Les sites de production industrielle, les systèmes de transport et les canaux de distribution forment souvent une sorte de zoo d’appareils hétérogènes. Grâce à l’automatisation, des systèmes de contrôle et de gestion numériques opérationnels peuvent être créés.
L’intelligence artificielle (IA) peut être utilisée dans de nombreux environnements industriels pour réduire les coûts et améliorer les processus. L’IA industrielle comprend non seulement les algorithmes intelligents et les concepts de mégadonnées dans l’espace virtuel au sein des systèmes informatiques, mais aussi les dispositifs physiques en tant que tels. Les données doivent être obtenues avec des capteurs. Les commandes doivent être envoyées aux commandes et aux systèmes de gestion. Toute cette chaîne et le flux d’informations circulant à travers le fil ou le sans fil traversent des endroits soumis à des conditions extrêmes. Il y a un long chemin à parcourir entre les lieux de travail dans les usines, dans les mines ou sur les sites de forage pour obtenir des serveurs de Big Data et une énorme puissance de calcul dans les centres de données et les postes de travail. la gestion.
Les sites de production industrielle, les systèmes de transport physique et les canaux de distribution sont complexes et forment souvent une sorte de zoo d’appareils de différents fabricants. Le saut dans l’automatisation a conduit à la création de nombreux systèmes de contrôle et de gestion numériques opérationnels. Actuellement dans les secteurs industriels, vous trouverez des réseaux de transmission de données, des systèmes d’acquisition et de contrôle de données en temps réel (SCADA), des contrôleurs logiques programmables et des systèmes de chauffage, de la ventilation et de la climatisation (HVAC). Tous ces systèmes sont examinés à différents niveaux d’abstraction. Il existe des concepts et des niveaux pour une gestion de complexité plus élevée, ainsi que des niveaux inférieurs, qui sont plus étroitement liés aux problèmes physiques.
Tout cela devient de plus en plus difficile
Les installations industrielles existantes ont de nombreux tuyaux et kilomètres de câbles. Ces réseaux complexes assurent un travail continu. Vous disposez de normes industrielles pour les réseaux numériques qui connectent des périphériques et des commutateurs, fournissent des interfaces entre les réseaux et créent une communication avec les stations de gestion. Ces systèmes sont spécialement conçus pour fonctionner dans des conditions extrêmes. Avec l’avènement de l’industrie de l’intelligence artificielle et la nouvelle communication numérique mondiale, les nouveaux appareils intelligents doivent également pouvoir fonctionner dans les mêmes conditions extrêmes. L’IA est étroitement liée à l’Internet des objets (IIoT) pour la communication sans fil, ainsi que la communication avec les systèmes d’entreprise et Internet.
Tous ces nouveaux systèmes rencontrent la complexité de la nature et la puissance des équipements de production lourds. Les sites de production peuvent être situés dans des endroits isolés, sans réseau électrique. Imaginez travailler dans la jungle, où une seule piste à peine battue mène. Vous devez vous alimenter vous-même au moyen de générateurs ou de batteries. Les conditions météorologiques peuvent être froides ou chaudes, l’environnement peut contenir des gaz nocifs qui rongent l’électronique ou les détruire en explosant. Mais comme la nature, les processus de production peuvent également être des sources de chaleur et de froid. La fusion et la congélation de pièces peuvent faire partie du processus de fabrication. Beaucoup de choses sont mécaniques. Vous avez des pièces qui se déplacent à grande vitesse. Vous avez des machines qui provoquent des vibrations et des chocs. L’intelligence artificielle est actuellement confrontée à ces défis physiques dans la robotique et les réseaux IIoT.
Les robots sont partout
Les robots ne sont pas une tâche facile. Ils doivent faire quelque chose, ils doivent se déplacer là où c’est nécessaire. Pour ce faire sans intervention humaine, le robot a besoin d’un cerveau, c’est-à-dire d’une intelligence artificielle qui peut le rendre autonome. Nous nous souvenons tous comment les robots n’ont pas démantelé les centrales nucléaires. Le problème ici est que le rayonnement a détruit l’électronique. Vous avez donc besoin d’un cerveau de bonne humeur. La communication avec le monde extérieur reste également difficile. En présence de radiations intenses, la communication sans fil ou filaire reste un problème sérieux.
Mais le problème de l’intelligence artificielle industrielle ne se limite pas à la nature effrayante de la désintégration radioactive, il s’étend également à la recherche ou à l’exploitation minière en haute mer. Celles-ci sont également très complexes. En l’absence d’une infrastructure commune et d’une source d’alimentation fixe ou d’un accès Internet, vous devez adapter les pratiques avancées existantes à la transition vers les technologies numériques et à l’utilisation du Big Data.
Vous ne trouverez peut-être pas ces exemples extrêmes à la limite de la production dans votre site industriel visité quotidiennement, mais vous rencontrerez des situations difficiles similaires. L’environnement et les machines en action sont une menace partout dans la production industrielle. Et l’armada de robots autonomes ou prêts à le devenir grandit chaque jour.
Vous avez des bras robotisés, des véhicules robotisés autonomes, à pied ou immergés et des dispositifs d’antenne pour toutes sortes de fins. Ils sont divisés en classes telles que les véhicules à direction automatique, les véhicules aériens sans pilote, les véhicules hors route sans pilote, les équipements sous-marins autonomes, les équipements sous-marins télécommandés, les tombereaux autonomes, les tracteurs autonomes ou les camions à benne minière autonomes, les véhicules aériens sans pilote ou les drones.
Ces robots se présentent sous de nombreuses formes pour encore plus d’efficacité et d’économie. Ils peuvent faire un travail que le personnel ne peut pas faire, même avec des heures de travail plus longues. Ils peuvent également travailler dans des conditions plus difficiles. Ou peut effectuer une inspection à tout endroit et à tout moment en cas de besoin.
Tout est lié
La deuxième application majeure de l’IA industrielle est la collecte et l’agrégation de données provenant de toute l’entreprise. Toutes les données collectées par les capteurs sont stockées dans un océan de données. L’IoT industriel peut créer un réseau qui se comporte comme un organisme vivant. C’est là que les connexions sans fil et câblées pour le transfert de données vers le monde physique sont tournées. Les câbles, commutateurs, routeurs et passerelles doivent être robustes. Ils doivent être résistants à la poussière, aux vibrations, au brouillard et à l’eau, ainsi qu’aux substances nocives ou aux limitations physiques plus dangereuses. Ils doivent être fiables et capables de fonctionner pendant de nombreuses années sans l’intervention du personnel de maintenance technique.
La nouvelle IA industrielle est également confrontée au problème de l’intégration dans les aspects de sécurité. De nombreux systèmes obsolètes fonctionnent avec un réglage fin depuis plusieurs années. Ils apportent des solutions avec une très bonne productivité dans les conditions extrêmes auxquelles ils sont confrontés. Les processus d’optimisation sont en cours depuis plusieurs années. La nouvelle IA industrielle ne devrait pas remettre en cause cet équilibre. Un autre problème est la sécurité des données et des opérations. Une fois les installations de production connectées au réseau Internet mondial, les attaquants ont théoriquement accès aux systèmes. Et puisque les valeurs et les taux sont très élevés dans l’industrie lourde, c’est encore une réalité extrême.
Les données existantes sont incorrectes et corrompues
Lors de la configuration de l’IA industrielle, il y a des problèmes avec les sources de données lors de la formulation de recommandations et de prévisions intelligentes. Une grande partie des données nécessaires dans un contexte industriel sont des données de séries chronologiques et des données collectées dans des conditions extrêmes. Cela signifie que certains éléments des données peuvent ne pas être fiables. Les capteurs eux-mêmes peuvent produire des valeurs inexactes en raison de l’environnement.
On peut parler de big data industriel « 3B ». Vous devez être conscient de ces problèmes lors du démarrage d’un nouveau projet industriel basé sur l’IA.
Le premier B signifie «mauvais». La plupart des données industrielles ont une signification physique claire. Cela concerne la multitude de capteurs qui détectent l’air, les courants ou la vitesse de déplacement. Tous les types de bruit, d’humidité, de fuites ou de niveaux sont détectés. Des données de voyage atteignant des centaines de téraoctets par jour. Toutes ces données peuvent être de mauvaise qualité en raison de mesures physiques. Par rapport aux données collectées dans les systèmes numériques, telles que les données d’achat en ligne et les données client, ces données doivent être soigneusement nettoyées avant utilisation. De plus, il est difficile d’améliorer la qualité avec la quantité de données.
Le deuxième B signifie « cassé ». Les données utilisées pour apprendre à prédire et à recommander des modèles d’IA ne reflètent pas des états de puissance de fonctionnement clairs. Il n’y a pas de régimes de défaillance ou de niveaux plus élevés d’abstraction des données qui démontrent les conditions de travail. Cela peut conduire à de nombreux résultats faux positifs et faux négatifs lors de la configuration du système AI.
Le troisième et dernier problème B est « l’expérience » (arrière-plan). Dans un environnement industriel complexe, les spécialistes d’un secteur particulier doivent avoir une vaste expérience dans l’interprétation des données des capteurs. Les modèles émergents peuvent être de très courte durée et leur interprétation nécessite des connaissances particulières. Il est très difficile de former l’IA uniquement sur la base des données numériques collectées.
Résoudre des problèmes physiques
Une façon de résoudre les problèmes d’IA industrielle est de comprendre les spécificités des activités industrielles. Ne vous concentrez pas sur les solutions IA clé en main, mais sur les solutions industrielles clé en main. Les composants et appareils destinés à être utilisés dans des conditions extrêmes sont déjà disponibles sur le marché industriel de l’IoT. Compte tenu de la multitude de capteurs dans les installations existantes, la collecte des données se fait au niveau des systèmes de gestion existants. Les systèmes SCADA, les robots industriels et les machines fournissent des données. Les passerelles IIoT spécialisées transfèrent les données vers les systèmes d’IA. Ces passerelles supplémentaires n’interfèrent pas avec les systèmes de gestion existants.
Le talent est l’un des facteurs les plus importants de la transition numérique. La collaboration avec des experts d’un secteur particulier reste le meilleur moyen de réduire les dépenses et de gérer de nouveaux réseaux. Ces spécialistes ont besoin de connaître les spécificités du secteur ainsi que l’IA industrielle. Ils aident à choisir le bon équipement et les bons concepts.
Faites le bon choix pour diffuser l’IA
Les conditions extrêmes ne se limitent pas aux conditions physiquement difficiles, mais peuvent être un manque de ressources dans d’autres domaines. Des concepts de secteur concrets doivent être développés pour résoudre les problèmes d’alimentation électrique, d’infrastructure de réseau et de connexion Internet. Avec une connexion instable et peu fiable, les solutions peuvent être choisies indépendamment d’une connexion réseau continue. Des solutions IIoT grâce à une batterie à très faible consommation et une durée de vie de plusieurs années sont disponibles. Les calculs des limites fournissent un canevas et une agrégation de l’IA directement dans les appareils sans avoir besoin d’une connexion continue aux systèmes du centre de données.
L’IA fonctionnera dans des conditions extrêmes avec une bonne étude d’un projet d’infrastructure industrielle IoT. Les différences entre IoT en général et IIoT doivent être éliminées. Alors que l’IoT et l’IIoT poursuivent des objectifs communs, leur stratégie de mise en œuvre répond à des exigences fondamentalement différentes. L’IoT industriel devrait accorder plus d’attention à la fiabilité et à la résistance aux pannes dues aux problèmes d’alimentation et de connexion.