TRUMPF et Fraunhofer IPA amènent l'intelligence artificielle à la maturité industrielle

Smart Factory : TRUMPF et l'Institut Fraunhofer IPA ont conclu une coopération de recherche jusqu'en 2025 pour amener les solutions d'IA à maturité industrielle dans la fabrication de tôles. (Source : Fraunhofer IPA, Rainer Bez)

Guide de tri : Un résultat de la coopération est le Guide de tri de TRUMPF, qui utilise l'IA pour aider les employés lors de la récupération de pièces métalliques découpées au laser. (© TRUMPF)

Dr.-Ing. Thomas Schneider est directeur du développement chez TRUMPF Werkzeugmaschinen. (© TRUMPF)

Prof. Dr.-Ing. Thomas Bauernhansl est directeur du Fraunhofer IPA. (© Fraunhofer IPA)

TRUMPF et l'Institut Fraunhofer IPA concluent un partenariat de recherche jusqu'en 2025. L'objectif est de développer des solutions pour la fabrication connectée de tôles avec l'intelligence artificielle.

La société de haute technologie TRUMPF et l'Institut Fraunhofer pour la technologie de la production et l'automatisation IPA de Stuttgart ont convenu d'un partenariat de recherche jusqu'en 2025. L'objectif est de faire évoluer des solutions pour une fabrication connectée avec l'intelligence artificielle (IA) vers la maturité industrielle. La somme de financement pour le projet s'élève à environ deux millions d'euros pour les cinq prochaines années. Au total, dix employés de TRUMPF et de l'IPA Fraunhofer sont impliqués dans les projets. »TRUMPF souhaite renforcer sa position de leader dans l'IA appliquée à la fabrication de tôles. C'est pourquoi nous investissons dès aujourd'hui dans des technologies d'avenir qui permettent aux entreprises de réaliser d'importants gains d'efficacité et d'accroître leur compétitivité«, déclare Thomas Schneider, directeur général du développement chez TRUMPF Werkzeugmaschinen. TRUMPF et l'IPA Fraunhofer collaborent déjà depuis cinq ans sur le thème de la Smart Factory et souhaitent poursuivre leurs projets antérieurs dans le cadre de ce nouveau partenariat de recherche. »Depuis des années, TRUMPF travaille avec nous sur la production connectée, car l'entreprise — comme nous — voit dans les développements autour de l'industrie 4.0 une grande opportunité. Les années à venir seront donc passionnantes, car elles décideront de tout. Nous anticipons que la pandémie de COVID-19 agira comme un catalyseur : ceux qui seront préparés pourront exploiter massivement les opportunités qui en découleront. Il reste donc à voir si nos travaux dans ces projets communs nous ont bien préparés pour l'avenir«, déclare le professeur Thomas Bauernhansl, directeur de l'IPA Fraunhofer.

Les futurs projets devront rendre l'IA explicable

Dans les cinq prochaines années, TRUMPF et l'IPA Fraunhofer souhaitent notamment développer des solutions pour améliorer la qualité des données en production. En effet, des données de haute qualité sont la condition préalable pour augmenter l'efficacité grâce à l'IA. Dans ce contexte, les partenaires approfondissent le sujet de « l'explicabilité de l'IA » (en anglais, Explainable Artificial Intelligence, XAI). L'objectif est de rendre compréhensible le fonctionnement des réseaux neuronaux. De telles avancées sont très utiles pour la fabrication de tôles. Les résultats de l'analyse des données peuvent améliorer la qualité de la production, tout en réduisant coûts et délais.

De nouvelles solutions approchent de la maturité commerciale

La collaboration entre TRUMPF et l'IPA Fraunhofer pour la fabrication numérique a débuté en 2015. Les premiers résultats sont désormais proches de la commercialisation. Parmi eux, le système d'assistance « Sorting Guide » de TRUMPF, qui aide les employés à trier les pièces en tôle découpées au laser. La solution IA reconnaît le processus de prélèvement et fournit automatiquement au travailleur toutes les informations nécessaires pour la logistique interne. Elle présente de manière claire les pièces de tôle associées, par exemple en fonction de la commande, du client ou de l'étape suivante du traitement, en différentes couleurs. Ainsi, elle remplace les documents d'accompagnement, fait gagner du temps et contribue à éviter les erreurs. Pour poursuivre sur cette lancée, les partenaires maintiennent leur coopération stratégique.

Qualité des données pour la planification et la gestion de la production de tôles

Une coopération de recherche à long terme existe entre l'Institut Fraunhofer pour la technologie de la production et l'automatisation IPA et TRUMPF Werkzeugmaschinen, qui travaille sur divers projets liés à l'avenir de la fabrication de tôles. La coopération se concentre avant tout sur les clients de TRUMPF : ils doivent pouvoir améliorer leur offre de services grâce aux résultats, afin de mieux soutenir leurs propres clients.

Exigences des clients pour la fabrication de tôles

Les clients des fabricants de tôles ont les exigences suivantes : la fabrication de tôles est souvent adaptée aux besoins spécifiques du client, souvent en petites séries ou en pièces uniques. Motivés par le commerce en ligne dans le secteur de la consommation, ils attendent des délais de livraison courts et une ponctualité fiable ; beaucoup demandent également des commandes express. S'ajoutent à cela une forte pression sur les prix, tout en maintenant ou en augmentant les exigences de qualité.

Défis de la planification et de la gestion de la production pour les fabricants de tôles

Il faut planifier et suivre en temps réel une multitude de petites commandes avec des processus de fabrication très variés, tout en étant réactif. Cela est particulièrement vrai pour les commandes express, qui ne doivent pas compromettre les délais des commandes déjà confirmées.

Qualité des données comme levier

Des données de mouvement et de base complètes, actuelles et correctes constituent la base d'une planification et d'une gestion de la production efficaces (PPS). Cette évidence est bien connue. Cependant, dans la pratique, il est encore étonnamment difficile d'atteindre ou d'assurer une qualité de données adéquate : il est courant de rencontrer des retours d'information manquants, erronés ou tardifs concernant l'état d'avancement des commandes ou l'état des machines.

Évaluation de la qualité des données

Pour évaluer objectivement la qualité des données disponibles, le projet a développé une méthode d'évaluation de la qualité des données, qu'il a appliquée anonymement aussi bien en interne chez TRUMPF que chez ses clients. Un exemple illustratif est l'analyse dite « analyse du ciel étoilé ». Elle compare des paires de données de valeurs prévues et réelles et visualise les résultats. Par exemple, l'analyse des durées de traitement sur une machine montre :

- Extrêmement significatif : des écarts importants entre les valeurs prévues et réelles (zone rouge). Ces processus sont donc très incertains : cela peut indiquer des causes techniques, comme des opérations proches des limites technologiques, ou que les employés ne respectent pas systématiquement les règles d'organisation (des valeurs nulles indiquent une même opération ou une même remontée d'informations pour différents processus, ce qui empêche de remonter les temps réels pour les autres).
- Significativement précis : le long de la bissectrice (zone jaune), les écarts entre valeurs prévues et réelles sont faibles. Ici, il s'agit soit d'une précision de mesure insuffisante, soit d'une manipulation des données par les employés pour éviter d'être interrogés par leurs supérieurs.

Systèmes de suivi pour améliorer la qualité des données

Il est possible de mettre en œuvre des mesures organisationnelles et techniques. Afin de décharger les employés de la routine fastidieuse et non valorisante de la remontée d'informations, le projet a poursuivi la mise en œuvre de mesures techniques. La réalisation de la vision d'une collecte automatisée des données de mouvement nécessite un système de suivi adapté. Celui-ci doit suivre la commande tout au long de son parcours de production et fournir les informations nécessaires. Le système Track & Trace développé par TRUMPF suit précisément le parcours de la commande, remplace la saisie manuelle par l'employé et améliore considérablement la qualité des données. Une telle approche constitue la base d'une PPS améliorée et ouvre la voie à une production auto-contrôlée.