Bannière de blog du petit Dataman et des bonnettes de rapprochement Cognex

Blogs Cognex

4 mythes de l’IA industrielle, démystifiés

__Idées fausses sur l’IA_ Petit_ Grand

L’intelligence artificielle (IA) a imprégné presque tous les aspects de la vie moderne. Elle recommande la meilleure voie, suggère de la musique ou des podcasts au cours du trajet, alimente moult applications et machines dans la journée et recommande des émissions ou des films à diffuser lorsque vous rentrez à la maison.

L’IA est là pour durer. 

L’IA industrielle peut aider les fabricants à optimiser la disponibilité avec le suivi des équipements et des programmes d’entretien préventif et identifie la perte de rendements et les défauts (Cavallo). Et ses capacités de prévision permettent de créer des modèles d’apprentissage et de demande prévisionnelle (Koev).

Cependant, l’adoption généralisée de l’IA a été difficile dans les cas d’utilisation d’automatisation industrielle. De nombreuses entreprises maîtrisent encore mal les notions de base et hésitent encore, l’IA peut donner de bons retours.

Sur le rapport d’indice d’adoption de l’IA globale de 2022 d’IBM, 34 % des entreprises interrogées – environ 2 550 entreprises dans le monde entier – indiquent qu’un manque d’expertise en matière d’IA, empêche l’implémentation (IBM). Autres facteurs empêchant l’adoption de l’IA, le coût (29 %), le manque d’outils/de plateformes (25 %), la difficulté et la flexibilité (24 %) et la complexité des données (24 %).
Nous allons examiner ici ces obstacles et dissiper les malentendus courants sur l’IA dans la fabrication et la logistique.

N° 1 Les termes sont interchangeables et sans importance.

Avant d’explorer les options de l’IA, il est essentiel de comprendre les différentes formes, fonctions et la faisabilité de la technologie. Alors que certains termes peuvent se recouper ou semblent synonymes à première vue, comprendre les nuances de l’IA constitue la première étape pour déterminer si la technologie est adaptée à vos besoins.

Algorithme : ensemble d’instructions et de calculs qui permet à un ordinateur d’atteindre un objectif. Un algorithme « basé sur l’apprentissage » utilise la méthodologie de l’expérimentation et de l’apprentissage basé sur les exemples pour optimiser les processus de production sans intervention humaine.

Intelligence artificielle : groupe de techniques de calcul qui cherchent à imiter le processus décisionnel humain en utilisant l’automatisation pour réaliser des tâches difficiles pour les humains, s’appuyant sur la reconnaissance d’images et le traitement automatique du langage naturel et d’autres technologies.

Deep learning : technologie d’IA conçue pour automatiser les applications complexes et hautement personnalisées. Le traitement s’effectue via un processeur graphique (GPU), permettant d’analyser rapidement et efficacement de vastes ensembles d’images, pour détecter des défauts subtils et distinguer les anomalies acceptables des anomalies inacceptables.

Edge learning : technologie de l’IA conçue pour une utilisation facile. Le traitement a lieu directement sur l’appareil, ou « en périphérie », à l’aide d’un ensemble d’algorithmes pré-entraînés. La technologie est simple à configurer, utilisant des ensembles d’images plus petits (5 à 10 images), avec des périodes d’entraînement et de validation plus courtes que les solutions traditionnelles basées sur le Deep Learning. 

Apprentissage automatique : processus de calcul capables d’améliorer les résultats sans qu’aucune programmation humaine ne soit nécessaire. Les algorithmes basés sur l’apprentissage automatique entraînent un ordinateur à rechercher la réussite et à éviter l’échec des millions de fois afin de générer des résultats d’apprentissage. 

Vision industrielle : algorithmes basés sur les règles qui identifient les caractéristiques spécifiques d'un objet. Bien que les outils de vision industrielle soient plus rapides que l’œil humain, l’IA peut améliorer de façon drastique leur précision et leur efficacité.

iStock-1281389422_600x700px

N° 2 L’IA remplacera les emplois et favorisera la méfiance parmi les employés.

Le mythe d’une technologie émergente remplaçant les emplois pourrait être imputable à l’invention de la roue. La vérité est un peu plus complexe :

Les innovations dans la technologie industrielle, notamment l’IA, sont rarement conçues dans le vide. Elles sont conçues pour optimiser la performance, l’efficacité, la qualité et les capacités. Il est facile de comprendre pourquoi les moteurs à vapeur et à combustion interne ont remplacé efficacement les chevaux et les voiturettes ou comment le télégraphe a ouvert de nouvelles lignes de communications, par rapport à la livraison de courrier en mains propres. Ces innovations ont succédé à d’autres formes de technologie. Même si les moteurs ont évincé les voitures à chevaux, la technologie a créé une industrie entièrement nouvelle, en favorisant le transport de masse, en transformant la logistique, le transport des personnes et l’expédition.

Il en va de même pour l’IA. Plutôt qu’une IA remplaçant des emplois, des entreprises ont découvert que les employés peuvent travailler conjointement avec l’IA pour optimiser la productivité et ouvrir de nouvelles possibilités. 

L’IA peut réduire la quantité de tâches ordinaires, répétitives, encourageant les travailleurs à occuper d’autres fonctions créatives ou spécialisées. En 2018, un organisme de bienfaisance situé à New-York a commencé à implémenter l’IA pour des tâches de saisie de données, ce qui a permis de réduire le taux annuel de rotation de l’entreprise 42 % à 17 % (Knight).

La technologie est largement appliquée à la fabrication et à la logistique pour répondre à la pénurie continue de main-d’œuvre et régler d’autres problèmes récurrents. Associée à la robotique, l’IA peut simplifier des tâches, telles que l’évitement d’objet et la cartographie de surface, pour répondre aux attentes dans les installations. De concert avec les systèmes de vision  industrielle, l’IA peut effectuer des tâches d’assurance qualité, répétitives quoique essentielles, notamment la détection d’absence/de présence de pièces et l’inspection (Gow).

Exploiter l’IA pour réaliser des opérations ordinaires permet aux installations de réaffecter des ressources sur des tâches plus intenses et assister les travailleurs en première ligne, en réduisant leur charge de travail.

iStock-1206251797_600x700px

N° 3 L’IA industrielle nécessite des milliers d’images et des jeux de données importants

La réalité de cette idée fausse se résume par l’un des dictons préférés d’ingénieurs : « cela dépend. »

L’IA est un vaste domaine qui englobe de nombreux types de technologies pouvant être appliquées d’une multitude de façons. Pour que l’IA puisse traiter des applications complexes telles que la détection des anomalies sur des joints de soudure ou l’analyse de motifs de couture sur les textiles, la technologie doit être soumise à un processus complet de modelage, développement et test, faisant des solutions basées sur le Deep learning, gourmandes en données, un candidat parfait.

Cependant, des formes d’IA plus simples peuvent effectuer des tâches similaires, notamment la détection et la classification/le tri de défauts. La technologie Edge learning, par exemple, nécessite uniquement 5 à 10 images pour l’entraînement et peut être déployée par le personnel en première ligne sans aucune expérience requise.

D’abord, un opérateur forme le système basé sur l’application. Par exemple, dans un scénario d’inspection de pièce, l’utilisateur présenterait le système avec des images d’une pièce acceptable et de pièces avec des défauts. 

En utilisant seulement quelques images, la technologie Edge learning exploite des algorithmes avancés pour différencier les pièces acceptables des pièces non acceptables. Une fois que le système est entraîné à différencier les bonnes pièces des mauvaises, les utilisateurs peuvent déployer la solution sur la ligne de fabrication. 

iStock-531173386_600x700px

N° 4 Vous devez avoir un doctorat et une équipe de scientifiques de données pour implémenter des solutions d’IA

Développer, concevoir et tester l’IA nécessite un ensemble de connaissances précises, mais des solutions d’IA modernes peuvent être déployées par le personnel en première ligne, en quelques minutes.

Les solutions d’Edge learning Cognex s’exécutent intégralement dans une caméra intelligente munie d’un éclairage intégré, d’une lentille à mise au point automatique et d’un capteur puissant, tous ces éléments fonctionnent ensemble pour apporter des capacités de contrôle

précises.

Étant donné que la solution ne nécessite pas de connaissances spécialisées en vision industrielle ou en IA, des ingénieurs de ligne peuvent être formés à la technologie en utilisant leurs connaissances acquises des tâches requises. En identifiant et en clarifiant les parties pertinentes de l’image, le matériel avancé d’imagerie et le logiciel propulsé par l’Edge learning, réduisent la charge de calcul, par rapport aux approches traditionnelles de Deep learning.

iStock-1219894345_600x700px
 
Conclusion

L’IA n’est pas une technologie passagère ou spécialisée, applicable à des marchés spécifiques ; il s’agit d’un vaste domaine pouvant aider le secteur industriel de nombreuses façons. À mesure que la technologie évolue, elle devient plus conviviale. Elle a été éprouvée dans la fabrication et la logistique, offrant un contrôle qualité simplifié, une traçabilité des produits optimisée et permet aux installations d’identifier les défauts plus tôt dans le processus de production.

L’IA spécialisée a été utilisée pour automatiser une tâche spécifique en analysant des données et des modèles afin d’orienter des actions futures (Autor, Mindell, Reynolds). Par exemple, l’IA spécialisée a été appliquée dans des opérations de fabrication et de logistique pour inspecter des pièces, confirmer l’absence ou la présence de certains composants et trier des emballages. 

L’Edge learning, en particulier, est conçu pour le déploiement rapide, nécessitant uniquement quelques images pour différencier les pièces acceptables des pièces non acceptables, avec l’ensemble du traitement effectué sur un seul appareil. Il s’agit d’une technologie que des ingénieurs de ligne peuvent implémenter en quelques minutes à peine, assistant les opérateurs en simplifiant les flux de travail, en optimisant la qualité du produit et en renforçant l’efficacité.

Les recherches et les informations concernant la fabrication et les procédures d’IA décrites ci-dessus proviennent des sources suivantes :

Plus d’articles sur

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex

AVEZ-VOUS DES QUESTIONS ?

Les représentants de chez Cognex sont disponibles dans le monde entier pour soutenir votre vision et vos besoins de lecture de codes-barres industriels.

Contact commercial