Nous suivre Emballages Magazine : l'actualité de l'emballage et du conditionnement

Entretien

IA : « Chez Omron, nous entrons dans l’ère du réflexe »

Henri Saporta
IA : « Chez Omron, nous entrons dans l’ère du réflexe »

Gilles Gomila est en charge de l'intégration chez Omron.

Emballages Magazine consacre son dossier du mois de mars aux promesses de l’industrie 4.0. Expert de l’intelligence artificielle, Gilles Gomila, en charge de l’intégration chez Omron, développe, avec clarté et pédagogie, les principaux enjeux de cette brique essentielle de la quatrième révolution industrielle.

L’intelligence artificielle est une réalité complexe. Comment l’aborder avec simplicité ?

Plusieurs notions prêtent en effet à confusion quand on parle d’intelligence artificielle ou IA. Chez Omron, nous proposons des présentations et des outils de démonstration pour vulgariser et démystifier tout cela. Le terme « intelligence » est lui-même problématique, car il s’agit avant tout de traitement de données et de statistiques. L’IA renvoie à nombreux concepts dont l’évocation est en vogue, comme « machine learning », « deep learning », « data mining » ou « big data ». Pour faire simple, l’idée générale est qu’un équipement enrichit sa base de connaissances au fur et à mesure des cycles de production. L’auto-apprentissage ou « machine learning » est le principe selon lequel la machine « apprend » et « corrige » sans intervention humaine. On peut encore simplifier en indiquant que l’ingénieur dispose aujourd’hui d’une boîte à outils dans laquelle il pioche en fonction des besoins de l’application. En matière d’intelligence artificielle, la mise au point d’un algorithme spécifique considère les données disponibles, leur fréquence et la vitesse de calcul pour arriver à un résultat fiable. Il y a donc différentes stratégies, suivant le but recherché.

Quels sont les critères de développement de ce nouvel outil au service de l’industrie ?
Sur le strict plan de l’informatique, la puissance de calcul des contrôleurs et la réduction drastique du temps d’accès aux données enregistrées sur les supports de stockage, dont les SSD, sont les deux principales conditions au développement de cette nouvelle technologie prometteuse. L’IA est d’autant plus intéressante que la mesure corrective est rapide. Entre la prise de l’information, son analyse et la réaction, le temps de réponse se compte en quelques millisecondes. L’analogie avec la voiture autonome est très parlante : quand un obstacle est détecté, l’arrêt du véhicule doit être d’autant plus rapide que la vitesse est élevée, sinon, c’est l’accident. Dans l’industrie, c’est pareil. Dans une machine, l’intelligence artificielle peut être comparée au système nerveux du corps humain. Chez Omron, nous entrons dans l’ère du réflexe : les données n’ont pas besoin d’atteindre le Cloud, le cerveau – pour poursuivre l’analogie –, pour qu’une action soit entreprise, nous restons au plus près du process, dans la machine. Dans ce contexte, l’IA est le principal axe de progrès de l’industrie 4.0, car elle apporte une exploitation en temps réel et intelligente des équipements connectés.

« le temps de réponse est le premier critère. » 

Très concrètement, comment se matérialise l’IA pour un opérateur sur ligne ?
Chez Omron, nous distinguons trois niveaux : le « edge » dans la machine, le « fog » à l’échelle de la supervision de l’usine et le Cloud, le fameux « nuage » dont la performance est directement liée au réseau de communication qui sera amélioré par la cinquième génération, la 5G, en cours de développement. Notre expertise nous pousse à privilégier le premier niveau. Comme évoqué, le temps de réponse est le premier critère. Le lancement cette année de notre gamme de vision industrielle FH répond à cette logique, son IA capture rapidement les défauts avec une très grande sensibilité pour les identifier et les caractériser sans ralentir la production.

Comment s’inscrit le « machine learning » dans cet environnement ?
Dans le cas du machine learning, l’analyse en continu des données permet de suivre les processus en cours et, le cas échéant, de les modifier, à partir d’un nuage de points qui définit les valeurs normales du fonctionnement normal de la machine. Un exemple très concret : le système détecte une variation importante dans le signal électrique, un flux de données parmi d’autres. Cette information indique que le moteur force et qu’il faut, par exemple, changer un couteau de coupe, car il est usé. Nous ne sommes pas dans le big data, qui consiste à analyser de très grandes quantités de données a posteriori pour en tirer des enseignements, mais dans un traitement en continu d’un grand flux de données par le filtre de l’algorithme. C’est le « fast data ». Le principal intérêt de ce type d’IA est de composer avec la réalité et non pas d’imposer un état idéal. La réalité est chaotique. J’ajoute que le machine learning peut fonctionner en mode supervisé, avec un opérateur sélectionnant les données et leurs seuils, ou en mode non supervisé, où le contrôleur traite toutes les données et établit lui-même leur importance. Le mode non supervisé assure donc un auto-apprentissage plus puissant. Mais certains problèmes nous poussent à aller plus loin, c’est pour cela que nous exploitons désormais le deep learning.

« Le deep learning approche la façon dont nos neurones travaillent »

En quoi consiste le « deep learning », justement ?
Le deep learning approche la façon dont nos neurones travaillent : essentiellement notre capacité à apprendre en observant et en analysant sans connaissances spécifiques quant au problème étudié. Nous avons la faculté de découvrir ce qu’est un « chat », d’identifier ce qui le caractérise pour tous les reconnaître, quelles que soient leurs espèces ou leurs représentations, peluche ou bande dessinée. Nous savons former un « concept chat » très large. Dans l’industrie, le deep learning nous aide quand définir un état initial comporte trop de paramètres et prend trop de temps. Nous laissons le système apprendre dans une « boîte noire », car nous ignorons les calculs et les choix effectués. Notre nouveau dispositif de vision série FH est équipé de la première technologie intégrée de détection des défauts par IA du marché. L’IA de ce système de vision apprend à partir des données d’image de produits non défectueux pour acquérir rapidement « l’expertise ». Le système est capable de déterminer des écarts de tolérance acceptables pour réduire la « surdétection ». Cette fiabilité, cette souplesse et cette rapidité de mise en œuvre sont très recherchées par les industriels.

Pouvez-vous donner des exemples d’application de l’IA en production ?
Dans le contrôle de la qualité par vision, l’IA permet notamment de déceler tous les défauts, y compris ceux non répertoriés, à partir d’une image de référence idéale. C’est la détection de « l’anormal » par rapport au « normal ». Des seuils, modifiables, sont proposés automatiquement pour définir ce qui est acceptable ou pas. Embarquée sur les machines, notre gamme FH de vision industrielle traque tous les défauts possibles et imaginables : présence, absence, soudures, couleurs, rayures, étiquetage, marquage… D’une façon plus générale, l’intelligence artificielle est parfaitement adaptée à la maintenance prédictive, à l’analyse du comportement des composants, au suivi du vieillissement. Comme les équipements fonctionnent dans un environnement donné, l’IA peut déduire de la température ou de l’hygrométrie d’un atelier les réglages à porter sur une machine. Il faut ajouter, l’utilisation de l’IA dans la cobotique et tous les équipements mobiles autonomes. Sur le plan de la production, l’IA est bien sûr un formidable moyen d’améliorer sa flexibilité. Par exemple de changer de format rapidement, la détection d’un nouvel emballage entraîne un nouveau paramétrage automatique de la ligne…

Quelles sont les compétences recherchées en termes de recrutement ?
Pour la recherche et le développement, il faut faire des maths, des maths et des maths… Le « data scientist » doit bien sûr avoir le goût de la mécanique et des automatismes. Pour les autres, il faut se dire que c’est comme l’informatique dans les années 1980, il faut être curieux pour l’essayer, car nous allons rapidement tous l’utiliser. L’intelligence artificielle n’est qu’au début d’une révolution qui va profondément faire évoluer le monde de l’industrie. Tout reste à inventer. Et tout va très vite. Certaines applications étaient concevables il y a deux ans, mais pas encore réalisables. L’industrialisation est désormais possible.
 

Propos recueillis par Henri Saporta

Bienvenue !

Vous êtes inscrit à la news Emballages Magazine


Nous vous recommandons

Bobst améliore le pliage-collage des étuis

Technologie

Bobst améliore le pliage-collage des étuis

Dernière-née dans la gamme Masterfold, la 75/110 fait la part belle à la rapidité et à la précision. - Leader incontesté sur le marché du pliage-collage des étuis en carton compact,[…]

21/04/2021 | Carton platImpression
Le polystyrène recyclé selon le procédé de Recycling Technologies

Economie circulaire

Le polystyrène recyclé selon le procédé de Recycling Technologies

Un projet de recyclage chimique en Suède

Economie circulaire

Un projet de recyclage chimique en Suède

LyondellBasell lance la gamme Circulen

Economie circulaire

LyondellBasell lance la gamme Circulen

Plus d'articles