Comment faire fonctionner l'intelligence artificielle en conditions extrêmes ?

Les sites de production industrielle, les systèmes de transport et les canaux de distribution forment souvent une sorte de zoo d'appareils hétérogènes. L'automatisation permet la création de systèmes de contrôle et de gestion numériques opérationnels.

L’intelligence artificielle (IA) peut être utilisée dans de nombreux milieux industriels afin de réduire les dépenses et d’améliorer les processus. L’IA industrielle ne comprend pas seulement les algorithmes intelligents et les concepts de mégadonnées se trouvant dans l’espace virtuel à l’intérieur des systèmes informatiques, mais aussi les appareils physiques en tant que tels. Les données doivent être obtenues à l’aide des capteurs. Les ordres doivent être envoyés aux commandes et aux systèmes de gestion. Toute cette chaîne et le flux d’informations circulant par voie filaire ou sans fil passent par des endroits présentant des conditions extrêmes. La route à parcourir est longue entre les points de travail dans les usines, dans les mines ou sur les sites de forage pour arriver jusqu’aux serveurs de mégadonnées et d’énormes puissances informatiques situés dans les centres de traitement des données et les postes de gestion.

Les sites de production industrielle, les systèmes de transport physiques et les canaux de distribution sont complexes et forment souvent une sorte de zoo d’appareils provenant de fabricants différents. Le bon en avant effectué par l’automatisation a permis la création de nombreux systèmes de contrôle et de gestion numériques opérationnels. A l’heure actuelle, dans les secteurs de l’industrie, vous trouvez des réseaux de transmission de données, de systèmes de contrôle et d’acquisition de données en temps réel (SCADA), des contrôleurs logiques programmables et des systèmes de chauffage, de ventilation et de climatisation (HVAC). Tous ces systèmes sont examinés sous différents niveaux d’abstraction. Il y a des concepts et des niveaux de gestion de complexité plus élevés, ainsi que des niveaux plus bas, en lien plus étroit avec les problèmes physiques.

Tout cela devient de plus en plus difficile

Les installations industrielles existantes possèdent beaucoup de canalisations et des kilomètres de câbles. Ces réseaux complexes assurent un travail continu. Vous avez des normes industrielles pour les réseaux numériques qui relient les appareils et les commutateurs, assurent les interfaces entre les réseaux et créent la communication avec les postes de gestion. Ces systèmes ont été créés tout spécialement pour travailler en conditions extrêmes. Avec l’apparition dans l’industrie de l’intelligence artificielle et de la nouvelle communication numérique globale, les nouveaux appareils intelligents doivent eux aussi être en mesure de travailler dans ces mêmes conditions extrêmes. L’IA est étroitement liée à l’Internet des objets (IIoT) pour la communication sans fil, mais aussi les communications avec les systèmes de l’entreprise et l’Internet.

Tous ces nouveaux systèmes se heurtent aux complexités de la nature et à la puissance des engins de production lourds. Les sites de production peuvent être situés dans des endroits isolés, sans réseau électrique. Imaginez un travail dans la jungle où ne mène qu’une seule piste à peine battue. Vous devez vous-même fournir l’alimentation électrique grâce à des générateurs ou des batteries. Les conditions climatiques peuvent être froides ou chaudes, l’environnement peut comprendre des gaz nocifs qui rongent l’électronique ou peuvent la réduire à néant en la faisant exploser. Mais tout comme la nature, les processus de production peuvent être également sources de chaleur et de froid. La fonte et la congélation des pièces peuvent faire partie du processus de fabrication. Beaucoup de choses relèvent de la mécanique. Vous avez des pièces qui se déplacent à une grande vitesse. Vous avez des machines qui créent des vibrations et des chocs. L’intelligence artificielle est aujourd’hui confrontée à ces problèmes physiques dans le domaine de la robotique et des réseaux IIoT principalement.

Les robots sont partout

Les robots ne sont pas une tache facile. Ils doivent faire quelque-chose, ils doivent se déplacer là où il faut. Pour y parvenir sans que l’homme n’ait à intervenir, le robot a besoin d’un cerveau, c’est-à-dire d’une intelligence artificielle qui puisse le rendre autonome. Nous nous souvenons tous comment les robots ont échoué au moment de mettre les centrales nucléaires hors de service. En l’occurrence, le problème résidait dans le fait que les radiations détruisaient l’électronique. Il faut donc un cerveau bien trempé. La communication avec le monde extérieur reste par ailleurs difficile. En présence d’un intense rayonnement, la communication sans fil ou filaire demeure un sérieux problème.

Mais le problème de l’intelligence artificielle industrielle ne se limite pas à la nature effrayante en soi de la décroissance radioactive, il s’étend aussi aux recherches en mer profonde ou à l’industrie minière. Ceux-ci sont aussi très complexes. En l’absence d’infrastructure commune et de source d’alimentation fixe ou d’accès à l’Internet, vous devez adapter les pratiques avancées existantes à la transition vers les technologies numériques et l’utilisation des mégadonnées.

Vous pouvez ne pas trouver ces exemples extrêmes à la marge de la production sur votre site industriel visité quotidiennement, mais vous rencontrerez des situations difficiles similaires. L’environnement et les machines en action créent des menaces partout dans la production industrielle. Et l’armada de robots autonomes ou prêts à le devenir croît chaque jour.

Vous avez des bras robotisés, des véhicules-robots autonomes, marchants ou immergés, et des appareils aériens pour tous les types d’objectifs. Ils sont divisés en classes telles que les véhicules automatiques commandés, les véhicules terrestres sans pilote, les véhicules tout-terrain sans pilote, les appareils sous-marins autonomes, les appareils sous-marins télécommandés, les camions-bennes autonomes, les tracteurs autonomes ou les camions-bennes miniers autonomes, les appareils aériens sans pilote ou les drones.

Ces robots se présentent sous de nombreuses formes pour plus d’efficacité et d’économie encore. Ils peuvent effectuer des travaux que le personnel n’est pas en mesure de réaliser, même avec un temps de travail plus long. Ils peuvent également travailler dans des conditions plus dures. Ou peuvent effectuer une inspection dans n’importe quel endroit et quel que soit l’heure quand c’est nécessaire.

Tout sera lié

La deuxième application majeure de l’IA industrielle est l’assemblage et l’agrégation des données de toute l’entreprise. Toutes les données collectées par les capteurs vont être stockées dans un seul océan de données. Un réseau se comportant comme un organisme vivant peut être créé à l’aide de l’IoT industriel. Ici, les connexions sans fil et filaires pour la transmission des données sont tournées vers le monde physique. Les câbles, commutateurs, routeurs et passerelles doivent être robustes. Ils doivent être capables de résister à la poussière, aux vibrations, au brouillard et à l’eau, ainsi qu’aux substances nocives ou aux contraintes physiques plus dangereuses. Ils doivent être fiables et pouvoir travailler pendant des années sans intervention du personnel de maintenance technique.

La nouvelle IA industrielle fait également face au problème de l’intégration dans les aspects de sécurité. De nombreux systèmes vieillis ont travaillé pendant plusieurs années avec un réglage précis. Ils fournissent des solutions avec une très bonne productivité dans les conditions extrêmes auxquelles ils sont confrontés. Les processus de leur optimisation durent déjà depuis plusieurs années. La nouvelle IA industrielle ne doit pas remettre en question cet équilibre atteint. La sécurité des données et des opérations forme encore un autre problème. Dès que les installations de production sont connectées au réseau global de l’Internet, les personnes malveillantes ont accès théorique aux systèmes. Et comme dans l’industrie lourde les valeurs et les taux sont très élevés, il s’agit là encore d’une réalité extrême.

Les données existantes sont incorrectes et corrompues

Lors de la configuration de l’IA industrielle apparaissent des problèmes avec les sources de données au moment de créer des recommandations et des prévisions intelligentes. Beaucoup de données nécessaires dans un contexte industriel sont des données de séries chronologiques et des données collectées en conditions extrêmes. Cela signifie que certains éléments des données peuvent ne pas être fiables. Les capteurs eux-mêmes peuvent produire des valeurs inexactes à cause de l’environnement.

On peut parler de mégadonnées industrielles "3B". Vous devez être conscient de ces problèmes lorsque vous commencez un nouveau projet à base d’IA industrielle.

Le premier B signifie "mauvaises" (bad). La plupart des données industrielles ont une signification physique claire. Cela concerne la multitude des capteurs qui détectent l’air, les courants ou la vitesse de déplacement. Tous les types de bruit, d’humidité, de fuites ou de niveaux sont détectés. Les données de déplacement qui atteignent des centaines de téraoctets par jour. Toutes ces données peuvent être de mauvaise qualité à cause des mesures physiques. Par rapport aux données collectées à l’intérieur des systèmes numériques, comme les données d’achat en ligne et les données des clients, ces données doivent être soigneusement nettoyées avant d’être utilisées. De plus, il est difficile d’améliorer la qualité à l’aide de la quantité de données.

Le deuxième B signifie "corrompues" (broken). Les données utilisées pour apprendre aux modèles d’IA à faire des prévisions et des recommandations ne reflètent pas des états de capacité de travail clairs. Il n’y a pas de régimes de pannes ou de plus haut niveau d’abstraction des données qui montrent les conditions de travail. Cela peut entraîner de nombreux résultats faux positifs et faux négatifs au moment de la mise en place du système d’IA.

Le troisième et dernier problème B est "l’expérience" (background). En milieu industriel complexe, les spécialistes d’un secteur donné doivent posséder une grande expérience pour interpréter les données des capteurs. Les modèles émergents peuvent être très éphémères et leur interprétation demande des connaissances particulières. Il est très difficile de former l’IA uniquement à partir des données numériques collectées.

Résoudre les problèmes physiques

Une façon de commencer à résoudre les problèmes liés à l’IA industriel est de comprendre les spécificités des opérations industrielles. Il ne faut pas se concentrer sur des solutions d’IA prêtes à l’emploi, mais sur des solutions industrielles prêtes à l’emploi. Des composants et des appareils destinés à être exploités en conditions extrêmes sont déjà disponibles sur le marché de l’IoT industriel. Compte tenu de la multitude de capteurs dans les installations existantes, la collecte des données se fait au niveau des systèmes de gestion existants. Les systèmes SCADA, les robots industriels et les machines fournissent des données. Les passerelles IIoT spécialisées transfèrent les données aux systèmes d’IA. Ces passerelles supplémentaires ne gênent pas les systèmes de gestion existants.

Le talent est l’un des facteurs les plus importants pour la transition numérique. Pour maintenir les dépenses à un bas niveau et gérer de nouveaux réseaux, la collaboration avec des experts d’un secteur donné reste la meilleure voie. Ces spécialistes doivent à la fois connaître les spécificités du secteur et l’IA industrielle. Ils aident à choisir le bon équipement et les bons concepts.

Faire le bon choix en matière de diffusion de l’IA

Les conditions extrêmes ne se limitent pas à des conditions difficiles physiquement parlant, cela peut être un manque de ressources présentes en abondance dans d’autres secteurs. Des concepts sectoriels concrets doivent être développés pour répondre à des problèmes d’alimentation électrique, d’infrastructure réseau et de connexion à l’Internet. Des solutions indépendantes d’une connexion réseau continue peuvent être choisies en cas de connexion instable et peu fiable. Des solutions IIoT par batterie d’accumulateur à consommation très faible et durée de vie de plusieurs années sont accessibles. Les calculs des limites fournissent un canevas et une agrégation de l’IA directement à l’intérieur des appareils sans qu’une connexion continue avec les systèmes des centres de traitement des données ne soit nécessaire.

L’IA fonctionnera en conditions extrêmes avec une bonne étude de projet d’infrastructure de l’IoT industriel. Il faut éliminer les différences entre l’IoT en général et l’IIoT. Même si l’IoT et l’IIoT poursuivent des objectifs communs, leur stratégie d’implantation répondent à des exigences fondamentalement différentes. L’IoT industriel doit porter plus d’attention à la fiabilité et à la résistance aux pannes résultant de problèmes d’alimentation électrique et de connexion.