Industrie 4.0 : L’IA enabler d’un IoT industriel ? — Chapitre II

Dans le premier chapitre de cette série, nous avons abordé le rôle de l’IA en tant qu’enabler d’un IoT industriel dans la mise en place de maintenance prédictive ou de diagnostic intelligent. L’IA permet d’extraire une connaissance à forte valeur ajoutée des données collectées par l’IoT. Que ce soit par apprentissage supervisé en anticipant les pannes connues ou par apprentissage non supervisé, en détectant de potentielles anomalies.

Dans ce chapitre nous explorerons le rôle qu’elle peut occuper dans l’utilisation des jumeaux numériques.

Les jumeaux numériques : Réalité virtuelle à partir de données réelles

Une deuxième application de l’AIoT de plus en plus en vogue , est celle des jumeaux numériques. Ces répliques virtuelles d’entités du monde physique représentent un vivier d’innovations et d’économies considérables et loin d’être utopistes. Plus concrètement, de nombreuses décisions opérationnelles peuvent être très complexes et demander d’intégrer une grande quantité de variables. C’est le cas des décisions relatives à l’ordonnancement et la planification ou du design de nouvelles lignes de production. Les données récoltées grâce à l’IoT peuvent soutenir des hypothèses opérationnelles et permettent de construire des simulations, de les tester, de les valider ou de les corriger.

Quelle place pour l’IA ?

En construisant des couches d’abstractions profondes par apprentissage, l’IA et plus précisément le deep learning est un outil de choix lorsqu’aucune autre approche n’est possible pour la simulation de processus complexes (modélisation mécanique, thermodynamique…). Avec suffisamment de données on peut réaliser des modèles précis mettant en relation des entrées, des sorties et un paramétrage, et si nécessaire en hybridation avec certains modèles physico-chimiques ; l’IA peut donc aider à la réalisation de simulation de processus industriel. Pour aller plus loin, certaines techniques comme l’apprentissage par renforcement permettraient également de construire des stratégies d’optimisation en apprenant de nouvelles façons de réaliser des tâches. Par exemple pour répondre à la question : comment trouver de nouvelles façons de produire plus économiques, plus respectueuses de l’environnement, ou minimisant les pertes de matière première ?

La démocratisation des solutions de jumeaux numériques

Ce n’est pas tout ! Ces solutions , longtemps l’apanage de quelques industries très spécifiques et de solutions tout aussi particulières comme celle de Siemens et d’IBM, se démocratisent aujourd’hui. Les jumeaux numériques sont plus performants et abordables que jamais. Un nouvel alignement des planètes le permet : d’une part, une quantité importante de nouvelles données issues de l’IoT et d’autre part, pour les traiter, des capacités de calcul, de modélisation et de visualisation qui voient leurs coûts fortement baisser et leurs performances croître. Willy C. Shih illustre cette évolution[1] “En 1997 le système de jumeaux numériques tel que le Cray C932 coûtait 32 millions de dollars, et ses performances étaient comparables à celles du processeur Apple A12 Bionic que l’on trouve aujourd’hui dans un iPhone XS.”

Le développement d’Azure Digital Twin semble être un des précurseurs de cette démocratisation. Il met à disposition des milliers de clients d’Azure une solution de jumeau numérique, certes à ses débuts, mais complètement intégrée aux briques Azure. La simple possibilité d’observer et de construire des scénarios et des simulations réalistes en se basant sur les données remontées par l’IoT représente déjà un atout considérable pour les entreprises industrielles : planification et conception des opérations, amélioration des processus, conception de nouveaux produits…

L’essor d’un écosystème IoT dont l’IA fait partie:

Si l’on prend de la hauteur, l’IA semble faire partie d’un ensemble plus large d’éléments enablers de l’IoT industriel. On peut parler d’un écosystème IoT. La preuve en est qu’à l’image de Azure Digital Twins, les principaux cloud provider se sont positionnés sur l’ensemble de la chaîne AIoT. C’est le sujet que nous aborderons dans le chapitre III de la série Industrie 4.0 : L’IA enabler d’un IoT industriel ? Stay tuned !

Si cet article vous a intéressé n’hésitez pas à nous contacter ici pour discuter de vos challenge AIoT

[1] occupant actuellement la chaire Robert et Jane Cizik de pratique de gestion en administration des affaires à la Harvard Business School dans son article Computer Simulations Are Better — and More Affordable — than Ever