Vers une IA continue en temps réel pour les usines

TOKYO – Toutes les entreprises qui ont fait confiance à la « fabrication intelligente » promettent leurs espoirs pour l'IA.

Ce nouveau monde courageux nécessite un gros investissement dans des systèmes d'IA coûteux, ainsi que le coût de la mise en place d'une plate-forme « d'apprentissage » et de contact avec les fournisseurs de services cloud. Le grand plan commence par la collecte de données massives afin que la machine puisse apprendre et découvrir quelque chose d'inconnu auparavant.

C'est la théorie.

Dans le monde réel, cependant, de nombreuses entreprises trouvent l'IA difficile à mettre en œuvre. Certains accusent leur inexpérience en IA, ou une pénurie de data scientists internes de tirer le meilleur parti de l'IA. D'autres se plaignent de n'avoir pas été en mesure d'établir la preuve de concept de leurs systèmes d'IA installés. Dans tous les cas, les fabricants commencent à se rendre compte que l'IA n'est pas un accord « si vous la construisez, ils viendront ».

Entrez Renesas Electronics.

La société de puces japonaise revendique une position de leader sur le marché mondial de l'automatisation d'usine. Il propose « l'IA continue en temps réel » pour le monde de la technologie opérationnelle (OT). Cette approche contraste fortement avec « l'IA statistique », souvent présentée par les entreprises de Big Data pour promouvoir l'automatisation dans le monde des technologies de l'information (IT).

cliquez pour agrandir l'image

IA statistique pour l'informatique par rapport à l'IA continue pour l'OT (Source :Renesas)

Yoshikazu Yokota, vice-président exécutif et directeur général de l'unité commerciale des solutions industrielles chez Renesas, a déclaré à EE Times que l'IA intégrée est essentielle pour la détection des pannes et la maintenance prédictive dans l'OT. Lorsqu'une anomalie apparaît dans un système ou un processus donné, l'IA embarquée peut « prendre des décisions localement et en temps réel », a-t-il expliqué. Renesas a proposé l'idée de « l'IA aux points de terminaison » il y a trois ans et a commencé à l'expérimenter dans sa propre usine de semi-conducteurs Naka.

"Notre plan est de permettre l'inférence en temps réel dans l'OT, tout en augmentant progressivement les capacités d'IA aux points de terminaison", a déclaré Yokota.

Yoshikazu Yokota, vice-président exécutif de Renesas, prévoit de se concentrer sur l'offre d'inférence en temps réel dans l'OT. (Photo :EE Times)

En amenant l'IA à petits pas dans les usines, Renesas espère aider les clients qui ont actuellement du mal à terminer la preuve de concept sur leur propre mise en œuvre de l'IA et à comprendre leur retour sur investissement dans l'IA.

Quand appliquer l'IA à l'OT
Mitsuo Baba, directeur principal de la division stratégie et planification de l'unité commerciale Solutions industrielles de Renesas, nous a dit que l'IA peut être mieux appliquée à l'OT lorsque des problèmes spécifiques - dans les lignes de production par exemple - sont déjà identifiés.

Par exemple, supposons qu'il y ait un responsable opérationnel hautement qualifié et suffisamment expérimenté pour détecter certaines anomalies dans une usine. Au lieu d'envoyer ce responsable vérifier chaque étape du processus de fabrication, "Nous pourrions utiliser l'IA pour tracer la ligne et définir quand et où une situation anormale commence à apparaître pendant les défauts de production", a déclaré Baba. L'IA pourrait être l'œil vigilant surveillant la chaîne de production en continu, pour empêcher les petits défauts de passer à l'étape suivante de la production.

Dans un tel exemple d'automatisation d'usine, l'IA ne doit être formée qu'une seule fois en fonction de problèmes pré-identifiés. L'inférence de l'IA s'exécute sur les terminaux en temps réel, sans retourner dans le cloud. Baba a déclaré que 30 Ko de données sont généralement suffisants pour l'inférence de point final, par rapport à l'IA statistique qui effectue à la fois l'apprentissage et l'inférence, ce qui nécessite généralement le traitement de données pouvant atteindre 300 Mo dans le cloud.

En bref, Renesas préconise l'inférence d'IA qui peut être effectuée sur un MCU.

Plutôt que de remplacer les lignes de production existantes par de toutes nouvelles machines compatibles avec l'IA, ce qui serait coûteux, Renesas propose un kit « AI Unit Solution » qui peut être attaché à l'équipement de production actuel.

Baba a déclaré que Renesas n'avait pas l'intention de défier les sociétés de puces IA comme Nvidia. "Notre objectif est de diriger un nouveau segment de marché de l'IA embarquée, dans lequel les données requises pour l'inférence sont si petites qu'elles peuvent même fonctionner sur des MCU/MPU existants", a déclaré Baba.