Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
L'apprentissage machine porte les processus industriels à un nouveau niveau
{{{sourceTextContent.subTitle}}}
Aujourd'hui, les technologies d'apprentissage machine et d'intelligence artificielle aident à résoudre certains des plus grands problèmes auxquels sont confrontées les entreprises dans l'ensemble du spectre industriel
{{{sourceTextContent.description}}}
En augmentant l'efficacité et la production dans des domaines tels que la maintenance et la réparation prédictives, la détection des défauts et l'optimisation des chaînes d'approvisionnement, ils commencent également à avoir un impact sur les systèmes automatisés.
Dans un monde de plus en plus numérisé et hyper-connecté, presque toutes les entreprises génèrent et collectent des données. Des algorithmes d'apprentissage machine (ML) toujours plus sophistiqués peuvent analyser ces données pour faire des prédictions et affiner les processus. Combiné à d'autres technologies de pointe telles que l'IdO, cela aide les fabricants à prendre pied dans la révolution industrielle 4.0 d'aujourd'hui.
L'IA est l'un des temps forts de la Foire de Hanovre de cette année. Pour Marc Siemering, Senior Vice President - Industry, Energy, Logistics for trade show organizer Deutsche Messe AG,
La connectivité est essentielle pour les nouveaux modèles d'affaires, comme le nombre croissant de personnes qui bénéficient maintenant de l'application de la ML et de l'IA.
Systèmes intelligents
Bon nombre des algorithmes de blanchiment d'argent axés sur l'industrie actuellement en cours de développement sont itératifs. "Apprentissage" à très grande vitesse, ils peuvent ajuster les systèmes et fournir des solutions optimales en quelques secondes.
Mindsphere est un système d'exploitation IoT ouvert, basé sur l'intelligence artificielle et basé sur les nuages, lancé plus tôt cette année par Siemens. Il offre des avantages allant de la maintenance prédictive améliorée à l'optimisation en temps réel des systèmes et des installations. Pour Paul Hingley, directeur commercial des services de données chez Siemens Digital Factory UK,
En reliant les produits, les usines, les systèmes et les machines, Mindsphere permet aux utilisateurs d'analyser la richesse des données générées par l'IdO à l'aide d'analyses intelligentes, améliorant ainsi l'efficacité globale des équipements.
Mindsphere peut même être utilisé sur des systèmes plus anciens en attachant des capteurs et des nœuds de communication aux moteurs et aux systèmes de transmission. Il a été utilisé dans des industries aussi diverses que les réseaux électriques (pour classer et localiser les perturbations) et les parcs éoliens (pour optimiser la position des turbines en fonction des données météorologiques).
Avancement de l'automatisation
ML et AI ont déjà été appliquées dans des applications industrielles allant de la reconnaissance vocale à la gestion de l'énergie. En robotique, ML est actuellement employée dans deux domaines principaux : optimiser les performances et améliorer la fiabilité tout en permettant aux robots de détecter leur environnement et d'y répondre.
Le système Ability Connected Services du fabricant de robots ABB en est un exemple. Il utilise des analyses avancées basées sur les nuages pour examiner la performance de robots individuels ou de grappes de robots entières et identifier ceux qui sont sous-performants ou qui nécessitent une maintenance.
Hui Zhang, responsable de la gestion des produits chez ABB Robotics, explique :
Cela permet aux clients d'éviter le coût élevé des temps d'arrêt non planifiés. Pendant la durée de vie d'un robot, cela peut se traduire par des économies importantes.
Aujourd'hui, de nombreux bras robotiques sont contraints à une amplitude de mouvement très limitée. A l'avenir, ML aidera à développer des algorithmes de contrôle de mouvement pour des tâches complexes et plus variées.
Combinés au cloud computing, les algorithmes sont capables de calculs très complexes. Pourtant, nous n'avons toujours pas de moteur ML générique capable de résoudre les problèmes de la même manière que le cerveau humain.
Du nuage au cobot
Dans la plupart des cas, les systèmes de LM et d'AI destinés à l'industrie sont basés dans le cloud. Pourtant, Skymind, une startup basée à San Francisco, travaille actuellement à l'intégration directe de ML dans les robots.
L'an dernier, l'entreprise a lancé SKIL Somatic, une boîte à outils logicielle qui permet aux robots de reconnaître visuellement leur environnement en utilisant un type de ML connu sous le nom de réseau neuronal convolutionnel, ou CNN. Il combine ceci avec une technique appelée apprentissage de renforcement, qui utilise l'IA pour permettre au robot d'accomplir des tâches spécifiques par essais et erreurs dans un environnement simulé.
SKIL Somatic fonctionne d'abord dans le nuage, où les données recueillies par les robots sont utilisées pour générer des algorithmes ML. Ceux-ci sont ensuite automatiquement réintégrés dans les robots. Cela signifie que des cobots plus intelligents (robots collaboratifs) peuvent travailler plus efficacement et en toute sécurité aux côtés des humains.
Edward Junprung, le responsable du marketing de Skymind, insiste :
Nous aidons maintenant un nombre croissant d'entreprises à produire de l'IA.
Le logiciel Skymind est open source, ce qui signifie que les développeurs ont déjà commencé à intégrer les outils ML de l'entreprise dans des dispositifs robotiques tels que les drones. L'entreprise s'est également associée au géant technologique japonais SoftBank pour accroître l'intelligence de robots industriels relativement " muets ", tels que ceux utilisés pour la préparation de commandes en entrepôt.
{{medias[114541].description}}