Ajouter l'IA à l'IdO

2019-09-25 4 min read

Le système nerveux central est constitué du cerveau, de la moelle épinière et des nerfs. Vos nerfs répondent à des stimuli externes, comme la température ou la pression, et transmettent en retour des signaux au cerveau, lequel décide de la réaction adaptée. En fabrication, les très nombreux appareils connectés à l'Internet des objets (IoT) se comportent comme les nerfs, en mesurant les paramètres et en collectant des données, mais qui est le cerveau derrière tout cela ?

Gartner prévoit, qu'en 2022, plus de 80 % des projets IdO des entreprises inclurons un composant basé sur l'intelligence artificielle (IA), soit une progression exponentielle par rapport à 10 % en 2019. Les raisons de cette augmentation sont claires ─ Les appareils IdO génèrent de grandes quantités de données opérationnelles dans les sites industriels, bien plus que ce que nous pouvons gérer. Nos sites collectent des données sur la température, la pression, les vibrations, le débit, etc., qui peuvent toutes nous fournir de précieuses informations.

L'IA, et plus particulièrement l'apprentissage machine (machine learning), peut simuler un comportement intelligent et apprendre par l'expérience pour utiliser les données des capteurs, créant ainsi des informations exploitables à partir de nos appareils connectés. Il s'agit d'une combinaison gagnante.

Les données sont importantes

Pourquoi l'IA est-elle si bénéfique aux utilisateurs de l'IdO ? Nos méthodes traditionnelles d'analyse des données n'ont pas été conçues en pensant aux Big Data ─ elles ne peuvent pas traiter efficacement la grande quantité de données en temps réel que nous collectons sur nos machines. Grâce à l'IA, il est possible de traiter de grands volumes de données pour identifier des tendances et obtenir des informations avec un minimum, voire aucune, intervention humaine, ce qui constitue une démarche beaucoup plus simple. Pour ce faire, un nombre croissant de plates-formes IdO proposent des fonctionnalités d'IA, comme Google Cloud IoT, la plate-forme Microsoft Azure IoT et AWS IoT.

L'intelligence artificielle peut également aider les fabricants à gérer les problèmes d'interopérabilité. Les technologies opérationnelles créées par les différents fabricants peuvent ne pas avoir été conçues pour communiquer les unes avec les autres ou avec une plate-forme centralisée qui offre une vision globale. Si vous ajoutez les équipements historiques à l'équation, celle-ci devient encore plus difficile à résoudre. Le rassemblement de toutes les données dans un seul système informatique peut s'avérer une tâche titanesque, mais les algorithmes de l'IA peuvent aider à former les systèmes à l'analyse des informations afin de faciliter ce processus.

Grâce à l'IA, les données peuvent être analysées en temps réel, ce qui permet aux machines de réagir rapidement aux événements en cas d'urgence. L'analyse peut également servir à identifier des tendances dans les données précédentes, auquel cas l'analyse prédictive pourra être utilisée pour prévoir ce qui va se produire. Chose intéressante, Deloitte a conclu que la maintenance prédictive pouvait réduire de 20 à 50 % le temps nécessaire pour planifier la maintenance, augmenter la disponibilité des machines de 10 à 20 % et réduire les coûts globaux de la maintenance de 5 à 10 %. Cela signifie également que vous pouvez prévoir les défaillances des machines avant qu'elles ne surviennent, et ainsi avoir une pièce de rechange disponible quand vous en avez le plus besoin.

La périphérie du futur

L'IA est également intégrée dans les systèmes de périphérie pour créer ce qu'on appelle la « périphérie intelligente ». Par exemple, le contrôleur de passerelle sans fil DXM de Banner Engineering utilise un algorithme d'apprentissage machine pour obtenir des informations sur l'état des machines, en générant une référence de fonctionnement et des seuils d'avertissement et d'alarme.

Les fournisseurs d'IdO mettent actuellement à jour leurs outils pour simplifier l'utilisation de l'IA en périphérie. Microsoft, par exemple, a annoncé le lancement d'Azure IoT edge, une plate-forme qui permet à des systèmes de faible puissance d'exécuter l'IA en local, tout en conservant la connexion au Cloud pour la gestion et la modélisation. Greengrass d'Amazon a également été mis à jour pour y intégrer des capacités d'apprentissage machine.

L'un des problèmes est que d'importantes puissances et capacités de calcul sont nécessaires pour traiter les données rapidement. Il faut donc élaborer des réseaux adaptés à l'IA. Pour ce faire, les entreprises doivent tenir compte, entre autres, de la connectivité entre la périphérie et le cloud, de l'évolutivité, de la disponibilité, de l'interopérabiilté, de la bande passante.

Votre système nerveux ne serait rien sans le cerveau. L'IdO nécessite également de l'intelligence cérébrale pour fonctionner efficacement et l'IA est là pour ça.

Share