BMW révèle ses innovations IA pour l'efficacité de la production

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

Reconnaissance d'image automatisée : un axe majeur

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

Ainsi, l'application IA détecte les écarts par rapport au standard en temps réel et vérifie, par exemple, si toutes les pièces requises ont été montées et si elles sont montées au bon endroit.

Technologie rapide, fiable et facile à utiliser

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

Christian Patron, responsable de l'innovation, de la digitalisation et de l'analytique des données chez BMW Group Production : « L'intelligence artificielle offre un grand potentiel. Elle nous aide à maintenir nos normes de qualité élevées et libère en même temps nos collaborateurs des tâches répétitives. »

Remplacement des portails caméra fixes par des solutions flexibles

Au groupe BMW, des applications flexibles et rentables basées sur l'IA remplacent progressivement les portails caméra installés de façon permanente. La mise en œuvre est plutôt simple.

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

Création d'une base d'images pour réseau neuronal

Ainsi, ils créent une base de données d'images afin de construire un réseau neuronal, qui pourra ensuite évaluer les images sans intervention humaine.

Les employés n'ont pas à écrire de code ; l'algorithme le fait pratiquement tout seul. À l'étape d'entraînement, qui peut durer une nuit, un serveur haute performance calcule le réseau neuronal à partir d'environ 100 images, et le réseau commence immédiatement à s'optimiser.

Après un test et d'éventuels ajustements, la fiabilité atteint 100 %. Le processus d'apprentissage est terminé et le réseau neuronal peut désormais déterminer de lui-même si un composant répond aux spécifications.

Identification fiable même pour objets en mouvement

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 le long de toute la chaîne de processus automobile, y compris la logistique.

Soulagement des tâches répétitives

Dans de nombreux cas, la technologie IA libère 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'IA peut également effectuer des tâches d'inspection plus exigeantes

Dans la zone d'inspection finale de l'usine du groupe BMW à Dingolfing, une application IA compare les données de commande du véhicule 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 transmission intégrale 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 employés dans ces efforts. Ils peuvent juger au mieux à quelles étapes de production une application IA peut améliorer la qualité et l'efficacité. Nous gardons délibérément la configuration et la mise en œuvre de telles applications simples. Leur utilisation ne nécessite aucune compétence IT avancée. »

L'IA élimine les pseudo-défauts

À l'atelier de presse, des tôles planes sont transformées en composants de haute précision pour la carrosserie. Des particules de poussière ou résidus d'huile qui restent sur les composants après le formage peuvent facilement être confondus avec de très fines fissures, qui surviennent dans de rares cas pendant le processus.

Les précédents systèmes de contrôle qualité basés sur caméra à l'usine du groupe BMW à Dingolfing, en Allemagne, marquaient occasionnellement aussi ces pseudo-défauts : des écarts par rapport à la cible, même s'il n'y avait pas de défaut réel.

Avec la nouvelle application IA, ces pseudo-défauts n'apparaissent plus car le réseau neuronal peut accéder à environ 100 images réelles par caractéristique – c'est-à-dire environ 100 images du composant parfait, 100 images avec particules de poussière, 100 autres images avec gouttes d'huile sur le composant, etc.

Ceci est particulièrement pertinent dans le cas des cas limites visuels qui ont précédemment conduit à des pseudo-défauts.

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

Avant l'introduction de la solution IA, de tels résultats entraînaient des inspections manuelles complexes et d'autres séries de tests, jusqu'à des tests à chaud avec carburant.

Le logiciel d'analyse a été entraîné sur la base de nombreux tests enregistrés et a ainsi appris à distinguer les erreurs réelles des erreurs présumées.

L'IA « aux commandes » : intégration de l'IA aux systèmes de contrôle d'installation et de robots

La première application de contrôle IA intelligente du groupe BMW a fait ses débuts à l'usine de Steyr. Cette application accélère les processus logistiques en empêchant les transports inutiles de conteneurs vides sur les bandes transporteuses. À cette fin, les conteneurs passent par une station caméra.

En utilisant des données d'images marquées par les employés, l'application IA reconnaît si le conteneur doit être arrimé sur une palette ou si – dans le cas de grandes caisses stables – aucune fixation supplémentaire n'est requise.

Si aucun arrimage n'est requis, l'application IA dirige un conteneur par le chemin le plus court vers la station de retrait pour le chariot élévateur.

Les conteneurs qui doivent être fixés en plus, en revanche, sont guidés directement vers la section de convoyeur 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 de retrait pour gros conteneurs.

De là, les conteneurs nécessitant une fixation supplémentaire devaient être transférés – et n'atteignaient l'installation d'arrimage et enfin la station de retrait correcte qu'après ce détour.

Outre l'application à Steyr, l'IA est derrière de nombreuses autres innovations logistiques au groupe BMW. Elle soutient également la planification d'implantation virtuelle, qui crée des scans 3D haute résolution de bâtiments et d'usines.

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

Cela permet aux ingénieurs de retirer des objets individuels du scan 3D dans le logiciel de planification 3D et de les modifier individuellement, ce qui facilite la simulation et la compréhension des adaptations sur le terrain.

Tendance marquée vers les applications IA

Il existe déjà une tendance nette vers l'utilisation d'applications IA dans les usines du groupe BMW. L'intégration croissante d'analytique de données intelligentes, de technologie de mesure de pointe et d'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 du métal de soudure a giclé au même point de soudure sur plusieurs carrosseries.

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

Aux ateliers de peinture, l'IA et les applications analytiques offrent le potentiel de détecter les sources d'erreur à un stade si précoce que les erreurs peuvent à peine se produire : si aucune poussière n'adhère à la carrosserie avant la peinture en premier lieu, aucune n'a à être polie plus tard.