L’IA peut-elle aider à identifier les problèmes de fabrication ?

Avec des données propres et fiables, les entreprises peuvent utiliser les outils d’intelligence artificielle (IA) existants pour diagnostiquer les valeurs aberrantes dans le processus de fabrication, ce qui pourrait conduire à la découverte des causes profondes de tout problème dans la ligne. Le président et fondateur d’Intraratio, Ryan Gamble, et le scientifique des données Daniel Gutierrez ont partagé ces idées dans leur présentation de la Semaine de l’ingénierie virtuelle, « AI for Manufacturing : How to Implement it Today.

La première chose qu’un fabricant devrait faire pour intégrer l’IA dans son processus de fabrication est de capturer des données transactionnelles et des données de type journal paramétriques de toutes ses machines, fournisseurs et systèmes, a déclaré Gamble. « Et il doit s’agir d’une collection robuste et automatisée, elle doit être évolutive et elle doit être correctement cataloguée », a-t-il déclaré.

Il a noté que cela peut être fait rapidement et à faible coût avec les technologies disponibles aujourd’hui, mais il est important que cela soit fait correctement. « L’IA doit être pilotée par des systèmes qui la rendront correctement cataloguables et immédiatement exploitables et fiables », a déclaré Gamble. « C’est donc un élément clé du jeu. »

Gutierrez a donné un exemple de ce qu’une entreprise peut faire avec ces données, citant l’identification de valeurs aberrantes. « Les valeurs aberrantes ont souvent été considérées comme le fruit à portée de main pour divers problèmes de fabrication, qu’il s’agisse de la cause première, d’un problème de machine ou de matière première », a-t-il expliqué. « Donc, avec la puissance de l’IA et de l’apprentissage automatique, nous pourrions facilement appliquer ces divers algorithmes pour détecter automatiquement ces différentes valeurs aberrantes sur l’ensemble de la chaîne de production de fabrication. »

Il a déclaré que les valeurs aberrantes sont importantes car elles peuvent indiquer la cause première d’un problème. « Ils pourraient nous dire s’il y a un problème potentiel avec une machine ou un équipement, s’il y a un problème avec un certain type d’équipement de mesure qui est sorti de l’outil ou de la machine d’un opérateur, et enfin tout problème avec divers fournisseurs dans un matériau, un numéro de lot ou un numéro de série de la nomenclature.

Gutierrez a ensuite parlé d’une application développée par Intraratio pour la détection des valeurs aberrantes, appelée algorithme Isolation Forest, qui a été utilisée dans d’autres secteurs, par exemple pour détecter la fraude par carte de crédit. « Mais pour nous ici dans le secteur manufacturier, ce que nous recherchons, c’est la fraude à la production », a-t-il déclaré. « Est-ce qu’une machine fonctionne mal, rejette des variables qui ne sont pas normales, un nouveau numéro de lot a-t-il été introduit, un nouveau fournisseur a-t-il été introduit que nous ne connaissions pas ? »

Gutierrez a déclaré qu’Intraratio avait choisi Isolation Forest en raison de sa facilité d’utilisation. Il peut être utilisé dans différents langages de programmation et prend des données catégorielles et des données numériques sans trop de transformation.

« De plus, c’est de haute dimension », a-t-il expliqué. « Donc, au lieu d’aller un par un, par rapport à un graphique, vous pouvez en fait regrouper un tas de caractéristiques différentes et rechercher les valeurs aberrantes de l’ensemble », a-t-il poursuivi, notant qu’Isolation Forest prend les caractéristiques et les dissèque dans une décision arbre et isole ce point de données très rare comme étant la valeur aberrante.

« Et une fois cela fait, il signale cette valeur aberrante et la génère dans un tableau où l’ingénieur pourrait enquêter davantage sur sa provenance », a déclaré Gutierrez. « De quel numéro de série s’agit-il ? Est-ce vraiment une valeur aberrante ? Doit-il être mis au rebut ou doit-il faire l’objet d’une enquête approfondie ? »

Gutierrez a souligné que la clé de l’utilisation de l’IA dans cette application et dans les futures est de disposer d’un système de collecte de données bien mis en œuvre et robuste.

« Ces outils sont là-bas », a déclaré Gamble. « Cette technologie existe. Nous l’appliquons simplement maintenant à la fabrication.