Exploiter l'IA et la robotique dans des systèmes multi-inspection pour une production sans défaut

INTELLIGENCE TERRAIN : Processus, Solutions et Stratégies Intelligents

Revolu le temps où la seule solution à l'erreur humaine était la correction humaine. En tant qu'ingénieurs aujourd'hui, nous avons accès à une technologie intelligente qu'aucune autre génération n'aurait pu imaginer.

Lorsqu'elles sont correctement configurées et appliquées, nous avons à portée de main la capacité d'utiliser l'intelligence artificielle (IA) et des techniques robotiques, intégrées à de multiples systèmes d'inspection, pour créer des produits sans défaut à un rythme efficace.

De multiples systèmes d'inspection dotés d'IA et de technologie robotique doivent être appliqués aux usines car le fait d'avoir plusieurs systèmes d'inspection permet une production de qualité et, en utilisant les données d'inspection, permet d'atteindre des processus de fabrication plus intelligents à l'avenir.

Plusieurs systèmes d'inspection permettent la collecte d'une quantité suffisante de données provenant de diverses sources pour atteindre un niveau de certitude de 99,99 % des données d'inspection.

L'inspection et la reprise sont souvent le goulot d'étranglement le plus coûteux pour tout système de production.

Ainsi, en disposant d'un tel système innovant, nous augmenterions considérablement le débit et réduirions les temps d'arrêt.

Les systèmes multi-inspection consistent en des bras robotiques augmentés par des capteurs suivant le glissement, la température et la vision, en plus des métriques de données robotiques régulières.

Les fabricants peuvent également inclure un drone équipé de périphériques de vision disposant d'un système de caméra multi-suivi avec cartographie thermique et classique.

Ces trois types d'inspection aboutissent à un système d'inspection intelligent et intégré capable d'analyser les événements de fabrication, de manière similaire à la façon dont les voitures autonomes analysent les conditions de route, afin d'informer le système de fabrication des réponses nécessaires pour assurer une production ininterrompue et sans faille.

Les données collectées par ces inspections sont ensuite fusionnées, en utilisant des techniques d'IA basées sur la connaissance/sémantique pour signaler les anomalies, proposer des scénarios de correction potentiels et récupérer des schémas de correction précédemment acquis dans l'archive.

Les données sont ensuite également utilisées pour enrichir la base de données d'apprentissage afin de prendre en charge de futurs scénarios de correction.

On peut imaginer que, sur la base de métriques détectées données, les drones peuvent être commandés dynamiquement pour effectuer certaines routines d'inspection.

La convergence de la robotique/drones et de l'IA/apprentissage automatique est la clé du succès – utiliser des systèmes innovants pour augmenter la productivité et réduire les coûts.

Application en laboratoire et perspectives

Ce concept de systèmes multi-inspection a été appliqué et mis en œuvre dans un laboratoire Future Factories à l'Université de Caroline du Sud.

Le laboratoire simule un environnement de l'industrie manufacturière du futur. Le système est utilisé pour imiter l'assemblage automatisé de pièces de fusée (représentatif de la façon dont nous construirions des fusées au prochain siècle).

Il est équipé d'une pléthore de capteurs intégrés à des algorithmes pour présenter instantanément au système de fabrication des scénarios pour surmonter les défauts actuels.

Un tel système d'inspection intégré peut être utilisé pour faciliter la production dans les environnements de fabrication discrets et continus.

Nous évaluons actuellement la mise en œuvre de ce système dans la fabrication automobile et pharmaceutique.

Les expériences actuelles menées en laboratoire nous rapprochent d'un système d'inspection plus complet, intégré de manière transparente aux techniques d'intelligence artificielle pour anticiper, mesurer, évaluer et contrôler les systèmes de production.

Ce travail pose les bases des usines du futur.