À l'occasion de la création de l'institut d'intelligence artificielle de Toulouse, une chaire de recherche portant sur l'IA et la maintenance prédictive a été lancée. L'équipementier Continental a ouvert sa porte aux scientifiques pour réduire les pannes dans la production.Le zéro panne, c'est le rêve caressé par beaucoup d'industriels. À quel point l'intelligence artificielle pourra-t-elle permettre d'atteindre cette ambition ? Pour y répondre, une chaire vient d'intégrer le programme Aniti, le nouvel institut interdisciplinaire d'intelligence artificielle de Toulouse. Baptisée Diagnosis, cette unité est menée par Louise Travé-Massuyes, directrice de recherche au Laas-CNRS avec la participation de scientifiques de l'Onera et de Continental. À l'occasion d'un événement organisé par le collectif Toulouse is AI à TBS le 17 septembre, les porteuses du programme de recherche en ont détaillé les enjeux.
"Aujourd'hui, 71% des tâches de travail sont réalisées par l'homme et 29% par la machine. On estime que d'ici 2025, avec notamment l'essor de l'intelligence artificielle, la tendance va s'inverser pour atteindre 48% par l'homme et 52% la machine. Cela va introduire une hybridation entre l'homme et la machine pour anticiper les tâches de manière plus efficace", alerte Louise Travé-Massuyes.
L'un des espoirs portés par l'intelligence artificielle est de permettre l'essor d'une maintenance prédictive.
"Elle se distingue de la maintenance curative qui va réparer la machine une fois le problème détecté, ce qui oblige l'engin à ne pas fonctionner pendant la durée de réparation. Elle diffère aussi de la maintenance systématique planifiée dans le temps puisque avec la maintenance prédictive l'idée est d'anticiper ces opérations pour les optimiser et réduire les pannes", poursuit-elle.
Plusieurs centaines de milliers d'euros d'économies pour Continental
Illustration avec Continental. L'équipementier a ouvert sa porte aux chercheurs pour réduire les pannes dans la fabrication de cartes électroniques.
"Nous avons remarqué que la machine d'impression des cartes affichait souvent le statut "occupé", ce qui arrêtait son activité. Chaque bug pouvait durer deux secondes à trois minutes. Si vous cumulez tous ces problèmes, cela représente un temps perdu non négligeable. Nous avons donc essayé à partir d'un volume de données de distinguer les séquences d'événements qui aboutissaient à ce bug", explique Nathalie Barbosa Roa, data scientist et ingénieur big data chez Continental Automotive.
L'analyse des algorithmes d'IA permet d'en reconnaître les causes :
"Le premier cas de figure, est qu'après l'allumage de la machine, elle se met en préchargement et donc affiche le statut occupé. Dans le deuxième cas, à chaque fois qu'un opérateur ouvre le capot de la machine pour vérifier la production, l'engin se bloque trois secondes à une minute", ajoute-t-elle.