Nous recevons deux invités sur notre plateau :

Stéphane Maniglier, conseiller en développement industriel au Cetim

Roger Busi, ingénieur études et prestations au Cetim

Quand on parle d’intelligence artificielle appliquée à l’industrie, de quoi parle-t-on exactement ?

Stéphane Maniglier : On va parler des techniques, des méthodes, des outils qui vont pouvoir s’adapter à des contextes industriels, à de la production de pièces, du contrôle de pièces, à des phénomènes un peu différents de ce qu’on avec l’intelligence artificielle utilisée par le grand public. Aujourd’hui, quand on parle d’intelligence artificielle, on pense essentiellement à ChatGPT et autres IA génératives, qui vont créer du document, du texte ; elles vont traduire, interpréter, développer quelque chose à partir de ce qui a déjà été édité par le passé, des données qui ont déjà été analysées.

Dans le domaine de l’industrie, on va travailler différemment. On va travailler quelquefois en prédictif, c’est-à-dire qu’on va utiliser des algorithmes d’IA, d’intelligence artificielle, pour analyser des données, analyser ce qui pourrait se passer dans le futur ou ce qu’on pourrait anticiper à partir de la connaissance du passé. C’est ce qu’on va utiliser pour des applications de type maintenance, de gestion qualité par exemple. On va utiliser de l’IA aussi pour des applications de contrôle dimensionnel de pièces, d’aspects, du contrôle spécifique réalisé à partir d’images, à partir de prise de vue des pièces. En fait, on va essayer de reproduire le fonctionnement d’un être humain, d’un contrôleur humain.

C’est très difficile de contrôler l’aspect sur des pièces, car ce sont des choses très spécifiques qui demandent à la fois un savoir-faire particulier, un capteur très précis, qui s’appelle l’œil humain et un cerveau qui est le système d’analyse le plus complexe qui existe. En fait, on va essayer de reproduire le fonctionnement de ces deux éléments à partir d’une caméra et d’un logiciel qui vont nous permettre de dire avec certitude et en limitant les variabilités, si les pièces sont correctes en termes d’aspects de surface ou dimensionnel.

D’où proviennent ces données ?

S. M. : Si on est dans le domaine prédictif sur la machine-outil, et qu’on souhaite analyser des grandeurs physiques, des signaux, des configurations, ce sont des données qu’on va collecter au plus proche de la zone qu’on veut analyser. Par exemple, cela peut être le moteur électrique, sur lequel on va analyser ses roulements, en enregistrant ses données. Depuis des années on parle de roulements instrumentés, de roulements intelligents, de roulements qui vont permettre de remonter de la donnée. C’est une première étape. Donc on va collecter cette information que l’on va ensuite remonter par le biais d’interconnexion avec des moyens de communication, vers un système de traitement informatique et au passage on va passer par une étape de stockage dans des données informatiques.

En fait, ce qui a été rendu possible grâce à l’IA, c’est notamment d’analyser des choses avec énormément de données qu’on va générer. On sait que la machine-outil, c’est le deuxième fournisseur de données au niveau mondial, donc on génère énormément de données. On était très peu capable de les collecter et de les analyser. C’est aujourd’hui beaucoup plus facile. On est capable de stocker toutes ces données et en plus de bénéficier de puissances de calcul qui vont nous permettre de faire tourner des algorithmes pour les analyser.

Comment les collecte-t-on ?

S. M. : Il faut s’adapter, il faut faire parler la machine-outil, il faut faire parler les composants de la machine-outil, il faut faire parler les capteurs, récupérer ces informations, les remonter à des serveurs pour pouvoir les analyser et déclencher une action par la suite.

Comment entraîne-t-on ces modèles d’intelligence artificielle ?

Roger Busi : Il faut passer par une phase d’apprentissage. Mais cela dépend des modèles qu’on utilise. Dans l’idée, on va proposer au système des milliers de jeux de données qui caractérisent ce qu’est une bonne pièce. Et puis on va faire tourner le système et il va par itération successive – d’où la puissance de calcul qui est indispensable – converger vers des coefficients qu’on ne connaît pas, mais qui vont faire en sorte qu’en lui présentant une bonne image il dira : la pièce est bonne. Cette phase d’apprentissage peut aussi bien nécessiter beaucoup de données, ou bien on peut se contenter d’un jeu de données restreint. Une trentaine d’acquisition peut être suffisant pour entraîner un petit modèle. Dans certains cas, il faut lui fournir des milliers d’images pour qu’il réagisse.

L’IA permet-elle d’optimiser par exemple la consommation énergétique, voire les rebuts de production ?

S. M. : Je vais vous faire une réponse de Normand. Cela dépend du modèle qu’on va entraîner, cela dépend de la façon dont on va l’utiliser et l’exploiter. Roger l’a dit, il nous faut générer de la donnée. Pour cette option d’optimisation de la consommation énergétique, oui on peut entraîner des modèles qui vont nous permettre, par exemple, d’administrer différemment notre machine, nos moyens, nos lignes de production, en fonction des situations connues par le passé. Il est important de se rappeler que l’IA travaille toujours sur la donnée enregistrée dans le passé. Elle analyse cette donnée et elle l’exploite pour la faire reparler et la mettre en application.

Donc, si on est capable d’avoir un apport de données qui vont nous permettre de limiter la consommation énergétique, par la limitation de l’action d’une pompe haute pression sur une machine ou le déclenchement de certaines opérations dans la machine, qui ne serait nécessaire qu’au moment où on a besoin pour telle ou telle opération, alors oui on va être capable d’optimiser la consommation énergétique. Aussi, on va être capable d’optimiser les consommations énergétiques à l’échelon d’atelier, en analysant un peu plus finement les consommations, les besoins en fonction d’un OF [ordre de fabrication], d’une demande de production.

En matière de rebuts, on est capable d’aller informer notre moteur d’intelligence artificielle avec des informations suffisamment précises et lui donner les bonnes méthodes de calcul d’estimation. Par exemple, avec certaines applications comme l’APC d’Ellistat, on va pouvoir, en analysant les données produites, éviter de reproduire des mêmes erreurs, alerter la machine et déclencher des modes préventifs qui vont nous permettre d’éviter de faire de la pièce mauvaise.

L’IA peut-elle prédire les pannes des machines-outils ?

S. M. : C’est une des applications phares de l’IA dans l’industrie de la machine-outil. À partir du moment où on enregistre un signal – je parlais tout à l’heure du signal vibratoire d’un moteur ou d’un axe quelconque – l’IA va pouvoir se dire : j’ai déjà connu cette situation dans le passé et je sais que dans quelques dizaines ou centaines d’heures après, mon moteur avait cassé, mon arbre avait cassé, qu’il y avait eu un problème suivi d’une grosse opération de maintenance et beaucoup d’arrêts de production.

L’IA va pouvoir alerter notre opérateur en lui disant : attention, il se peut que dans X dizaines d’heures tu aies une casse sur tel élément. Je vous le fais en version facile, mais c’est un peu plus compliqué dans la vraie vie. Dans quelques dizaines d’heures, il y aura donc un risque de casse, il faudra commencer à anticiper l’achat de la pièce de rechange, programmer l’arrêt de la machine. Il s’agit d’options qui sont accessibles à travers différents capteurs externes à la machine. Certains constructeurs les ont intégrés, depuis quelques années déjà, dans leurs machines. Donc, on va informer l’opérateur, on va dans quelques cas aussi carrément aller se connecter automatiquement avec le magasin du fournisseur de la machine pour réserver un moteur de broche, un composant, en avance de phase.

Quels sont les cas actuels rencontrés où l’intelligence artificielle peut intervenir dans le process d’usinage ?

R. B. : L’intelligence artificielle a un intérêt quand il y a beaucoup de données. Comme l’a dit Stéphane, la potentialité de trouver dans le signal faible qui va être annonciateur d’un problème, par exemple, quand on parlait de la maintenance prédictive, c’est un point fort de l’intelligence artificielle. Après l’intelligence artificielle, à la base ce sont des techniques qui ont soixante-dix ans pour certaines, c’était issu de la statistique, et puis on a rajouté la puissance de calcul, des nouveaux concepts, etc.

Mais l’intelligence artificielle c’est donc tout un ensemble de techniques. Aujourd’hui, comme l’a dit Stéphane, on parle beaucoup des IA génératives, qui sont très intéressantes, mais l’IA classique qu’on appelle le machine learning et les anciennes techniques ont toujours leur mot à dire et elles sont toujours utilisées et utilisables.

L’IA peut-elle ajuster en temps réel les paramètres de coupe par rapport aux matériaux par exemple ?

R. B. : Il ne faut pas trop demander à l’IA. Il y a une part, c’est mon avis, de préparation au bureau des méthodes, c’est-à-dire déjà de partir dans des conditions de coupe qui sont adaptées à la matière, c’est quand même le travail du bureau des méthodes. Et puis après, pendant la production, de par les capteurs et les signaux qu’on collecte, l’IA peut dire : tiens je constate une anormalité au niveau des efforts de coupe, des vibrations ou de la puissance consommée par le moteur, alors en fonction d’un modèle, IA ou non IA, il ne faut pas être sectaire, à ce moment-là mon raisonnement fera que je dois baisser la vitesse, baisser l’avance ou quelque chose comme ça. Donc oui, l’IA peut de plus en plus adapter de façon plus ou moins transparente ou avec l’accord du technicien, les paramètres du process d’usinage.

Et pourrait-on imaginer qu’une intelligence artificielle puisse anticiper les risques de non-conformité pendant la production ?

R. B. : Oui, sur deux aspects. Soit dans le cadre d’une production en temps réel ou après la production, c’est-à-dire que pendant qu’on a réalisé la pièce, on a capté des signaux avec des capteurs sur la machine, puis avec des modèles de calcul basés sur de l’intelligence artificielle, on va pouvoir affirmer que la surface de la pièce est vibrée.

Est-il possible d’utiliser l’intelligence artificielle pour prédire la durée de vie des outils de coupe ?

R. B. : Tout à fait. Comme on a capté de la data, on est capable via des modèles de régression d’extrapoler le futur et de dire : j’ai un niveau vibratoire de tant, qui est représentatif d’une certaine usure de l’outil, tiens il se met à bouger, mes modèles me disent que tant que je suis dans cette zone-là c’est tout à fait faisable de continuer. J’atteins ma limite, bon je vais dire à l’opérateur que dans trente pièces il serait souhaitable qu’il vienne pour changer l’outil, parce que je sais quand ça va commencer à poser des problèmes. L’IA va permettre de dire ça c’est à surveiller, parce que c’est annonciateur d’une future dégradation, et une fois que le système a appris, il pourra faire des prédictions à partir de cela.

S. M. : Demain, on pourra améliorer ces modèles pour intégrer des notions de calcul de prix, le prix de revient de la pièce, de durée de vie de l’outil. Mais pour cela, il va nous falloir analyser des données et avant de les analyser, il va falloir les capter et les mettre en musique. Et ainsi à l’avenir, lorsque je devrais réaliser un chiffrage, je pourrai être extrêmement précis sur la consommation outils en fonction de la matière de manière beaucoup plus fine qu’aujourd’hui.

R. B. : Cela rejoint la technologie des jumeaux numériques. Une machine bardée de capteurs pour en faire un modèle numérique, qui va permettre de rétroagir finalement soit au niveau de la machine, donc dans l’aspect production, mais peut-être aussi au niveau du bureau des méthodes pour la programmation, et de dire : j’ai remarqué qu’il y a telle matière, telle machine qui a eu des problèmes dans tel cas, justement cette machine a globalement la même typologie d’usinage, tu risques d’être embêté, donc je te conseille de… Ce qu’on peut attendre donc d’une IA probablement et ce qu’on attend tous, c’est qu’elle nous assiste, qu’elle nous aide, elle ne nous remplacera pas, mais elle va nous assister, elle va faire office de mémoire un peu de l’ancien qui disait : dans tel cas, tu ferais bien de faire ça parce que ça ira mieux.

En faisant un petit bond dans le futur, à quoi ressemblera la machine-outil intelligente dans cinq ou dix ans ?

R. B. : Je pense qu’on peut dire qu’aujourd’hui la partie capteurs, moyens d’acquisition, moyens de traitement, est accessible désormais et à des prix relativement intéressants. Pour l’instant, dans nos laboratoires, c’est toujours ce que j’appelle des add-on, des choses qu’on rajoute sur une machine existante. Mais je pense que cela va être comme dans l’automobile, cela va être intégré de plus en plus. Il y en a un qui commencera à intégrer des capteurs et cela se fait déjà au niveau de la broche d’une machine-outil, demain ce sera au niveau de la tourelle, après demain ce sera au niveau des outils et petit à petit on va commencer à rendre tout ça communicant, on commence déjà à le faire et à mon avis, c’est comme le radar de recul des voitures, on va dire : bah oui, j’ai des capteurs sur mon pare-chocs c’est normal. Dans la machine-outil, cela va devenir une fonctionnalité, une assistance, complètement transparente. 

S. M. : On va multiplier, dupliquer davantage de moyens de captation de données sur les machines-outils. Aujourd’hui, on exploite encore assez peu les commandes numériques, alors qu’elles renferment beaucoup d’informations. Demain on va être capable d’analyser plus finement les données issues de la commande numérique grâce à l’IA, avec des capteurs complémentaires. Puis, cela deviendra un outil qui va assister l’opérateur devant sa machine, lui faire gagner du temps, en simplifiant sa tâche.

L’IA doit être un outil qui va nous permettre de remettre l’humain au centre de l’industrie du futur et de pouvoir bénéficier des connaissances du passé. On parle de données de signal mais pourquoi pas en même temps analyser des données vidéos et des données photos, lesquelles vont être beaucoup plus faciles à traiter, grâce à ces moteurs d’IA qui seront beaucoup plus performants.

R. B. : J’observe à travers des projets européens que la tendance est d’aller vers des machines avec lesquelles il y aura des possibilités d’interaction par la parole et le son. Donc un dialogue avec l’opérateur. L’IA va permette de faire des diagnostics sur son état à un instant T, mais pourquoi pas de prédire les interventions du technicien. On sent qu’il y a une tendance. On peut rêver ou imaginer l’arrivée d’une assistance vocale qui fait qu’on dialoguera avec notre machine. Elle nous dira : tu as entendu ce bruit-là, il faudrait peut-être changer l’outil dans dix pièces.

S. M. : On a vu il y a quelques années aux États-Unis, mais qui ne s’est finalement pas vraiment développé, c’est une Alexa de la machine-outil où l’opérateur commandait sa machine-outil par des ordres donnés vocalement. Le soufflet est vite retombé, mais cela a été beaucoup davantage exploité sur nos téléphones avec les Siri et autres. Mais peut-être que demain ce sera des technologies qui nous permettront de travailler beaucoup plus facilement, en optimisant la synthèse et l’exploitation vocale afin d’offrir à l’opérateur la possibilité de travailler plus en sécurité et de manière beaucoup plus facile avec sa machine.

R. B. : Il faut que tout cela soit transparent, limite on dialogue avec et puis point barre, au mieux on affiche une courbe sur la commande numérique et puis c’est tout. Il faut que ce soit humainement « user friendly » comme on dit.