BMW explique comment il utilise l'intelligence artificielle dans la production

L'intelligence artificielle (IA) est en plein essor dans la production automobile. Depuis 2018, le groupe BMW utilise diverses applications d'IA dans la production en série.

L'un des objectifs est la reconnaissance d'image automatisée :dans ces processus, l'intelligence artificielle évalue les images des composants de la production en cours et les compare en quelques millisecondes à des centaines d'autres images de la même séquence.

De cette façon, l'application AI détermine les écarts par rapport à la norme en temps réel et vérifie, par exemple, si toutes les pièces requises ont été montées et si elles sont montées au bon endroit.

La technologie innovante est rapide, fiable et, surtout, facile à utiliser.

Christian Patron, responsable de l'innovation, de la numérisation et de l'analyse des données chez BMW Group Production :« L'intelligence artificielle offre un grand potentiel. Cela nous aide à maintenir nos normes de qualité élevées et en même temps soulage nos employés des tâches répétitives."

Chez BMW Group, des applications flexibles et économiques basées sur l'IA remplacent progressivement les portails de caméras installés en permanence. La mise en œuvre est assez simple.

Une caméra mobile standard suffit pour prendre les photos pertinentes en production. La solution d'IA peut également être configurée rapidement :les employés prennent des photos du composant sous différents angles et marquent les écarts potentiels sur les images.

De cette façon, ils créent une base de données d'images afin de construire un soi-disant réseau de neurones, qui peut ensuite évaluer les images sans intervention humaine.

Les employés n'ont pas à écrire de code; l'algorithme le fait pratiquement tout seul. Au stade de la formation, ce qui peut signifier du jour au lendemain, un serveur hautes performances calcule le réseau de neurones à partir d'environ 100 images, et le réseau commence immédiatement à s'optimiser.

Après un essai et éventuellement quelques ajustements, la fiabilité atteint 100 %. Le processus d'apprentissage est terminé et le réseau de neurones peut maintenant déterminer de lui-même si un composant répond ou non aux spécifications.

Même les objets en mouvement sont identifiés de manière fiable, largement indépendamment de facteurs tels que l'éclairage dans la zone de production ou la position exacte de la caméra. Cela ouvre un large éventail d'applications potentielles tout au long de la chaîne de processus automobile, y compris la logistique.

Dans de nombreux cas, la technologie de l'IA soulage les employés de tâches répétitives et monotones telles que vérifier si le triangle de signalisation est au bon endroit dans le coffre ou si le capuchon d'essuie-glace a été mis en place.

L'intelligence artificielle peut également effectuer des tâches d'inspection plus exigeantes

Dans la zone d'inspection finale de l'usine BMW Group de Dingolfing, une application d'intelligence artificielle compare les données de commande de véhicules avec une image en direct de la désignation du modèle de la voiture nouvellement produite.

Les désignations de modèles et autres plaques d'identification telles que "xDrive" pour les véhicules à quatre roues motrices ainsi que toutes les combinaisons généralement approuvées sont stockées dans la base de données d'images.

Si l'image en direct et les données de commande ne correspondent pas, par exemple si une désignation est manquante, l'équipe d'inspection finale reçoit une notification.

Christian Patron :« Nous nous appuyons entièrement sur l'expérience et l'expertise de nos collaborateurs dans ces efforts. Ils peuvent mieux juger à quelles étapes de production une application d'IA peut améliorer la qualité et l'efficacité. Nous gardons délibérément la configuration et la mise en œuvre de ces applications simples. Leur fonctionnement ne nécessite aucune compétence informatique avancée.”

L'IA élimine les pseudo-défauts

Dans l'atelier d'emboutissage, les pièces plates en tôle sont transformées en composants de haute précision pour la carrosserie de la voiture. Les particules de poussière ou les résidus d'huile qui restent sur les composants après le formage peuvent facilement être confondus avec de très fines fissures, qui se produisent dans de rares cas au cours du processus.

Les précédents systèmes de contrôle qualité par caméra de l'usine BMW Group de Dingolfing, en Allemagne, marquaient aussi occasionnellement ces pseudo-défauts :des écarts par rapport à l'objectif, même s'il n'y avait pas de véritable défaut.

Avec la nouvelle application AI, ces pseudo-défauts ne se produisent plus car le réseau de neurones peut accéder à environ 100 images réelles par fonctionnalité - c'est-à-dire environ 100 images du composant parfait, 100 images avec des particules de poussière, 100 autres images avec des gouttelettes d'huile sur le composant , etc.

Ceci est particulièrement pertinent dans le cas des appels visuellement proches qui ont précédemment conduit à des pseudo-défauts.

L'usine de Steyr du groupe BMW et l'équipe d'analyse des données du groupe BMW travaillent également avec succès sur l'élimination des pseudo-défauts. Les irrégularités présumées dans la mesure du couple lors du test à froid du moteur s'avèrent souvent insignifiantes.

Avant d'introduire la solution d'IA, cependant, de tels résultats entraînaient des inspections manuelles complexes et d'autres tests, jusqu'à et y compris des tests à chaud avec du carburant.

Le logiciel d'analyse a été formé sur la base de nombreux tests enregistrés et a ainsi appris à faire la distinction entre les erreurs réelles et présumées.

IA "in control" :intégration de l'intelligence artificielle aux systèmes de contrôle des installations et des robots

La première application de contrôle intelligente par IA du groupe BMW a célébré sa première à l'usine de Steyr du groupe BMW. Cette application accélère les processus logistiques en évitant les transports inutiles de vides sur les bandes transporteuses. A cet effet, les conteneurs passent par un poste caméra.

À l'aide des données d'image stockées marquées par les employés, l'application d'IA reconnaît si le conteneur doit être arrimé sur une palette ou si - dans le cas de grandes boîtes stables - aucune sécurisation supplémentaire n'est nécessaire.

Si aucun arrimage n'est requis, l'application AI dirige un conteneur par le chemin le plus court vers la station d'enlèvement du chariot élévateur.

Les conteneurs qui doivent être sécurisés en plus, par contre, sont guidés directement vers la section de convoyage avec le système d'arrimage et seulement ensuite vers la station de retrait située derrière. Auparavant, tous les conteneurs devaient être transportés vers la station d'enlèvement pour les grands conteneurs.

De là, les conteneurs qui nécessitaient une sécurisation supplémentaire devaient être acheminés - et n'atteignaient l'installation d'arrimage et finalement la station de retrait correcte qu'après avoir pris ce détour.

Outre l'application à Steyr, l'IA est à l'origine de nombreuses autres innovations logistiques du groupe BMW. Il prend également en charge la planification de l'aménagement virtuel, qui crée des numérisations 3D haute résolution des bâtiments et des usines.

L'intelligence artificielle contribue finalement à la reconnaissance d'objets individuels dans le scan 3D, tels que des conteneurs, des structures de bâtiment ou des machines.

Cela permet aux ingénieurs de supprimer des objets individuels de la numérisation 3D dans le logiciel de planification 3D et de les modifier individuellement, ce qui facilite la simulation et la compréhension des adaptations en atelier.

Il existe déjà une nette tendance à utiliser des applications d'IA dans les usines du groupe BMW. L'intégration croissante de l'analyse intelligente des données, des technologies de mesure de pointe et de l'IA ouvre de nouvelles opportunités dans la gestion de la production.

À l'atelier de carrosserie, par exemple, les images de l'inspection finale peuvent montrer que le métal de soudure a été pulvérisé au même point de soudure sur plusieurs carrosseries.

Grâce à l'IA, la boucle de contrôle peut ainsi être fermée et les cycles de contrôle ou de maintenance du système peuvent être ajustés encore plus rapidement et plus efficacement.

Dans les ateliers de peinture, les applications d'intelligence artificielle et d'analyse offrent la possibilité de détecter les sources d'erreur à un stade si précoce que les erreurs ne peuvent presque plus se produire :si aucune poussière ne s'attache à la carrosserie de la voiture avant de peindre en premier lieu, aucune ne doit être polie plus tard.