Maintenance & Entreprise n°661
Dossier : Spécial Hauts-de-France p. 28
Dossier : Spécial Hauts-de-France p. 28
- No tags were found...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
MAINTENANCE EN RÉGIONS<br />
AVIS D’EXPERT<br />
L’intelligence artificielle dans l’industrie :<br />
science ou science-fiction ?<br />
L’Intelligence Artificielle (IA) fait le buzz ! Qualifiée de révolution technologique du XXI ème siècle, l’IA est mise à toutes<br />
les sauces dans les médias et est devenue un argument marketing de référence avec, à la clé, des promesses<br />
alléchantes en termes de gain, d’efficacité, de flexibilité… Entre fantasme et réalité : qu’en est-il vraiment dans le<br />
secteur industriel ? Et surtout quelles sont les attentes ?<br />
©DR<br />
Jean-Francois Bouin,<br />
Président & Co-fondateur de DiagRAMS<br />
Technologies.<br />
©DR<br />
Margot Correard,<br />
Co-fondatrice de DiagRAMS Technologies.<br />
Loin de l’explosion dépeinte dans l’imaginaire collectif,<br />
l’IA arrive progressivement dans les usines. Pourquoi<br />
cette entrée en douceur ? Ce que cherchent<br />
les industriels, ce n’est pas une technologie coûte<br />
que coûte (en tant que telle), mais une réponse concrète à<br />
un problème concret. Dans un environnement de plus en<br />
plus complexe et contraint, le besoin est de pouvoir optimiser<br />
les process, anticiper pour mieux piloter et adapter sa<br />
stratégie. Cela se traduit par la mise en place de projets au<br />
périmètre bien défini et pour lesquels l’Intelligence Artificielle<br />
doit s’inscrire dans la continuité des méthodes industrielles.<br />
En effet, l’IA apprend des données industrielles, de<br />
l’existant, et s’appuie sur l’expertise des équipes du terrain.<br />
Cette continuité et l’implication des différents acteurs sont<br />
donc essentielles.<br />
IL N’EST PAS AISÉ DE FAIRE MIEUX QUE LES<br />
EXPERTS : QU’EST-CE QUE L’IA DOIT APPORTER EN<br />
PLUS ?<br />
Le vrai challenge de l’Intelligence Artificielle dans l’industrie<br />
: permettre aux équipes du terrain d’augmenter leur<br />
connaissance. Trop souvent, les solutions d’IA fournissent<br />
des informations que les équipes avaient déjà par d’autres<br />
biais, ou permettent de trouver automatiquement ce que les<br />
experts connaissaient déjà ! Dans la maintenance, la vraie<br />
avancée consiste à découvrir l’état de santé réel des équipements<br />
et à pouvoir suivre leur évolution dans le temps (suivi<br />
de tendance et de dérive). Aujourd’hui, beaucoup de solutions<br />
permettent uniquement de détecter le franchissement<br />
d’un seuil d’alerte simple. Mais recevoir une alerte pour un<br />
dépassement de seuil ne permet pas d’anticiper et de mieux<br />
comprendre l’état de santé et le rythme de dégradation des<br />
équipements. En effet, la définition d’un seuil d’alerte ne<br />
permet pas de suivre la dérive de fonctionnement dans le<br />
temps. Par ailleurs, souvent limitées à la surveillance d’un<br />
capteur à la fois, ces solutions de suivi de dysfonctionnement<br />
ne sont pas suffisantes car elles ne prennent pas en<br />
compte les modes de fonctionnements variés de machines.<br />
LA VARIABILITÉ DANS LE PROCESS<br />
Pour être pertinente, une solution d’IA doit prendre en<br />
compte la forte variabilité inhérente aux process de production.<br />
Que ce soit au niveau du process global (variation des<br />
matériaux, des ordres de fabrication, des conditions extérieures…)<br />
ou au niveau d’un même cycle de production.<br />
Cette variabilité génère des variations dans le temps des<br />
conditions d’utilisation des équipements industriels. Sur<br />
une même machine, on observe des régimes de fonctionnement<br />
diffèrent en fonction du produit réalisé/traité ou de<br />
la période. Les signaux des capteurs présentent des régimes<br />
variés au niveau de leur valeur moyenne, de leur variance<br />
et cela sur tout ou partie des signaux. (schéma 1). A l’échelle<br />
d’un même cycle, on constate également des variations<br />
importantes correspondant à des régimes de fonctionnement<br />
différents (cf. schéma 2).<br />
Dans ce contexte de forte variabilité de la production, la<br />
détection d’anomalies est complexe. Les fluctuations dans<br />
MAINTENANCE & ENTREPRISE • N°661 • Mars - Avril - Mai - 2021 I37