Maintenance & Entreprise n°661

MAINTENANCE EN RÉGIONS
AVIS D’EXPERT
L’intelligence artificielle dans l’industrie :
science ou science-fiction ?
L’Intelligence Artificielle (IA) fait le buzz ! Qualifiée de révolution technologique du XXI ème siècle, l’IA est mise à toutes
les sauces dans les médias et est devenue un argument marketing de référence avec, à la clé, des promesses
alléchantes en termes de gain, d’efficacité, de flexibilité… Entre fantasme et réalité : qu’en est-il vraiment dans le
secteur industriel ? Et surtout quelles sont les attentes ?
©DR
Jean-Francois Bouin,
Président & Co-fondateur de DiagRAMS
Technologies.
©DR
Margot Correard,
Co-fondatrice de DiagRAMS Technologies.
Loin de l’explosion dépeinte dans l’imaginaire collectif,
l’IA arrive progressivement dans les usines. Pourquoi
cette entrée en douceur ? Ce que cherchent
les industriels, ce n’est pas une technologie coûte
que coûte (en tant que telle), mais une réponse concrète à
un problème concret. Dans un environnement de plus en
plus complexe et contraint, le besoin est de pouvoir optimiser
les process, anticiper pour mieux piloter et adapter sa
stratégie. Cela se traduit par la mise en place de projets au
périmètre bien défini et pour lesquels l’Intelligence Artificielle
doit s’inscrire dans la continuité des méthodes industrielles.
En effet, l’IA apprend des données industrielles, de
l’existant, et s’appuie sur l’expertise des équipes du terrain.
Cette continuité et l’implication des différents acteurs sont
donc essentielles.
IL N’EST PAS AISÉ DE FAIRE MIEUX QUE LES
EXPERTS : QU’EST-CE QUE L’IA DOIT APPORTER EN
PLUS ?
Le vrai challenge de l’Intelligence Artificielle dans l’industrie
: permettre aux équipes du terrain d’augmenter leur
connaissance. Trop souvent, les solutions d’IA fournissent
des informations que les équipes avaient déjà par d’autres
biais, ou permettent de trouver automatiquement ce que les
experts connaissaient déjà ! Dans la maintenance, la vraie
avancée consiste à découvrir l’état de santé réel des équipements
et à pouvoir suivre leur évolution dans le temps (suivi
de tendance et de dérive). Aujourd’hui, beaucoup de solutions
permettent uniquement de détecter le franchissement
d’un seuil d’alerte simple. Mais recevoir une alerte pour un
dépassement de seuil ne permet pas d’anticiper et de mieux
comprendre l’état de santé et le rythme de dégradation des
équipements. En effet, la définition d’un seuil d’alerte ne
permet pas de suivre la dérive de fonctionnement dans le
temps. Par ailleurs, souvent limitées à la surveillance d’un
capteur à la fois, ces solutions de suivi de dysfonctionnement
ne sont pas suffisantes car elles ne prennent pas en
compte les modes de fonctionnements variés de machines.
LA VARIABILITÉ DANS LE PROCESS
Pour être pertinente, une solution d’IA doit prendre en
compte la forte variabilité inhérente aux process de production.
Que ce soit au niveau du process global (variation des
matériaux, des ordres de fabrication, des conditions extérieures…)
ou au niveau d’un même cycle de production.
Cette variabilité génère des variations dans le temps des
conditions d’utilisation des équipements industriels. Sur
une même machine, on observe des régimes de fonctionnement
diffèrent en fonction du produit réalisé/traité ou de
la période. Les signaux des capteurs présentent des régimes
variés au niveau de leur valeur moyenne, de leur variance
et cela sur tout ou partie des signaux. (schéma 1). A l’échelle
d’un même cycle, on constate également des variations
importantes correspondant à des régimes de fonctionnement
différents (cf. schéma 2).
Dans ce contexte de forte variabilité de la production, la
détection d’anomalies est complexe. Les fluctuations dans
MAINTENANCE & ENTREPRISE • N°661 • Mars - Avril - Mai - 2021 I37