Pour assurer la maintenance prédictive, l'IoT passe à l'IA
La prochaine étape dans la maintenance prédictive est de rendre les capteurs "conscients" d'un état de fonctionnement, soutient Joël Rubino, CEO et cofondateur de Cartesiam, éditeur français de logiciel spécialisé dans l'intelligence artificielle embarquée dans l'edge. Une certitude qu'il a acquise en analysant les besoins de ses clients. A commencer par Lacroix Electronics. L'équipementier cherchait depuis plusieurs années à optimiser la maintenance de ses 26 fours à refusion, qui servent à souder les composants sur une carte électronique. "Si l'un des trois ventilateurs du four tombe en panne, toute la production est à jeter. Nous avons tenté d'installer des capteurs de son pour détecter les anomalies en amont mais cela ne fonctionnait pas", raconte Stéphane Klajzyngier, directeur général exécutif.
Pour offrir à ses clients le meilleur algorithme de maintenance prédictive dans leurs usages, Cartesiam annonce ce mardi 25 février, à l'occasion du salon Embedded World, sa nouvelle solution NanoEdge AI Studio, un logiciel sélectionnant parmi les librairies de machine learning développées depuis plus de trois ans par l'entreprise celle qui correspond le mieux aux critères indiqués par l'industriel. Ce dernier peut alors l'implémenter dans le programme d'un microcontrôleur (MCU) et bénéficier d'un capteur de maintenance prédictive en edge computing. "L'objectif est de simplifier l'usage de l'IA pour passer de l'Internet of things à l'intelligence of things", commente Joël Rubino, qui commercialise l'accès au logiciel sous forme d'une licence et de royalties pour chaque librairie implémentée sur un MCU.
Depuis fin 2019, Lacroix Electronics teste cette solution sur les fours à refusion de ses usines. Au lieu d'en effectuer un nettoyage deux fois par mois pendant lesquels les fours sont à l'arrêt, Lacroix Electronics s'appuie sur la solution pour connaître leur état et avoir un suivi de la production. "Nous en analyserons les résultats jusqu'à fin mars sur différents paramètres (hygrométrie, température du four, vibration, état des ventilateurs). La deuxième étape, à partir du printemps prochain, sera de l'utiliser pour proposer des offres de maintenance prédictive à nos clients", précise Stéphane Klajzyngier.
Le MCU au cœur de l'IoT
Pour Cartesiam, rendre le capteur conscient d'un état en local est la meilleure solution pour s'adapter à toutes les situations. "Nous expérimentons la solution avec un fabricant de climatiseur qui voulait savoir quand changer les filtres, raconte Joël Rubino. Le MCU installé dans le climatiseur analyse le courant pour déterminer quand le filtre est obstrué. Nous n'aurions pas eu une fiabilité à 100% avec une intelligence embarquée car des clients du fabricant utilisent parfois des filtres de marques concurrentes, les paramètres sont donc différents et c'est le capteur qui détecte son état en local." Traiter les informations en local, sans aucune intervention dans le cloud, était par ailleurs une demande de certains clients, comme Naval Group.
De son côté, Octonion, éditeur concurrent de Cartesiam, adopte la même approche mais mise sur le cloud pour bénéficier d'une IA distribuée. "Cela permet à chaque capteur d'apprendre des autres. Si l'un détecte un faux-positif, les autres capteurs ne déclencheront pas d'alerte car ils sauront d'où vient le problème", explique Cédric Mangaud, son CEO. Pour rendre les objets connectés industriels conscients, Cartesiam et Octonion ont fait le choix de développer leurs solutions sur les MCU. "Il s'agit de la plateforme par défaut sur laquelle est développé l'IoT", souligne Joël Rubino. Pour Miguel Castro, responsable des activités IA dans la division microcontroleur de STMicroelectronics, "l'IA at the edge est une opportunité pour l'essor des objets connectés". Près de 30 milliards de microcontrôleurs ont été vendus en 2018.