Comment l'intelligence artificielle réduit les arrêts machine

Une IA détecte les perturbations et les erreurs. Grâce à la liaison avec un modèle de flux de travail, l'employé reçoit des recommandations d'action directement sur sa montre intelligente. © Fraunhofer IPA/Photo : Rainer Bez

Les algorithmes intelligents détectent les défauts et les signes d'usure, et la montre connectée informe l'opérateur de la machine sur la façon de corriger les perturbations : Une équipe de recherche du Fraunhofer IPA a développé, en collaboration avec des partenaires industriels, une méthode pour intégrer l'intelligence artificielle dans la maintenance.

C'est ainsi que cela se passe souvent dans l'industrie jusqu'à aujourd'hui : un dysfonctionnement survient à une machine sans être détecté. Elle produit alors des pièces défectueuses jusqu'à ce qu'un employé attentif remarque le défaut de qualité et arrête la machine. Ensuite, commence la grande énigme. Pourquoi le problème est-il survenu ? Comment peut-on le résoudre ? Des réglages sont modifiés de manière totalement désorganisée sur la machine et d'autres produits sont fabriqués à titre d'essai — jusqu'à ce que la qualité soit à nouveau satisfaisante. Heureux celui qui a une collègue expérimentée qui connaît le problème et sait immédiatement comment le résoudre.

Mais ces spécialistes sont malheureusement rares. L'intelligence artificielle (IA) pourrait bientôt prendre leur place. Une équipe de recherche dirigée par Jonas Krauß du groupe de projet Process Innovation au Fraunhofer Institut für Produktionstechnik und Automatisierung IPA a développé, en collaboration avec les entreprises Maincor Rohrsysteme et Maxsyma, une méthode pour intégrer l'IA dans la maintenance.

L'algorithme détecte les défauts de soudure

L'entreprise Maincor Rohrsysteme produit notamment à Knetzgau en Basse-Franconie des tubes en aluminium recouverts de plastique pour le chauffage par le sol. Des défauts de soudure peuvent survenir, tout comme des écarts dans l'épaisseur du revêtement en plastique. Jusqu'à présent, cela signifiait des pièces rejetées et un arrêt de la machine jusqu'à ce que le défaut soit identifié et corrigé.

L'équipe de recherche de Krauß a développé un démonstrateur où la soudure par ultrasons est surveillée à l'aide d'une caméra et de l'IA. Un algorithme intelligent analyse les images de la caméra et détecte immédiatement les défauts de soudure lorsqu'ils apparaissent. Pour entraîner l'IA, les scientifiques du Fraunhofer IPA lui ont présenté des photos de soudures bonnes et défectueuses jusqu'à ce qu'elle reconnaisse un motif. Cependant, faute de suffisamment d'images de soudures défectueuses, l'équipe de recherche a dû en générer artificiellement pour mieux soutenir le processus d'apprentissage de leur modèle d'IA.

La sonotrode de l'appareil de soudure par ultrasons est une pièce d'usure. L'usure augmente la résistance et donc la consommation électrique. Les chercheurs ont donc attaché des pinces ampèremétriques au câble. Un autre algorithme analyse les mesures. Le diamètre des tubes finis est mesuré par une radiographie. Des écarts à la hausse indiquent, par exemple, que la pression dans l'extrudeuse, qui applique le revêtement en plastique, est trop élevée. Un diamètre trop faible signifie une pression insuffisante.

Montre connectée donne des recommandations d'action

« Dès que l'IA détecte une soudure défectueuse, une consommation électrique accrue de la sonotrode ou des écarts de diamètre, un message correspondant apparaît sur la montre connectée de l'opérateur », explique Krauß. « Elle est reliée à une recommandation d'action pour que la perturbation soit rapidement corrigée, sans essais et erreurs désorganisés, ou qu'une nouvelle sonotrode soit commandée à temps. » Les recommandations d'action sont basées sur des modèles de flux de travail, que l'équipe de recherche a préalablement élaborés avec des experts en processus. Ils décrivent les étapes de travail que l'IA recommande d'exécuter. Cette maintenance prédictive améliore non seulement les opérations de maintenance concrètes, mais aussi la planification et la gestion de la production. En effet, si l'on sait à l'avance quand une sonotrode doit être remplacée, il est possible d'organiser la gestion des commandes et les approvisionnements en conséquence.

La société Maxsyma, un éditeur de logiciels basée à Floss en Haute-Pfalz, intégrera désormais les nouvelles fonctionnalités et bibliothèques logicielles dans son application existante « iot2flow » et l'adaptera pour qu'elle soit utile également pour d'autres secteurs. Chez Maincor, on estime que l'outil fini, après son déploiement dans toute la fabrication, pourrait réduire la durée des arrêts de machine d'environ 15 à 20 % et diminuer le taux de rejet d'environ 0,5 %. De plus, on prévoit une baisse des coûts de maintenance et de réparation, ainsi que des gains d'efficacité grâce à une planification et une gestion de la production optimisées.