Intelligence artificielle résistante

2ndSCIN® est une enveloppe de protection pour robots et autres composants d'automatisation, conçue pour imiter la peau humaine. © Fraunhofer IPA, Photo : Rainer Bez

Une équipe de recherche dirigée par Brandon Sai (à droite sur l'image) a développé un outil qui identifie les causes des pertes de productivité dans des installations en chaîne et permet une élimination rapide des perturbations. © Fraunhofer IPA, Photo : Rainer Bez

Le Future Work Lab à Stuttgart abrite la plus grande collection de démonstrateurs en Allemagne, montrant à quoi ressemblera probablement le travail de production du futur. © Fraunhofer IPA, Photo : Rainer Bez

L'intelligence artificielle (IA) optimise les processus et rend l'ensemble de la production plus fiable, plus flexible et plus résiliente. Voici comment cela fonctionne, comme le montrent des chercheurs du Fraunhofer IPA du 12 au 16 avril lors de la Hannover Messe, qui se déroule cette année en virtuel.

Depuis la crise du coronavirus, le terme « résilience » connaît un grand succès. Il provient à l'origine de la science des matériaux et décrit la propriété d'un corps à retrouver sa forme initiale après une déformation. Transposé à des sociétés entières, à l'économie, à des entreprises ou encore à leurs lignes et installations de production, la résilience désigne la capacité à surmonter des périodes de crise et des perturbations sans impacts durables.

Comment l'IA peut rendre la production industrielle plus résiliente et optimiser les processus, sont illustrés par plusieurs expositions que des chercheurs du Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA présenteront du 12 au 16 avril 2021 à la Hannover Messe, qui se déroule cette année en virtuel.

Le nom est un programme : Maximize Overall Equipment Effectiveness

Une équipe de recherche dirigée par Brandon Sai du département Planification d'usine et Gestion de la production a développé un outil qui identifie les causes des pertes de productivité dans des installations en chaîne et permet une élimination rapide des perturbations. Avec « Maximize Overall Equipment Effectiveness » (MOEE), des algorithmes implémentés analysent automatiquement le comportement d'une installation et créent un modèle de processus personnalisé. Les différentes étapes d'un cycle de production sont visualisées et évaluées.

« Les algorithmes calculent, par exemple, quels processus ont lieu, quand et dans quel ordre, ainsi que leur durée respective. Si les étapes du processus ne se déroulent pas à la vitesse souhaitée et ne sont pas optimisées entre elles, cela indique une faiblesse de performance », explique Sai. De plus, les algorithmes auto-apprenants fournissent des informations sur la qualité obtenue. « Grâce à une combinaison de création automatique de modèles de processus et de techniques d'apprentissage automatique, nous détectons les pertes de productivité au moment où elles se produisent, contribuant ainsi à une élimination rapide de la perturbation », précise Sai.

Un regard vers l'avenir : le Future Work Lab

Des outils de collecte de données flexibles, similaires, ont été développés par une équipe de recherche du département Planification d'usine et Gestion de la production. Les chercheurs combinent un système modulaire de capteurs avec des algorithmes d'IA pour la reconnaissance des processus, afin de découvrir automatiquement les potentiels d'optimisation dans la production. Ce n'est qu'un des environ 50 démonstrateurs que des chercheurs du Fraunhofer IPA et du Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO), situés à proximité, ont mis en place dans le Future Work Lab en collaboration.

« Au Future Work Lab, nous montrons le potentiel des systèmes d'assistance cognitifs et des méthodes de mise en œuvre participatives pour leur utilisation dans les systèmes de production d'entreprise », explique Simon Schumacher, chef de projet du Future Work Lab au Fraunhofer IPA. La plus grande collection de démonstrateurs en Allemagne, illustrant probablement à quoi ressemblera le travail de production du futur, sera accessible lors de la Hannover Messe.

Ensemble, plus forts : le réseau AI4DT

Un jumeau numérique est une représentation virtuelle de machines, produits ou systèmes réels tels que des usines ou des organisations, avec leurs caractéristiques, leur état et leur comportement. Il sert de modèle de données qu'une intelligence artificielle analyse, en tire des conclusions et propose des recommandations d'action. Cependant, les petites et moyennes entreprises (PME) rencontrent des défis importants dans la conception, l'application et l'utilisation des jumeaux numériques et de l'IA.

Pour relever ces défis ensemble, le Land de Bade-Wurtemberg et la province de Noord-Brabant ont créé en janvier 2021 le Fieldlab néerlandais-allemand « Artificial Intelligence for Digital Twins (AI4DT) ». Ce réseau d'entreprises, d'experts et de fournisseurs de technologies doit développer, tester et mettre en œuvre des solutions industrielles intelligentes. Le chef de projet AI4DT est le professeur Daniel Palm du Fraunhofer IPA, qui le présentera lors de la Hannover Messe.

Une tenue sur mesure pour robot : 2ndSCIN®

Non seulement une production plus autonome et résiliente, mais aussi une production ultra-propre devient de plus en plus importante : « De la fabrication de batteries à la biotechnologie – seuls des environnements de production purs permettent la haute technologie du futur », explique Udo Gommel, responsable du département Reine et Microproduction au Fraunhofer IPA. Cependant, pour de nombreux fabricants, la stérilisation des robots et autres composants d'automatisation dans une salle blanche est un processus fastidieux, long et coûteux.

C'est pourquoi Gommel et ses collègues ont développé le 2ndSCIN®, une sorte de combinaison sur mesure pour robots. Cette enveloppe de protection est composée d’un textile perméable, mobile et multicouche, dont le fonctionnement imite la peau humaine. Selon l'application, deux ou plusieurs couches peuvent être superposées, séparées par des entretoises. Dans les espaces intermédiaires, de l'air peut être aspiré ou évacué. Ainsi, il est possible d’éliminer les particules provenant de l’environnement ou de la propre composante automatisée. Les couches textiles sont également équipées de capteurs qui mesurent en continu des paramètres tels que la quantité de particules, la pression ou l’humidité. Grâce à des algorithmes d'IA, ces données peuvent être analysées, permettant de mettre en place une stratégie de maintenance prédictive.