Imec sur Smart Industries

Celui-ci s'appelle: Smart Industries.

L'homme et la machine collaborent dans l'usine: un cauchemar ou un match au paradis? À quoi ressembleront nos usines en 2035? demande Pieter Simoens de l’Université de Gand, affiliée à Imec.

Vous n'avez pas besoin d'être un grand visionnaire pour envisager une installation de production à la pointe de la technologie, pleine de robots et d'intelligence artificielle (IA).

Un scénario cauchemardesque de la montée des machines? Pas nécessairement, car les gens joueront également un rôle important dans les usines de demain.

En fait, si nous parvenons à combiner de manière optimale les forces de l'homme et de la machine, nous pourrions même jeter les bases d'un mariage de rêve qui - d'ici 2035 - pourrait marquer le début de la cinquième révolution industrielle.

Présentant des usines intelligentes dans lesquelles l’accent n’est pas mis sur l’automatisation, la numérisation et la production en série, mais sur la personnalisation et la personnalisation - pilotées par la créativité humaine.

Industrie 5.0: où la robotique intelligente rencontre la créativité humaine

L'industrie a évolué à une vitesse vertigineuse au cours des 300 dernières années. Tout a commencé au XVIIIe siècle, lorsque les sociétés rurales d'Europe et d'Amérique ont connu l'urbanisation et que les industries du fer et du textile ont commencé à se développer, en partie grâce à l'invention de la machine à vapeur.

Juste avant la Première Guerre mondiale, de nouvelles industries (telles que les industries de l'acier et du pétrole) ont vu le jour, tandis que l'invention de l'électricité nous a permis de lancer la fabrication en série de biens. Cela a marqué le début de l'industrie 2.0.

Depuis lors, le rythme de développement est devenu de plus en plus rapide. Dans les années 1970, nous avons assisté au lancement d’Industry 3.0, consacré à la technologie numérique, à l’automatisation des processus industriels et à l’introduction de robots.

Et nous sommes aujourd'hui à l'aube de l'industrie 4.0, qui s'appuie largement sur la révolution de l'Internet des objets (IoT): des appareils de toutes sortes, y compris des robots, sont connectés à Internet et produisent un flux continu de données; données pouvant être utilisées pour générer plus d'informations sur les processus industriels et pour soutenir l'optimisation ultérieure de ces processus

Fig 1: De la machine à vapeur à l'Internet des objets: l'industrie a évolué à une vitesse vertigineuse au cours des 300 dernières années.

Impressionnant, non? Bien sûr, nous devons ajouter une note de prudence à propos de ces développements. Alors que l'automatisation et l'optimisation sont devenues de plus en plus importantes au fil des ans, la participation humaine a été de plus en plus menacée…

«Pourtant, c’est précisément cette menace qui prendra fin avec l’avènement de l’industrie 5.0. Dans un monde où chaque individu souhaite s'exprimer pleinement, la demande en produits uniques, personnalisés et personnalisés va augmenter. À une telle époque, le Saint Graal ne sera plus une production de masse contrôlée par un robot, mais une créativité humaine. ”

En tant que tel, dans les usines intelligentes de 2035, un nouveau modèle de collaboration devra être mis en place. Un mariage, pourrait-on dire, entre homme et machine, avec des robots effectuant des travaux mécaniques lourds et leurs collègues humains étant les «architectes créatifs» (inventer de nouveaux produits sur mesure et superviser leur production dans les usines de demain).

La question qui se pose est la suivante: comment pouvez-vous favoriser un partenariat entre l’homme et la machine dans un tel contexte? Comment forgez-vous un appariement optimal, pour que 1 + 1 devienne effectivement 3? Tout se résumera à une communication efficace entre les différentes parties!

Des jumeaux numériques pour nos usines intelligentes?

Pour donner à Industrie 5.0 toutes les chances de succès, il sera crucial d’améliorer la communication entre les différents acteurs (humains et machines).

Bien sûr, les machines communiquent déjà les unes avec les autres aujourd'hui. Par exemple, dans les grandes usines automobiles, les intégrateurs, à l’aide de protocoles normalisés, veillent à ce que les machines (parfois de différents fournisseurs) se "connaissent" suffisamment pour se connaître et atteindre leurs objectifs de production. Mais soyons honnêtes: dans les usines d’aujourd’hui, chaque machine effectue son propre travail (chaîne de montage) et nécessite peu de communication réelle.

À l’avenir, lorsque les machines deviendront plus autonomes et devront s’anticiper mutuellement, la communication deviendra plus difficile.

«Par exemple, imaginez deux robots qui s'approchent l'un de l'autre dans l'usine. Dans cette situation, comment un robot peut-il anticiper la manière dont l'autre va se déplacer ("Va-t-il aller à gauche ou à droite? Et que dois-je faire…")? Et ceci avant de prendre en compte les positions, actions et réactions d’autres robots à proximité… »

Pour gérer ce type de situation, vous pouvez créer une copie numérique (ou double) de l’usine dans le cloud. En tant que tel, vous créez un modèle numérique de l’usine physique; un modèle qui se met à jour en permanence en fonction des données de capteurs en temps réel; un modèle où toutes les décisions (et leurs résultats) sont simulées en temps réel.

Dans ce scénario, toutes les autorités sont hébergées dans un emplacement central d'où partent toutes les instructions. Et les robots et les machines de l'usine sont le résultat physique de ce qui se passe dans ce monde virtuel.

À première vue, ce «modèle dictateur» semble être la solution idéale pour faire face à des situations complexes en usine tout en assurant le respect des objectifs de production. Techniquement, un tel scénario est déjà parfaitement réalisable: tout ce dont vous avez besoin est d’une connexion de données rapide entre les machines physiques de la zone de production et le ‘cerveau virtuel’, ainsi que de la puissance de traitement.

Il y a cependant deux mises en garde à cela. Le premier est purement économique. N'oublions pas que les environnements industriels sont souvent des lieux complexes et concurrentiels où de nombreux acteurs collaborent (fournisseurs et partenaires - et parfois aussi concurrents). Dans un tel contexte, la protection des données, de la vie privée et des informations est extrêmement importante - ce qui ne correspond pas au scénario du "modèle dictateur" selon lequel le cerveau central doit avoir accès à tous les types de données possibles (y compris des données sensibles sur le plan de la concurrence) pour bien faire son travail . Pour de nombreux chefs d'entreprise, partager ces données serait le cauchemar ultime.

Fig 2: Faut-il créer des jumeaux numériques de l'usine dans le cloud pour établir une communication fiable entre les humains et les machines? Bien que ce «modèle dictateur» semble une solution idéale pour faire face à des situations complexes en usine, il existe deux mises en garde: les concurrents travaillant dans la même usine ne veulent pas partager de données et un employé humain doit pouvoir intervenir.

Et la deuxième mise en garde? Imprévisibilité humaine! Même si nous pouvons exploiter une usine dans laquelle les intérêts commerciaux d’une seule partie sont en jeu, le scénario à contrôle centralisé s’efface dès que l’une des personnes se promène dans l’usine; une personne avec sa propre autonomie et autorité. Imaginons par exemple que l’employé humain (l ’« architecte créatif », comme nous l’avons étiqueté plus tôt) s’aperçoive qu’un robot fait quelque chose de mal et s’implique pour corriger la panne… le cerveau virtuel aurait perdu tout contrôle.

Par conséquent, ce modèle pourrait n'être valable que pour les installations industrielles qui se concentrent sur la production de produits en vrac et où le rôle de l'homme est minime (ou, à long terme, peut-être même inexistant).

Une nouvelle forme d'intelligence artificielle: le raisonnement complexe

En d’autres termes: chaque fois que l’homme et la machine doivent travailler ensemble, nous devrons utiliser différentes méthodes pour tenir compte de l’imprévisibilité humaine et faire en sorte que les robots puissent l’anticiper.

«Un principe particulièrement prometteur est celui du« raisonnement complexe »- une nouvelle forme d’intelligence artificielle qui peut être utilisée pour apprendre aux machines à raisonner de manière autonome et à anticiper les actions de quelque chose (ou de quelqu'un). Cependant, il reste encore un long chemin à parcourir avant de pouvoir mettre en pratique le principe du raisonnement complexe. ”

Après tout, l’intelligence artificielle telle que nous la connaissons aujourd’hui repose sur «l’apprentissage en profondeur» - une technologie puissante permettant de reconnaître les schémas de très grandes quantités de données. Entre-temps, nous maîtrisons cette technologie. Le but est maintenant de passer à l'étape suivante et de laisser les machines se poser la question suivante: "Comment mes actions affectent-elles les actions des personnes autour de moi?"

Pour rendre les choses encore plus compliquées, nous devons ajouter cette considération supplémentaire: dans un contexte industriel, l'exigence première est la transparence (pour garantir que les objectifs de production peuvent être atteints).

Mais l’apprentissage en profondeur est en réalité le contraire, à savoir une «boîte noire»: vous apprenez au système à reconnaître les modèles, mais vous perdez le contrôle sur la façon dont ce système tire ses conclusions.

Par conséquent, une exigence supplémentaire du raisonnement complexe est qu’il soit suffisamment transparent (ou "explicable") pour que les gens l’acceptent, ce qui signifie qu’à l’avenir, nous parlerons de "IA explicable".

Formation tout au long de la vie: également pour les robots

D'ici à 2035, le raisonnement complexe deviendra un nouveau sujet de recherche stratégique. Des équipes du monde entier étudieront comment les algorithmes sous-jacents doivent être développés, mis en œuvre et optimisés.

De plus, nous serons confrontés à la question de savoir comment les machines peuvent améliorer continuellement leurs réactions et leurs façons d’anticiper les actions. Cela signifie que de nouveaux «systèmes de récompense» basés sur des signaux de retour implicites et explicites doivent être développés.

"Vous pouvez parier qu'à l'avenir, le concept d '" apprentissage tout au long de la vie "ne s'appliquera plus seulement à l'homme, mais également aux machines ..."

Comment imec contribue-t-il à cet avenir?

Imec occupe une position de leader mondial dans plusieurs domaines technologiques à l’origine de la création d’industries intelligentes: de la recherche sur la logistique intelligente à l’Internet des objets, en passant par l’interaction homme-machine, la définition du big data, la création de systèmes de capteurs pour applications industrielles, technologie d'imagerie, etc.

Les questions auxquelles nos chercheurs tentent de répondre comprennent:

• Comment pouvons-nous aider les entreprises à réduire leurs coûts opérationnels (tels que le temps de production et la consommation d'énergie) et les aider à résoudre des énigmes logistiques complexes en utilisant des algorithmes intelligents?

• Comment étendre les avantages de la technologie 3D holographique ou des systèmes de vision intelligents à des domaines tels que le divertissement intelligent et la fabrication intelligente?

• Comment pouvons-nous adapter de manière optimale - et en toute sécurité - les interactions homme-machine dans les environnements de production?

• Comment pouvons-nous combiner des capteurs, des actionneurs et des composants électroniques dans des puces de petite taille et à très basse consommation qui acquièrent en permanence des données sur les processus de production, le stockage et la gestion des stocks?

• Comment intégrer des puces d’identification, de suivi et de détection à faible coût dans une feuille de plastique plus mince que le papier?

• Comment transformer les énormes quantités de données non structurées générées par les réseaux de capteurs en connaissances exploitables permettant aux entreprises de gagner en efficacité?