés avant que le problème ne s’aggrave. Dans le cas d’IBM Watson, la fonction prédictive est appliquée à l’exploitation minière, aidant à l’exploration de minerais.

En robotique, les systèmes de vision continuent de piloter ce que l’on appelle aujourd’hui les robots collaboratifs ou cobots. Alors que les cobots sont censés collaborer avec les humains en termes de soutien ou de soulagement de l’opérateur humain des tâches répétitives, il n’est pas évident à ce stade si les cobots sont capables d’automatiser davantage de tâches intellectuelles ou s’ils peuvent être connectés à un réseau IIoT.

L’IIoT rend les données disponibles et accessibles, mais elles ne sont aussi bonnes que pour les humains qui les utilisent. Les entreprises répertoriées dans ce rapport indiquent que les opérateurs ou ingénieurs d’usine auront besoin de compétences pour gérer la technologie et interpréter les données. Les entreprises ne disent pas si des Data analyst & scientist seront nécessaires.

Les sociétés couvertes n’ont pas non plus clarifié les délais d’intégration, mais elles expliquent que des capteurs peuvent être attachés aux machines et équipements déjà existants dans les usines.

L’avènement de la quatrième révolution industrielle est en cours, Le concept d’industrie 4.0 ou industrie du futur correspond à une nouvelle façon d’organiser les moyens de production. Cette nouvelle industrie s’affirme comme la convergence du monde virtuel, de la conception numérique, de la gestion (opérations, finance et marketing) avec les produits et objets du monde réel.