Voilà plusieurs décennies que l’intelligence artificielle fait rêver mais
sans toutefois, avoir jamais débouché sur des solutions concrètes et
pérennes. Le japonais Omron profite de sa maîtrise de l’informatique
industrielle, de l’automatisation et de la robotique pour prendre une
longueur d’avance dans le secteur du conditionnement.
Sous une cellule robotisée de remplissage de flacons qui pourrait aussi bien intéresser les industriels
de l’agroalimentaire que ceux de la
pharmaceutique ou de la cosmétique,
se dissimule un PC industriel comme
dans la majorité des machines du même
type. Mais dans cette cellule, conçue
par Omron et que ce spécialiste nippon
de la robotique, a pour la première fois,
exposée en 2018 à la Foire de Hanovre, se
dissimule un second contrôleur qui dote
l’ensemble de capacités radicalement
nouvelles issues de l’intelligence
artificielle (IA).
Ce contrôleur particulier surveille
de manière continue, les schémas
opérationnels en s’appuyant sur
les signaux et les données qui sont
produits de manière classique par la
cellule pendant son fonctionnement.
En déterminant et en actualisant ces
schémas opérationnels, le contrôleur
qui s’appuie sur l’IA, est en mesure de
détecter de légères dérives des signaux.
En parallèle, il effectue des corrélations
complexes entre les données de manière
continue, ce qu’aucun programmeur ne
saurait faire accomplir à un automate
industriel avec autant de simplicité et de
fiabilité.
L’idée consiste à détecter qu’une
erreur va se produire dans le processus
de remplissage. Par exemple, la buse distribuant le produit à conditionner
peut rater le goulot du prochain flacon
de quelques millimètres, avec pour
conséquence que des projections
souillent l’extérieur du conteneur ou
qu’il soit endommagé par le choc, voire
que le liquide se répande à l’extérieur en
éclaboussant la machine. Dans pareil cas,
il faut interrompre le fonctionnement de
la cellule de remplissage, remplacer le ou
les flacons concernés et parfois même,
nettoyer la machine.
Le contrôleur mettant en œuvre le
processus d’intelligence artificielle, a été
entraîné à réagir aux situations qui ne se
déroulent pas à l’intérieur d’un continuum
de conditions identifiées comme
normales. Dans pareil cas, l’IA arrête le
processus de remplissage avant même
qu’il ne débute, laissant passer un ou
même, deux flacons vides, avant de laisser
la machine reprendre les opérations dès
que les paramètres sont revenus à la
normale.
Sur la machine de démonstration créée
par Omron, il est possible de générer
des incidents tels qu’il s’en produit sur
une ligne de remplissage réelle. Il est
possible de reproduire, une tension
anormale de la courroie principale ou
des frottements mécaniques comme
lorsqu’une personne ou un objet touche
le dispositif d’entraînement. Le contrôleur
du programme d’IA identifie que les
signaux sont sortis de la zone de confort
opérationnel et réagit sans attendre…
DES REPÈRES VISUELS
POUR LES OPÉRATEURS
Un grand écran placé immédiatement
au-dessus du robot Scara permet comme
souvent, de suivre les opérations. Sur
la partie droite, une projection cubique
symbolise le continuum opérationnel
de la machine. A chaque remplissage,
le contrôleur exécutant le programme
d’intelligence artificielle positionne un
point à l’intérieur du cube symbolique :
un point blanc indique que l’opération
s’est déroulée à l’intérieur de la zone de
confort alors qu’un point rouge indique
que l’opération a été bloquée.
On constate ainsi visuellement la distance
symbolique qui sépare les opérations
normales de celles qui ont été rejetées. La
zone de confort a été calculée en amont
par le contrôleur, soit en lui fournissant
un échantillon de signaux préenregistrés
au cours de phases de travail préalables
de la machine de conditionnement, soit
par auto-entraînement sur la cellule elle-même.
La cellule ainsi dotée d’une intelligence
artificielle est donc, capable de reconnaître
que des schémas opérationnels sont
situés hors de la zone normale de travail
en s’appuyant sur un entrelac complexe et
unique de signaux et de paramètres et qui
peut ne jamais se reproduire. Le schéma
n’en est pas moins identifié comme situé
hors de la zone de travail acceptée, ce
qui aboutit à interdire au robot Scara
d’approcher la buse de remplissage du
flacon concerné.
Et le système ne se contente pas de
détecter des situations anormales
ponctuelles. En simulant, un défaut
d’entraînement plus régulier comme
l’excentricité d’une poulie ou d’un
galet, l’entrelac des signaux et des
paramètres de fonctionnement entre
et sort successivement de la zone de
confort. Le contrôleur d’IA va alors réagir
en interdisant, quelques remplissages
avant de réautoriser des cycles complets,
puis revenir à des blocages, etc., aussi
longtemps que la situation perdure. En
parallèle, le cube symbolique sur l’IHM va
se couvrir de points rouges et de points
blancs au fil des opérations, la cellule
fonctionnant alors en mode dégradé
mais sans qu’un incident de nature à
interrompre la production survienne.
D’UNE SÉRIE À L’AUTRE…
Le système constitué par le contrôleur d’IA et le PC industriel
qui règle le fonctionnement du robot Scara n’a rien de figé. Il
est possible de passer du remplissage d’une série de flacons
au remplissage de bouteilles plus volumineuses imposant un
défilement plus lent ou, au contraire, assurer le remplissage de
conteneurs de faible volume comme des éprouvettes ou des
fioles et ce, à une cadence évidemment plus soutenue.
Le procédé d’auto-apprentissage par échantillons qualifiants
une zone de confort peut être reproduit autant de fois que
nécessaire, afin d’encadrer différents types de lots et ce,
quelle que soit la forme des récipients ciblés. Le contrôleur
d’IA peut donc déterminer et mémoriser de nouveaux groupes de schémas opérationnels dès lors que les contenants et les
liquides qui leur correspondent sont couverts par les capacités
de la cellule de remplissage.
Confronté à un nouveau type de production, le contrôleur d’IA
va à nouveau déterminer l’entrelac de signaux et de données
issus de la cellule et qu’il acceptera comme recevables pour
la réalisation de la tâche, sans passer par une programmation
complexe par croisements conditionnels, ainsi qu’il est habituel
de procéder dans l’automatisation.
Le PC industriel d’automatisation et le contrôleur d’IA
constituent une solution dite, de edge computing qui par sa
proximité avec la cellule de production, est en mesure d’opérer
un suivi en temps réel. Cette approche de l’informatique
complète le cloud computing qui déporte les traitements
à l’extérieur de l’appareil de production. Le cloud peut par
exemple, collecter les échantillons et mémoriser sur le long
terme, des schémas opérationnels de plus en plus affinés avec
le temps. La solution de edge computing reçoit ces schémas
opérationnels qui lui permettent d’avoir une maîtrise de plus
en plus précise de la zone de confort qualifiant une production
donnée.
Le japonais Omron table sur le déploiement d’une dizaine
de machines de ce type dans les mois qui viennent, sachant
que deux cellules sont déjà opérationnelles sur des sites plus
spécifiquement tournés vers la recherche, notamment en
Allemagne.
