Process Alimentaire / Procédés / Six outils d’intelligence artificielle pour piloter simplement l'usine

Automatisation

Six outils d’intelligence artificielle pour piloter simplement l'usine

Stéphanie Perraut |  10 Septembre 2018 | 

L’offre logicielle dédiée au pilotage de l’activité industrielle se structure autour de l'intelligence artificielle. La plate-forme Mindsphere de Siemens illustre cette tendance. Parmi les dernières applications développées dans cet environnement Analyze Mydrive est dédiée au suivi de la consommation de puissance, du couple et de la fréquence de convertisseurs.

Dans son numéro de septembre 2018, Process Alimentaire présente, à travers plusieurs exemples concrets, des systèmes logiciels qui permettent aux transformateurs agroalimentaires de toutes dimensions de piloter [simplement] leur usine. Ces solutions se distinguent par leur facilité d’installation et d’usage. Mais elles peuvent aussi constituer une première étape de capitalisation de données, en vue d’analyses automatisées par des algorithmes d’intelligence artificielle.
Loin de la science fiction, des débats éthiques et philosophiques, l’intelligence artificielle est déjà présente dans notre quotidien comme dans les usines. « Derrière elle, il y a la notion d’apprentissage ou d’auto-apprentissage. Les fonctions de maintenance prédictive reposent sur de l’intelligence artificielle, de même que la programmation robotique, sans codage, par répétition de geste », illustre Eric Martin, professeur en génie industriel et directeur de l’Ensibs.

L’offre logicielle dédiée au pilotage de l’activité industrielle se structure en conséquence. Pour que le système soit efficient, il faut d’une part une grande quantité de données (associée à des moyens de stockage significatifs) et d’autre part des formules de calculs (très) complexes, les algorithmes. Editeurs, automaticiens et hébergeurs accentuent la promotion de leurs « plate-formes », cloud le plus souvent, pour l’agrégation de données et de leurs algorithmes spécifiques. A l’image des systèmes d’exploitation des smartphones, ces espaces de stockage distants supportent des applications qui apportent de nouveaux services comme l’aide à la décision d’investissement. Et ce, grâce à de nouvelles informations du terrain, ou à la prédiction de consommation d’énergie, d'opérations de maintenance ou de ventes. En automatisant des tâches qui nécessitent «uniquement» du calcul, l’intelligence artificielle permet de décharger l’humain qui reprend sa place dans l’interprétation et la prise de décision.
Exemples d'applications concrètes à travers six solutions.

Siemens récupère et valorise les données de l'usine

Le leader européen de l’automatisation met l’accent sur sa plate-forme Mindsphere. Les données de l’usine sont récupérées grâce à un boîtier IoT (internet des objets) et transmises à un serveur en cloud. Siemens a également annoncé au printemps 2018 la création, avec le CEA, du Mindsphere Center, une plate-forme d’innovation qui accueillera les chercheurs de Siemens, du CEA et des start-up autour des thématiques du digital et de la data intelligence. Déjà partenaire de Siemens depuis deux ans, Braincube fait également partie de l’aventure. L’éditeur français créé en 2007 s’est positionné comme leader mondial dans l’intelligence artificielle appliquée à l’industrie.

Schneider Electric accélère la transition énergétique

L’automaticien s’est rapproché d’une part de Teradata et d’autre part de Microsoft. Avec le géant de l’informatique, le groupe a lancé un incubateur commun pour accélérer la transition énergétique grâce à l’intelligence artificielle. Ses actions porteront sur trois thèmes principaux :

  • Le machine learning pour améliorer la prédiction de la production et de la consommation des énergies renouvelables. Les technologies d’apprentissage automatique permettent de s’adapter au comportement réel des systèmes.
  • L’optimisation énergétique grâce à l’intelligence artificielle.
  • L’analyse des données pour l’efficacité énergétique des bâtiments.

IBM investit dans le deep learning

La multinationale américaine de l’informatique poursuit les développements autour du programme de deep learning (apprentissage profond) Watson. Conçu dans le but de répondre à des questions formulées en langage naturel, il s'intègre dans un programme de développement plus vaste, le DeepQA research project. Le nom « Watson » fait référence à Thomas J. Watson, dirigeant d'IBM de 1914 à 1956. Le programme a notamment acquis une notoriété mondiale en devenant en 2011 champion du jeu télévisé américain Jeopardy!

Rockwell Automation corrige les problèmes sans intervention humaine

Après Watson, voici le projet Sherlock ! Cet algorithme élaboré par Rockwell Automation est proposé dans un module qui s'installe directement dans le châssis du contrôleur. Il étudie les données qui y passent et se sert de ces connaissances pour élaborer un modèle. Cette opération dure quelques minutes. Les historiques avec leurs énormes volumes de données deviennent superflus et il n'est pas nécessaire de sortir les données de la couche d'automatisation. Une fois le modèle défini, la solution poursuit la surveillance à la recherche d'anomalies. Dès qu'elle décèle un problème, une alarme est déclenchée sur une interface homme-machine ou un tableau de bord. Lorsque le problème se reproduit, elle guide les utilisateurs vers un moyen d'y remédier ou ajuste automatiquement les paramètres du système pour le corriger sans intervention humaine. L'IA Project Sherlock s'inscrit dans un écosystème d'offres d’analyses Factory Talk Analytics.

Infor développe un dialogue avec l'utilisateur

Mi-2017, Infor a lancé « Coleman », une plateforme d'intelligence artificielle d’entreprise spécialisée par secteur d’activité et dédiée aux applications Infor CloudSuite. Omniprésente en sous-couche de l'application ERP, la plate-forme Infor Coleman explore les données et s'appuie sur du machine learning pour améliorer les processus tels que la gestion des stocks, les réseaux de transport et la maintenance prédictive. Infor Coleman propose par ailleurs des recommandations et conseille les utilisateurs dans le but de prendre plus rapidement de meilleures décisions. Pour une utilisation plus fluide, le système s'appuie sur des processus de reconnaissance vocale et d'images afin de converser, écouter, parler et d’identifier des images. Il développe un dialogue avec l'utilisateur accessible dans Infor Ming.le, la plate-forme de collaboration sociale d'Infor, ou via une interface utilisateur de conversation synthétique. Une approche qui a contribué à séduire Intersnack .

SAP automatise les tâches de routine

Leader mondial de l’informatique d’entreprise, SAP a inauguré mi-2017 à Paris le premier Leonardo Center européen, un centre de co-innovation qui s’appuie sur le portfolio de l’éditeur en matière de machine learning, internet des objets, big data, analytique, design thinking, data intelligence et Blockchain, le tout intégré à la plate-forme cloud SAP.
Lancé en mai 2017, le portefeuille Leonardo Machine Learning permet d’automatiser des tâches de routine. SAP propose ainsi au coeur de son ERP des applications intelligentes qui permettent de créer un service client autonome ou d’alléger les services financiers, en comparant relevés bancaires entrants et créances non soldées. La feuille de route d’éditeur pour le machine learning prévoit son plein essor en 2018. L’adaptation de ces algorithmes dans les produits SAP standard (comme SAP S/4HANA) et la généralisation de l’accessibilité aux services conversationnels seront poursuivies. Enfin, des technologies de pointe, comme l’intelligence en essaim et les technologies proposant des expériences en immersion, pourraient également devenir de plus en plus pertinentes pour les entreprises.