Chronomètre dans l'ère de la production numérique

La coque de protection brevetée 2ndSCIN® rend tous les composants d'automatisation en mouvement adaptés aux salles blanches. © Fraunhofer IPA/Photo : Rainer Bez

Un robot agricole du Fraunhofer IPA prend en charge la régulation des mauvaises herbes dans une pépinière. © Office fédéral de l'agriculture et de l'alimentation/Fraunhofer

Avec le logiciel pitasc, des applications d'assemblage telles que l'encliquetage ou le glissement de pièces les unes dans les autres peuvent être automatisées de manière économiquement judicieuse. © Fraunhofer IPA/Photo : Rainer Bez

Le logiciel « ARCaide Assembly Suite » soutient les professionnels qualifiés avec, par exemple, une planification de montage automatisée ou une assistance au montage basée sur la réalité augmentée. © Fraunhofer IPA/Photo : Rainer Bez

L'apprentissage automatique contribue à rendre des technologies telles que la prise dans la caisse plus autonomes. © Fraunhofer IPA/Photo : Rainer Bez

Dans le projet de recherche rob-akademI, les robots apprennent à assembler afin de permettre une programmation plus flexible. © Fraunhofer IPA/Photo : Rainer Bez / Dans le projet de recherche rob-aKademI, les robots apprennent comment assembler afin que la programmation soit plus flexible. © Fraunhofer IPA/Photo : Rainer Bez

Intelligence artificielle explicable : Lors du salon automatica, le Fraunhofer IPA présente des méthodes qui visualisent les décisions des réseaux neuronaux et les rendent transparentes et compréhensibles pour l'utilisateur. © Fraunhofer IPA/Photo : Marco Huber

Grâce à l'analyse des données des automates programmables et des capteurs, les inefficacités ou pertes dans les lignes de production peuvent être détectées automatiquement. © Fraunhofer IPA/Photo : Rainer Bez / Avec l'aide de l'analyse des données des PLC et des capteurs, les inefficacités ou pertes dans les lignes de production peuvent être détectées automatiquement. © Fraunhofer IPA/Photo : Rainer Bez

Durable, autonome, intelligente, reine : Des robots auto-apprenants pour les champs et l'usine, aux technologies de salles blanches de pointe, des procédés d'explicabilité de l'apprentissage automatique jusqu'aux outils logiciels pour une production optimisée – le Fraunhofer IPA présente à la automatica du 21 au 24 juin 2022 une multitude d'applications et de services pour la production automatisée.

Avec quatre clusters, le salon automatisé automatica reprend cette année après une pause liée à la pandémie : « Transformation numérique », « Intelligence artificielle », « Homme et machine » et « Production durable » – quatre thèmes sur lesquels le Fraunhofer IPA de Stuttgart mène également des recherches intensives et met en œuvre des innovations. Sur le salon, les collaborateurs de l'institut montreront sur 240 mètres carrés ce qui est déjà possible aujourd'hui et vers où va la voie de l'automatisation.

Robots extérieurs pour une agriculture durable

Ce voyage ne doit pas toujours se dérouler en usine, comme le montre l'exposition sur la robotique agricole. Le robot agricole « CURT », développé par le scientifique Kevin Bregler et son équipe, sert à la régulation mécanique des mauvaises herbes. Ainsi, CURT doit faire en sorte que moins de pesticides soient utilisés dans la protection des cultures, voire qu'une suppression totale des herbicides soit possible, permettant ainsi une agriculture écologiquement et économiquement viable.

L'exposition présente un système robotique dont le matériel et le logiciel ont été entièrement développés au Fraunhofer IPA. Un composant matériel clé est par exemple le manipulateur, qui enlève les mauvaises herbes de manière économe en énergie et respectueuse de l'environnement. Du côté logiciel, la navigation et la vision par ordinateur sont des fonctions essentielles. Le robot peut ainsi, même dans des conditions dynamiques difficiles sur le terrain, trouver son chemin de manière autonome et sûre, tout en reconnaissant des plantes, des rangées de cultures et les mauvaises herbes à éliminer. Les données recueillies peuvent également contribuer à rendre les processus et décisions plus efficaces et autonomes grâce à l'intelligence artificielle (IA). Le robot symbolise de nombreuses activités de l'institut autour d'une agriculture respectueuse des ressources et durable.

Identifier systématiquement les potentiels d'automatisation

De retour sur le shopfloor : ici, de nombreuses entreprises se demandent si et comment elles peuvent automatiser leurs tâches d'assemblage. Depuis plusieurs années, le Fraunhofer IPA propose pour cette question l’analyse du potentiel d’automatisation (APA). Au début, l’APA était liée à l’expertise d’un spécialiste en automatisation. Une nouvelle application facilite désormais l’accès à ce savoir. Elle guide l’utilisateur dans l’analyse de ses propres processus d’assemblage, évalue les réponses et informe sur les potentiels d’automatisation. « Avec notre application, chacun peut devenir expert dans l’évaluation des processus d’assemblage », explique Joshua Beck, chercheur au Fraunhofer IPA, qui a co-développé l’application. En tenant compte des aspects techniques et économiques, elle offre une base de données complète pour les décisions d’investissement. Elle peut être obtenue via un simple contrat de licence pour un usage d’essai. De plus, un démonstrateur est disponible à l’institut à des fins de formation.

Assembler intelligemment

Un logiciel pour l’automatisation de l’assemblage, NeuroCAD, analyse les caractéristiques des pièces à l’aide de méthodes d’apprentissage automatique et en déduit une estimation de leur aptitude à l’automatisation. Les utilisateurs peuvent télécharger gratuitement leurs fichiers STEP sur https://neurocad-dev.web.app/dashboard et découvrir en quelques secondes si une pièce est facile ou difficile à individualiser. De plus, l’outil évalue les surfaces de préhension et l’alignement de la pièce. Le réseau neuronal indique également la probabilité que le résultat soit correct. NeuroCAD aide à éviter des conceptions de pièces défavorables et à accélérer les processus d’assemblage.

Le système de construction pitasc pour la programmation de processus d’assemblage contrôlés par la force montre comment des processus jusqu’ici réalisés manuellement, comme clipser, riveter ou visser, peuvent être automatisés de manière économiquement judicieuse. « Jusqu’à présent, il fallait reprogrammer largement chaque système robotique pour chaque application. Avec notre logiciel, les tâches modélisées une fois peuvent être rapidement transférées à de nouvelles variantes de produits, à d’autres produits et même à des robots d’autres fabricants, en ajustant simplement les paramètres », explique Frank Näggele, chef du groupe Programmation et Contrôle Robotique au Fraunhofer IPA. Le logiciel, structuré comme un système modulaire, permet de programmer de manière modulaire les processus d’assemblage : il contient de nombreux blocs de programme préfabriqués et réutilisables, qui peuvent être assemblés individuellement lors de la mise en service d’un système robotique. pitasc est prêt pour une utilisation dans des applications pilotes, que les chercheurs souhaitent souvent réaliser en collaboration avec des entreprises.

La technologie fondamentale de toutes les fonctionnalités du nouveau logiciel « ARCaide Assembly Suite » est une IA qui analyse et évalue les fichiers STEP. Ces fichiers riches en informations peuvent être générés par tout système CAD et fournissent à « l’IA d’analyse 3D » toutes les informations nécessaires pour déduire précisément des informations structurées pour l’assemblage. Une seconde composante logicielle d’ARCaide, le « Assembly Composer », lit les informations d’assemblage extraites du fichier STEP et les intègre dans un outil graphique pour la planification de l’assemblage. Cet outil présente de manière simplifiée des informations pertinentes pour l’assemblage, permettant aux experts de planifier l’assemblage de manière simple et sans erreur. L’assistance à l’assemblage par IA, « KIM », complète le trio de composants logiciels. Elle crée automatiquement et à moindre coût des aides à l’assemblage qui soutiennent de manière interactive les monteurs. L’assistance est variable et peut, par exemple, être basée sur la réalité augmentée ou sur une assistance en 2D ou 3D.

Robots apprenants grâce à l’IA

Non seulement l’assemblage, mais aussi la prise dans une caisse reste parfois un défi pour l’automatisation. Avec l’exposition AI Picking, le Fraunhofer IPA montre comment les méthodes d’apprentissage automatique et les simulations améliorent significativement l’autonomie et la performance de l’application.

Les chercheurs illustrent cela avec un robot qui saisit des objets dans une caisse ou sur une palette, dont la position est indéfinie. Une estimation de la position des objets basée sur l’IA fournit ici des positions robustes et précises en quelques millisecondes. « De nouveaux objets peuvent être rapidement et simplement appris à partir d’un modèle CAD », explique le chef de projet Felix Spenrath. « Le logiciel peut également détecter et résoudre des blocages, et gérer de manière robuste le matériau d’emballage. » Le robot a été entraîné en simulation de manière approfondie, puis cette connaissance a été transférée à l’application réelle. Les positions et stratégies de préhension sont générées et évaluées automatiquement sur la base de ces connaissances. Une interface utilisateur intuitive complète l’application.

Outre la prise, la fabrication profite également des robots auto-apprenants. Comme le montre l’exposition du projet de recherche collaboratif rob-aKademI, l’objectif est de permettre une programmation flexible des robots pour des tâches d’assemblage avec peu d’efforts. Il s’adresse principalement aux entreprises cherchant une entrée simple mais durable dans l’automatisation robotique de l’assemblage. Pour cela, un environnement de simulation a été créé, dans lequel le robot apprend à assembler à partir de données CAD et en utilisant la méthode d’« apprentissage par renforcement », c’est-à-dire par essais et erreurs. Il apprend aussi à gérer les tolérances des pièces ou les imprécisions du processus. L’objectif est de parvenir à une fabrication robotisée robuste jusqu’à une taille de lot de 1 mètre. Une cellule robotisée illustrera un scénario d’application concret de ces technologies.

Produire sans contamination grâce à une « seconde peau »

Une production non seulement plus autonome, mais aussi ultra-propre, devient de plus en plus demandée. « Des environnements de production purs permettent d’utiliser les technologies de haute technologie de demain », explique Udo Gommel, chef du département Reine et Microproduction au Fraunhofer IPA. « Les technologies clés de demain ne progresseront qu’avec la technique de propreté. C’est crucial : de la fabrication de batteries à la biotechnologie. »

Dans ce contexte, la protection innovante 2ndSCIN®, déposée à l’office des brevets, rend les composants de production ultrapropre, comme un robot pour la production ultra-pure, prêts à l’emploi. La coque est constituée d’un textile perméable, mobile et multicouche, imitant la peau humaine dans son fonctionnement. Selon l’application, deux ou plusieurs couches peuvent être superposées. Les couches sont séparées par des entretoises. Dans chaque espace intermédiaire, il est possible d’aspirer ou d’évacuer de l’air, permettant ainsi d’éliminer les particules provenant de l’environnement ou du composant automatisé. L’introduction de gaz spéciaux dans ces espaces permet, par exemple, leur stérilisation. De plus, la coque peut être changée en environ une heure et réutilisée après décontamination. Les couches textiles sont également équipées de capteurs qui mesurent en continu des paramètres tels que la concentration de particules, la contamination chimique, la pression ou l’humidité. Des algorithmes basés sur l’IA analysent ces données et permettent, par exemple, une maintenance prédictive. « 2ndSCIN® est extrêmement modulable, ce qui nous permet de répondre à des besoins individuels », explique Gommel. « Ainsi, nous répondons à de nombreuses exigences concernant des coques de protection pour la pureté des composants en salle blanche, que nos produits actuels ne satisfaisaient pas. »

Expliquer l’apprentissage automatique

Dans la robotique comme dans de nombreux autres domaines de la production et des services, les méthodes d’apprentissage automatique et les réseaux neuronaux artificiels sont de plus en plus utilisés. Selon l’application, il devient de plus en plus important, voire légalement nécessaire, de comprendre comment ils fonctionnent et pourquoi ils aboutissent à un résultat. Ils doivent devenir explicables. Jusqu’à présent, cela n’était souvent pas possible en raison de leur complexité. « Plus un réseau neuronal est performant, plus il est difficile à comprendre », explique le professeur Marco Huber, qui dirige au Fraunhofer IPA le Centre pour l’intelligence cyber-cognitive (CCI) et le département de traitement d’images et de signaux.

À l’occasion de la automatica, le Fraunhofer IPA présente donc sous le slogan « Explainable AI » (xAI) des procédés qui visualisent les décisions des réseaux neuronaux et les rendent transparentes et compréhensibles pour l’utilisateur. « Cette traçabilité renforce l’acceptation de l’IA, crée de la confiance, améliore le fonctionnement correct et assure la sécurité juridique », précise Huber. Les méthodes d’explicabilité conviennent à toutes les applications utilisant des réseaux neuronaux ou l’apprentissage automatique, notamment celles qui sont critiques pour la sécurité ou fortement réglementées.

Rendre les processus de production plus transparents et efficaces

Lorsque l’efficacité globale de l’équipement ou « Overall Equipment Effectiveness (OEE) » d’une installation de production (partielle ou automatisée) n’atteint pas le niveau souhaité, il faut identifier la cause de l’écart. Il est essentiel d’étudier le processus de production aussi en détail que possible. Les analyses au niveau MES ou SCADA considèrent le processus de manière synthétique et ne donnent pas d’informations sur les causes internes au processus. En revanche, la connectivité croissante en production ouvre de nouvelles voies pour l’optimisation. L’automatisation autonome de la production s’appuie sur cette évolution. En accédant à différentes sources de données, il devient possible de rendre le processus transparent et, sur cette base, d’optimiser l’OEE de manière autonome.

La réalisation de cette vision – maximiser l’Overall Equipment Effectiveness – est illustrée par l’exposition « MOEE », qui reproduit une installation de production automatisée. Celle-ci est surveillée à la fois par la commande et par des capteurs externes tels que des barrières lumineuses ou des caméras. Ces sources d’observation servent à créer un modèle comportemental de la ligne. Cela permet d’analyser la ligne en continu en ligne et d’identifier les déviations ou pertes de production en détectant le comportement normal. « Avec cette approche, nous apportons à nos clients une transparence des processus et détectons automatiquement leurs potentiels d’optimisation », explique Yannick Mayer, chercheur au Fraunhofer IPA et co-développeur de MOEE.