L'interview du jour : L’intelligence artificielle, l’avenir de la maintenance ?

Publié le 16/09/2019

Partager sur

L'intelligence artificielle, l'avenir de la maintenance ?

 

L'intelligence artificielle, on ne parle en ce moment que de ça, ou presque ! Depuis le rapport du député et mathématicien Cédric Villani en 2018, visant à « lui donner un sens », l'IA a vocation à dépasser les « simples » applications dites grand public pour s'introduire dans le monde professionnel, et notamment industriel. Mais si les applications se multiplient dans la production, qu'en est-il de la maintenance à proprement parler ?

 

C'est comme une révolution dans la révolution ! À l'heure où commence à s'imposer l'industrie du futur – ou industrie 4.0, voilà qu'émerge une autre technologie de rupture, l'intelligence artificielle (IA). Certes, ce que l'on appelle intelligence artificielle (le concept n'est d'ailleurs pas nouveau puisqu'il date de 1955), n'est en réalité, selon certains puristes de l'étymologie, qu'un aggloméra de technologies permettant aux machines de simuler de l'intelligence humaine. Par ailleurs, l'IA ne fait pas irruption seule, de façon isolée, dans la mesure où elle découle de la digitalisation de l'usine, devenant à ce titre une des composantes de la quatrième révolution industrielle.

 

Mais en quoi consiste l'IA exactement ? Et quel impact a-t-elle sur l'industrie ?

 

Tout d'abord, si l'IA apparaît aujourd'hui dans l'industrie sous différentes formes, elle est déjà bien connue du grand public à travers des objets et des services du quotidien, qu'il s'agisse des assistants vocaux d'Amazon ou de Google, de la reconnaissance vocale des smartphones, la génération automatique de texte à partir de données informatiques, les chatbots ou encore les outils d'apprentissage à partir de réseaux neuronaux artificiels et d'aide à la décision qui se multiplient dans les entreprises.

 

En ce qui concerne l'industrie, l'IA commence à faire son apparition dans les ateliers de production et, comme une suite logique des applications liées au manufacturing, dans les services de maintenance. Plus exactement, la recherche permanente de gains de productivité tout en maintenant une qualité maximale des pièces, passe inévitablement par l'optimisation de la fiabilité de chaque équipement de production. La maintenance est donc de fait impactée par ces nouvelles technologies qui vont permettre de mieux suivre les installations industrielles en recueillant un maximum de données quant à leur état de fonctionnement et de santé en fonction de l'environnement des machines, d'un volume et d'une cadence de production donnés. « D'une maintenance préventive et systématique, puis d'une maintenance conditionnelle, nous passons aujourd'hui à une maintenance prédictive – ou prévisionnelle en français », précise Nicolas Dequenne. Voici ce que les technologies dites 4.0 (parmi lesquelles l'IA) offrent à l'industrie, selon le responsable de l'activité Service et maintenance chez Bosch Rexroth.

 

Mais pour que cette maintenance prévisionnelle en temps réel soit pleinement opérationnelle, il est aujourd'hui nécessaire d'aller au-delà du simple monitoring de la machine et de l'Internet des objets. À titre d'exemple, la solution « One Diagnostic Network » menée au sein du groupe allemand visant à modéliser une installation avec des alertes automatiques pour déclencher des interventions de maintenance, va dans ce sens. « Cette solution permet de créer un modèle de référence afin de le comparer en temps réel avec l'environnement de l'atelier et d'entrer dans la phase d'apprentissage grâce à des algorithmes performants ». Les modèles d'apprentissage peuvent également être conçus pour adresser des problématiques spécifiques. À terme, cela ouvre la voie à une maintenance prévisionnelle capable de mieux anticiper les pannes, mieux gérer les opérations, et ce de manière économique même pour un très large parc de machines. Très utile aussi pour l'aide à la décision, l'IA prend aujourd'hui la forme de modules sur des contrôleurs installés sur les châssis des machines afin de construire des modèles prédictifs à partir de la phase d'apprentissage puis détecter des anomalies, rendant les analyses prédictives accessibles aux opérateurs directement ; ceux-ci sont alors en mesure de prendre des décisions rapidement, comme c'est le cas par exemple avec le module FactoryTalk Analytics LogixAI de Rockwell Automation. Le fabricant américain prévoit même de futures fonctions afin d'aider les opérateurs à résoudre eux-mêmes les problèmes ou à automatiser l'optimisation d'un procédé.

 

Trois architectures à base d'IA et de machine learning existent à ce jour. La remontée des données dans le Cloud, la combinaison entre Cloud et Edge, permettant la création d'un  modèle analytique ensuite envoyé dans un capteur et, enfin, des alternatives plus simples et moins coûteuses à mettre en oeuvre, capables de faire de l'apprentissage et de l'analyse sans envoyer de donnée dans le Cloud. En d'autres termes, tout se passe directement dans le microcontrôleur (Machine learning, création du modèle et analyse). Ce type de solutions fait déjà ses preuves, à commencer par les microcontrôleurs Nanoedge AI de la société Cartesiam et l'assistant Bob de la société Eolane utilisé par de grands noms de l'industrie, en France mais aussi Outre-Rhin, comme EDF, Renault, Thales, Faurecia, Airbus, Air liquide, Pellenc, Rolls Royce, Engie, Framatome ou encore Veolia.

 

L'IA comme outil efficace et complémentaire de formation à la maintenance

 

Brique technologique indispensable des plateformes d'apprentissage automatique (API), l'intelligence artificielle a permis l'éclosion d'outils de formation dotés d'une puissance de calcul suffisamment importante pour mettre en oeuvre de multiples scénarios et des applications à la fois diverses, évolutives en fonction du véritable environnement de l'équipement et, surtout, rares ou compliqués et coûteux à créer en situation réelle.

 

Pour Bertrand Wascat, responsable marketing de la marque Oneprod de la société française Acoem, qui a lancé depuis déjà plusieurs années moteur d'intelligence artificielle Accurex implémenté dans ses appareils portables Fixturlaser sMC (smart Machine Checker) et OneProd Falcon, ces systèmes équipés d'IA ont davantage un rôle de facilitateur d'intervention que véritablement de machine learning. Ils ont en effet un seul et même objectif : permettre à n'importe quel opérateur de maintenance de vérifier la bonne remise en état des machines, et de détecter le plus rapidement possible, en fonction de la typologie d'un équipement et de son environnement industriel, des défaillances potentielles pouvant mener à la casse. « En ce sens, l'IA ne remplace nullement les hommes, encore moins les experts de l'analyse vibratoire ; ces systèmes permettent d'orienter et de limiter la sollicitation d'experts sur les machines les plus critiques »... et ainsi de gagner un temps précieux sur la détection des premiers signes de faiblesse d'un équipement.

 

En matière d'intervention elle-même, l'intelligence artificielle permet également d'instaurer une sorte de dialogue avec l'opérateur, lui dire comment bien s'y prendre ou l'avertir en cas de doute sur la qualité de la tâche effectuée et faire le lien avec un autre opérateur plus expérimenté, se trouvant à distance. Le technicien de maintenance va désormais bénéficier de nouvelles fonctionnalités mais c'est loin d'être le seul et unique changement. L'arrivée d'un nouveau métier, celui de « data scientist » jouera un rôle clef dans la réussite de l'intégration de l'IA dans les métiers de la maintenance. Mais il est essentiel de laisser la maîtrise technique aux techniciens et responsables de production et de maintenance. Eux seuls sont à même de savoir sur quelles tâches et sur quels équipements apporter un suivi.

 

Mais au-delà de la préservation des savoir-faire « humains », l'IA est toujours confrontée à des limites à la fois culturelles et technologiques – et les deux sont liées entre elles du point de vue de « la sécurité de la data », pour reprendre les mots d'Arnaud Miton, directeur technique au sein de la BU Aeronautics de la société REEL ; l'utilisation des données des clients posent « la question connexe de la cybersécurité et de la connectivité de ces données entre les clients et les prestataires ; on entre alors dans une zone grise qui n'est pas sans poser des difficultés ». Enfin, pour Pierre Naccache, fondateur et directeur d'Asystom, « les données, on les a ! Le problème est de savoir ce qu'on va en faire ; si on ne sait pas ce qu'on cherche, cela ne sert à rien. De même, ces données sont-elles utiles, exploitables et indexables ? Car leur indexation demeure le paramètre essentiel dans l'exploitation de la data ».

 

Pour l'heure, les retours d'expérience manquent encore pour convaincre l'ensemble de l'industrie de sauter le pas. Mais les premiers témoignages devraient, dans les prochains mois, se multiplier.

 

Source : Pierre Gaychet, en exclusivité pour le SEPEM Industries

Voir les articles