Elle parle avec le ventilateur

Langage de données et IA – Messagers de la digitalisation

La transformation numérique ne signifie pas seulement l'intelligence artificielle depuis ChatGPT. Les tâches qui lui sont confiées comprennent à la fois des activités répétitives et hautement complexes. L'IA générative peut créer des textes et des images à partir d'entrées humaines, l'IA descriptive peut reconnaître des motifs complexes et décrire des états actuels. Les applications de l'IA se retrouvent aussi bien dans les services que dans la production.

La transformation numérique signifie aussi communication. Le moyen principal est notamment l'ère numérique, basée sur des données, pas seulement celles de nature personnelle. Chaque machine, dans le cas de la technique de ventilation, chaque ventilateur, communique en permanence via des données générées en fonctionnement. Les utiliser correctement, c'est une forme d'interaction entre membres de différentes espèces - humain et machine – permettant ainsi une compréhension approfondie. En effet, avec toutes ces données, la machine révèle quelque chose sur elle-même et son état.

Le défi consiste à entendre la langue du ventilateur et à la comprendre. C'est précisément ici que Ziehl-Abegg intervient, en utilisant l'intelligence artificielle pour analyser et devenir ainsi le traducteur de la parole du ventilateur basée sur des données.

La maintenance traditionnelle – Peu de marge de manœuvre

Comprendre le ventilateur dans sa globalité peut être particulièrement important lorsqu'il s'agit de défaillances potentielles ou de la nécessité d'interventions de maintenance. La méthode traditionnelle attend que les composants deviennent défectueux. Cela entraîne souvent des temps d'arrêt imprévus, parfois à des moments très inopportuns. Des dommages collatéraux à d'autres composants peuvent également survenir. Des interventions programmées à intervalles réguliers, où les temps d'arrêt sont planifiés, peuvent être utiles. Cependant, il arrive aussi que des pièces encore totalement intactes soient remplacées. De plus, l'expérience ou la durée de fonctionnement indiquée ne protègent pas contre des défaillances imprévues ou « hors série ». Chaque produit est différent, et différents processus ne permettent pas une évaluation à 100 % de l'état. Cela signifie aussi que des pièces de rechange doivent être disponibles en permanence et stockées, et que les techniciens doivent être disponibles à court terme.

Il est donc presque impossible de déterminer le moment idéal pour intervenir dans l'exploitation à des fins de maintenance. Souvent, un dommage ne survient pas brutalement, mais se manifeste en amont. Cependant, si l'on ne peut pas percevoir les signaux silencieux ou reconnaître de l'extérieur qu'une pièce ne fonctionne plus de manière optimale, on ne peut agir qu'en se basant sur des suppositions. Si le ventilateur pouvait à tout moment donner des informations sur lui-même et son état de fonctionnement, l'humain serait toujours informé. Comprendre le langage basé sur les données du ventilateur signifie donc savoir précisément dans quel état il et ses composants se trouvent à chaque instant. La survenue d'une perturbation imminente pourrait ainsi être prédite beaucoup plus précisément.

Capteurs intégrés – La collecte des données

Dans cette voie, Ziehl-Abegg a déjà franchi plusieurs étapes déterminantes par le passé. Le défi initial est la collecte des données. Les ventilateurs ont été équipés de capteurs parfaitement adaptés aux exigences de la technique de ventilation pour leur faire « parler ». Grâce à des capteurs déjà présents dans le moteur du ventilateur, il est possible de collecter directement sur place des données de vibration et de télémétrie. Les paramètres pertinents incluent par exemple les vibrations sur les axes, les vitesses de rotation, les températures et le courant consommé.

Transmission vers le cloud – L'historisation des données

Les données recueillies ont pu être visualisées en étant envoyées à la solution cloud ZAbluegalaxy. La langue du ventilateur est ainsi devenue visible. Les données de mesure ont pu être surveillées, enregistrées et historisées. Les analyses possibles à partir de cela ont déjà permis de tirer des premières conclusions sur l'état du ventilateur, par exemple en émettant des alertes en cas de besoin.

Intelligence artificielle intégrée – La compréhension des données en temps réel

Le défi consistant à comprendre cette langue et à agir en conséquence a donc déjà été relevé. Cependant, plusieurs facteurs rendent presque impossible pour des experts humains de lire, analyser et interpréter les données en temps utile. Cela inclut notamment leur quantité massive et le fait que certains états de fonctionnement ne peuvent pas être déduits de données isolées, mais seulement de leurs combinaisons. La surveillance continue et l’analyse des données par des humains ne sont pas réalisables. Même traiter une petite partie des données en temps réel ne serait plus d’actualité. Les données en temps réel ne peuvent donc pas être exploitées efficacement. En cas de panne, le seuil pour agir à temps pourrait être dépassé.

C'est précisément ici que l'intelligence artificielle, sous la forme d'un réseau neuronal, entre en jeu. Les réseaux neuronaux, composés de neurones artificiels connectés entre eux en plusieurs couches, sont experts dans la réception et l’analyse des données. Les données arrivent sous forme d’un vecteur d’entrée à la couche d’entrée, puis traversent une ou plusieurs couches cachées jusqu’à la couche de sortie. À chaque étape, un traitement des données a lieu. Dans la couche de sortie, les valeurs calculées sont transformées en un vecteur de sortie dans une forme lisible pour l’humain, par exemple un pourcentage indiquant l’état d’une composante. Si une certaine probabilité de défaillance est détectée, une alerte ou un message d’erreur est généré.
Sur la base de ces analyses, l’IA peut également donner des recommandations d’action si nécessaire. Le réseau neuronal peut aider à diagnostiquer des problèmes ou des défaillances en identifiant, à partir des données de fonctionnement, des causes possibles. L’intelligence artificielle joue ainsi le rôle d’un collaborateur qui écoute en permanence la communication du ventilateur, comprend ses mots, les interprète et propose des actions. Les données déjà recueillies peuvent désormais être traitées de manière pertinente.

L’intégration de l’IA – La préparation des données

Mais comme tout collaborateur, l’IA doit aussi être formée. Ziehl-Abegg l’a entraînée à l’aide d’un travail préparatoire intensif : des millions de points de données ont été collectés, enregistrés et associés à différents états de fonctionnement. Cela a nécessité de décider quels points de données et quelles caractéristiques sont importantes pour analyser certains états, et de leur attribuer un poids en conséquence. Des défaillances et dommages ont été simulés pour que l’IA connaisse le comportement normal du ventilateur et puisse détecter immédiatement la moindre déviation, comme un chien de chasse. Parallèlement, ces énormes quantités de données ont été préparées par feature engineering, c’est-à-dire standardisées et transformées. Les données doivent non seulement être de haute qualité, mais aussi dans un format uniforme pour permettre des comparaisons. Un guide a ainsi été fourni à l’IA pour qu’elle puisse s’y orienter.

En particulier, pour effectuer les calculs directement sur la composante, il est également nécessaire de réduire les données, ce qui exige un compromis entre simplification et précision maximale. Toute cette agrégation augmente toutefois la précision – trop de données ou de caractéristiques compliqueraient une analyse précise. L’IA entraînée peut maintenant être testée sur des données de validation.

Correspondance parfaite – Expertise humaine et IA

Les données et l’IA doivent donc d’abord être préparées à leur tâche. Même après, l’IA occupe une position importante, mais ne devient pas le seul décideur. Elle traduit, grâce à ses capacités d’analyse exceptionnelles, la langue du ventilateur pour l’expert humain et donne des recommandations. La décision sur la manière de traiter une recommandation doit toutefois être prise par l’humain, après vérification, en évaluant les informations et en tenant compte d’autres facteurs possibles. L’humain doit continuer à disposer de connaissances spécialisées et contextuelles, l’IA ne peut pas agir seule. Il est possible de régler le ventilateur pour qu’il s’éteigne immédiatement en cas d’erreur, mais cette fonction doit être activée manuellement et n’est pas une configuration standard.

En résumé, l’intelligence artificielle et l’intelligence humaine travaillent en étroite collaboration. La possibilité de surveillance en temps réel et les capacités d’analyse de l’IA, située directement sur la composante, créent une synergie parfaite avec l’humain, qui possède le savoir-faire et la capacité de décision.

La maintenance révolutionnée – Pouvoir d’action via l’IA

Il apparaît que l’humain dispose même de plus de marge de manœuvre qu’auparavant. En collaborant avec l’IA, il en résulte un système de maintenance moderne, qui peut faire ses preuves à plusieurs niveaux. Qu’elle soit prévue ou inattendue, chaque dommage et chaque potentiel dysfonctionnement sont désormais annoncés, laissant le temps de réagir. Cela déplace l’action humaine vers une démarche plus proactive que simplement réagir en cas d’urgence. La planification devient essentielle. Même les défaillances imprévues se manifestent à l’avance, et il n’est plus nécessaire de remplacer des pièces intactes qui pourraient durer plus longtemps que prévu. La durée de vie d’une pièce peut ainsi être maximisée, et la chaîne de conséquences d’une pièce défectueuse est atténuée.

Les alertes laissent généralement suffisamment de marge pour fixer un moment opportun pour la maintenance. Les processus en cours sont optimisés, la fiabilité du ventilateur augmente. Les temps d’arrêt ne concernent plus que la durée effective de la maintenance. Les employés ne doivent plus être disponibles à la demande, et les pièces de rechange ne doivent pas forcément être en stock. Le temps et le coût de la maintenance sont ainsi réduits au minimum. La maintenance n’est plus une surprise désagréable qui interrompt l’exploitation, mais en quelque sorte intégrée dans le processus.

Outre ces avantages liés à l’optimisation de la maintenance, d’autres se dessinent avec le temps. Il devient possible d’identifier certains points problématiques, par exemple en cas de messages d’erreur récurrents, ou de définir le délai jusqu’à la première défaillance, en tenant compte aussi de l’environnement. Les paramètres de fonctionnement peuvent être ajustés plus facilement si nécessaire. Les plans de maintenance ne deviennent pas obsolètes, mais peuvent être optimisés. En général, il est possible d’apprendre à connaître le ventilateur et son fonctionnement à un tout autre niveau, ce qui ouvre la voie à de nouvelles stratégies de maintenance.

L’importance du temps et de l’espace – Le système embarqué

Outre l’utilisation générale de l’intelligence artificielle, c’est surtout l’emploi d’un système embarqué qui doit être souligné. Plus précisément, le « système embarqué » se trouve dans deux sens. La capteurisation n’a pas besoin d’être achetée séparément, car elle est déjà intégrée dans le moteur – adaptée aux exigences de la technique de ventilation, alors que des capteurs externes pourraient ne pas saisir toutes les données pertinentes.

L’IA n’a pas besoin d’être achetée séparément, elle est déjà intégrée au cœur du système. Aucun logiciel externe supplémentaire ou infrastructure comme des plateformes d’analyse de données n’est nécessaire.

Relier le ventilateur à une passerelle et envoyer les données vers le cloud – où les données doivent être activement demandées par l’utilisateur – est possible, mais pas essentiel pour l’analyse dans le cas d’un seul appareil. Les avantages sont évidents. Les temps de latence sont quasi inexistants, l’analyse devient une solution en temps réel. Si une visualisation ou une sauvegarde des données est souhaitée, ou si plusieurs appareils doivent être connectés, le cloud prend en charge cette étape. La quantité de données transmises est ainsi réduite, ce qui diminue la charge du réseau. Cela représente aussi un avantage pour les données qui doivent être transmises. Le cloud peut rendre visible le travail de l’IA, qui veille à ce que seules des données déjà traitées, enrichies et de meilleure qualité soient envoyées.

Conclusion

Ziehl-Abegg poursuit résolument sa voie en utilisant de manière cohérente les données existantes, qui décrivent précisément l’état du ventilateur. L’intelligence artificielle n’est pas un simple « plus » mais une composante essentielle de la prochaine étape. Avec la solution IA, un instrument a été créé pour révolutionner la maintenance dans la technique de ventilation. L’IA traduit le langage basé sur les données du ventilateur et devient une « intelligence de communication ». En décrivant les états de fonctionnement, elle permet de prévoir d’éventuelles défaillances, la IA descriptive devenant prédictive.

Elle pourra, à l’avenir, être intégrée dans chaque ventilateur, ouvrant la voie à de nouvelles méthodes de travail. Elle offre à l’opérateur du ventilateur un assistant toujours présent, qui analyse en permanence des données soigneusement préparées et en tire des conclusions. Paradoxalement, cette étape supplémentaire favorise une plus grande autonomie grâce à de meilleures possibilités d’action. À d’autres endroits, une étape est supprimée : grâce à la solution embarquée, la transmission des données n’est pas forcément nécessaire. La dernière avancée de la digitalisation, l’IA, rend donc une connexion constante au réseau inutile, tout en optimisant l’utilisation du cloud. Ainsi, l’IA fonctionne d’une part de manière autonome, mais crée aussi une synergie optimale dans une solution hybride avec ZAbluegalaxy.