Nous suivre Industrie Techno

abonné

[Dossier IA] Ces industriels qui transforment l'essai

Kevin Poireault
Soyez le premier à réagir

Soyez le premier à réagir

[Dossier IA] Ces industriels qui transforment l'essai

Qu’il s’agisse d’automatiser la gestion des stocks, d’éviter les collisions entre ouvriers et engins mobiles sur un chantier ou encore de contrôler la qualité des composants en temps réel sur la chaîne de production, nombre d’industriels se tournent vers l’IA et les algorithmes. Aujourd’hui, passé la phase de test, ces industriels pionniers commencent à déployer ces solutions dans leurs usines.

Le contrôle qualité de surfaces complexes se dope au deep learning

L’une des plus évidentes applications de l’IA dans l’industrie ? La vision pour le contrôle qualité. Pas toujours nécessaires pour des pièces simples, les réseaux de neurones, rois de la reconnaissance d’images, prennent tout leur sens pour examiner des surfaces complexes ou des matériaux granuleux. Michelin a été conquis par la start-up grenobloise Neovision, découverte il y a un an et demi lors d’une journée open innovation destinée à trouver la solution optimale pour améliorer le contrôle des défauts des pneus d’avion de sa filiale aviation. Neovision lui a proposé de développer des algorithmes de reconnaissance d’images fonctionnant grâce à des réseaux de neurones.

Emballé, le fabricant de pneumatiques avait néanmoins exigé que la solution soit mobile et utilisable par tous ses techniciens de maintenance, quel que soit leur niveau d’expérience. Ensemble, ils ont donc développé une application de contrôle intégrée dans les smartphones des opérateurs Michelin et destinée à être utilisée « uniquement dans un environnement contrôlé, sur le tarmac ou ailleurs », indique Lucas Nacsa, le PDG de Neovision. Une fois la photo prise et envoyée dans l’application, les opérateurs accèdent à la procédure de maintenance à suivre en fonction du dommage et chaque image est envoyée dans le cloud pour alimenter l’apprentissage des algorithmes.

Scortex, une autre start-up française, concentre son expertise en reconnaissance d’images dans le secteur automobile. Depuis 2019, elle développe pour un sous-traitant français un système de vision hybride – mi-cloud, mi-local (edge) – destiné à contrôler en temps réel des pièces en plastique chromé. « Nos stations d’inspection sur la ligne de production récoltent et analysent les images localement et notre infrastructure cloud centralise les données et permet l’apprentissage », indique son PDG Aymeric de Pontbriand. En raison de la complexité des surfaces contrôlées – due à la texture pneumatique et au chromage –, « un taux important de défauts échappent aux solutions classiques de contrôle visuel ». Le deep learning s’est révélé plus efficace.

Grâce à lui, « nous sommes capables d’affiner les résultats en analysant les variabilités intra-classes et inter-classes, c’est-à-dire d’identifier un dommage en fonction de son degré de différence avec un autre et de sa similarité avec un troisième », détaille Lucas Nacsa. Les deux start-up, dont les solutions sont en phase de déploiement chez leurs clients, admettent qu’il leur reste un défi : diminuer le nombre de faux positifs. 

Une logistique améliorée en quelques mois par la recherche opérationnelle

Transporteur de cars scolaires, auto-école, carrossier, concepteur de boîtiers GPS pour autocars… Le groupe Transarc est tout ça à la fois. Pour autant, « nous gérions les tournées de nos cars à la main, en regardant sur Google maps », admet Damien Rameau, le PDG de cette société familiale située à Dijon. Du moins jusqu’en octobre 2017, quand ce dernier contacte Neovision, avec un besoin précis en tête : limiter le kilométrage à vide, soit les trajets de ses cars sans passagers.

Après six mois de travail à partir de l’ERP de Transarc, la start-up lui a fourni une solution logicielle pour optimiser les tournées de ses cars grâce à des algorithmes de recherche opérationnelle, une méthode d’aide à la décision qui modélise des situations complexes en fonction de contraintes prédéfinies, puis propose les choix optimaux.

De son côté, la start-up Vekia mène depuis deux ans un travail d’automatisation de la gestion des stocks pour Engie Home Services, grâce à plusieurs algorithmes de recherche opérationnelle et de machine learning (random forest, clustering, régression linéaire,[…]

Pour lire la totalité de cet article, ABONNEZ-VOUS

Déjà abonné ?

Mot de passe perdu

Pas encore abonné ?

vous lisez un article d'Industries & Technologies N°1030

Découvrir les articles de ce numéro Consultez les archives 2020 d'Industries & Technologies

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Classement des écoles d’ingénieurs, hydrogène, France Industrie, le best-of de la semaine

Classement des écoles d’ingénieurs, hydrogène, France Industrie, le best-of de la semaine

Cette semaine, vous êtes nombreux à avoir consulté notre classement 2020 des écoles d’ingénieurs, qui met[…]

Pour bien commencer la semaine, le projet Hygéo pour stocker de l’hydrogène vert à 700 m sous terre

Pour bien commencer la semaine, le projet Hygéo pour stocker de l’hydrogène vert à 700 m sous terre

Relance verte et soutien à l’innovation, points clés du plan de relance proposé par France Industrie

Relance verte et soutien à l’innovation, points clés du plan de relance proposé par France Industrie

Tests Covid-19 de Bio-Rad, Global Industrie, jumeau numérique et Li-ion, le best-of de la semaine

Tests Covid-19 de Bio-Rad, Global Industrie, jumeau numérique et Li-ion, le best-of de la semaine

Plus d'articles