Les usines modernes impressionnent par leur haut niveau technologique. L’automatisation est poussée à l’extrême avec des robots d’une parfaite précision, des outils de production équipés de capteurs et des ingénieurs qui manipulent des maquettes virtuelles. C’est à présent l’intelligence artificielle qui s’invite à chaque étape, de la conception à la logistique, pour renforcer l’efficacité et la qualité.
Le manufacturing plus « smart » que jamais avec l’intelligence artificielle. Les usines de fabrication se sont bien sûr modernisées mais elles deviennent surtout de plus en plus intelligentes. Le « smart manufacturing » se généralise et l’intelligence artificielle s’installe dès la conception des produits, pendant la fabrication et dans les processus logistiques. La recherche d’un rendement optimal des outils de production est une préoccupation constante, une quête sans fin. On améliore l’OEE (Overall Equipment Effectiveness) en jouant sur la disponibilité des équipements, leurs performances et la qualité de la chaine d’assemblage. Le contrôle qualité est une priorité mais n’est plus contradictoire avec les impératifs de productivité et de réduction des coûts. Des algorithmes de deep learning sont mis à contribution pour exploiter toutes les mesures enregistrées par les capteurs et effectuer une maintenance prédictive. Les pièces peuvent être remplacées avant d’atteindre un certain taux d’usure, les dysfonctionnements potentiels sont anticipés et les causes analysées. Des préconisations sont proposées pour améliorer les performances et la fiabilité de la chaine de production. On réduit ainsi les temps d’arrêts, on optimise le cycle de vie des équipements et on maximise la production avec à la clé la qualité souhaitée.
Les prototypes virtuels ont remplacé les maquettes réelles. Le recours à la conception et à la simulation assistées par ordinateur est monnaie courante. Avec le temps ces solutions se sont énormément complexifiées, elles travaillent sur des environnements multi domaines et manipulent des quantités de données qui croissent sans cesse. Dans ce contexte les designers font appel à des techniques de « design génératif ». Ils indiquent dans un logiciel leurs contraintes et leurs objectifs (taille, poids, type de matériau...) et des algorithmes proposent une variété de formes ou d’assemblages y répondant. En remplaçant les tests réels par de la simulation on fluidifie les relations entre conception et tests et on réduit par la même occasion le temps de développement et les coûts associés. Cela nécessite des moyens informatiques plus puissants qui embarquent des processeurs graphiques (GPU) pour traiter rapidement toutes ces données.
La fabrication additive en passe de révolutionner l’industrie. L’impression 3D est une des grandes tendances qui révolutionnent l’outil de production de l’usine 4.0 . Sous l’appellation de Fabrication Additive FA (en anglais Additive Manufacturing) on l’utilise aussi bien pour réaliser des neurones de synthèse, de la peau artificielle que pour fabriquer des moteurs de fusée, imprimer des pièces de rechange pour les avions, les trains, les navires et encore bien d’autres équipements. La fabrication additive associée au design génératif réduit la quantité de matière première utilisée allégeant d’autant les pièces fabriquées. Cela permet par la même occasion de limiter les coûts d’outillage et ceux de la logistique. La Fabrique Additive exige une extrême précision qui implique de surveiller et de contrôler de nombreuses et complexes variables tout au long du processus d’impression. L’intelligence artificielle est utilisée pour créer des processus intelligents capables d’augmenter l’efficacité de l’impression et d’en réduire les couts.
Chaine logistique : un enjeu de productivité et de traçabilité. Pour produire les usines ont besoin des matières premières nécessaires à la fabrication et des pièces de rechanges utilisées pour la maintenance de l’outil de production. C’est donc toute une chaine logistique qui est impliquée pour s’approvisionner et constituer des stocks optimaux aux meilleurs couts. Pour respecter les réglementations ou réagir rapidement à un défaut de fabrication il faut être en mesure de tracer précisément chaque pièce qui rentre dans la composition de chaque produit et identifier les lots incriminés. En combinant IA et capteurs les responsables de la logistique ont les moyens de tracer chaque produit, surveiller en temps réel l’état des stocks et gérer au plus près le réapprovisionnement. Les processus logistiques s’appuient sur différents logiciels et nécessitent de nombreux documents de procédures. La mise en place de Robot Process Automation, qui intègrent du machine learning, limite les interventions humaines en automatisant toutes les tâches répétitives et administratives qu’une personne doit réaliser en interagissant avec un ou plusieurs logiciels.
Les usines opèrent une profonde mutation qui repose sur un large usage de la technologie. L’image d’Epinal d’ouvriers travaillant à la chaine laisse la place à des emplois hautement qualifiés dans les bureaux d’études, dans les salles de contrôles des lignes de production et dans les salles informatiques.
Vous pouvez retrouver nos solutions d'IA pour l'usine de demain sur notre livre blanc : Galvanizing Manufacturing with AI and Deep Learning.
Découvrez sur cette video comment Seagate optimise ses chaines de fabrication en utilisant les systèmes de Edge convergence et l'analytique de HPE
Retrouvez mes autres posts :
Un jour pour accélérer son projet d’intelligence artificielle
L’intelligence artificielle s’immisce dans toutes les facettes du retail
Miser sur l’intelligence artificielle pour réinventer la relation banque-client
Intelligence artificielle : Le jargon technique doit céder la place aux usages.
Maitriser l’IA pour éviter une nouvelle disruption
Jerome
Artificial Intelligence, Deep Learning, Machine Learning, VDI, computing, datacenter