Predictive Maintenance

Il est difficile d’obtenir des chiffres officiels sur les temps d’arrêt des robots de production – en même temps, ces chiffres varient fortement, de sorte qu’il est difficile de se faire une idée réaliste des coûts d’arrêt qui en résultent. Nous connaissons toutefois de manière fiable les coûts d’immobilisation dans l’industrie automobile, qui s’élèvent chaque année à des millions d’euros par entreprise.

Des modèles de maintenance rigides sont à l’ordre du jour

Les fabricants de robots font face à ce problème avec des modèles de maintenance plus ou moins rigides. Actuellement, les modèles correctifs ou préventifs sont courants (les maintenances correctives ponctuelles entraînant une usure plus rapide). Dans la pratique, on constate que les robots ne sont souvent entretenus que lorsqu’ils ont besoin d’être réparés, que le nombre d’heures de fonctionnement l’exige ou que la maintenance est effectuée de manière préventive sans tenir compte de l’état de la machine.

Les fabricants de robots ont déjà réagi à cette problématique et ont souvent mis en place des systèmes de surveillance de l’état des machines. L’état actuel d’une machine permet de prédire les besoins futurs en matière de maintenance. Toutefois, les prévisions restent relativement vagues. En fin de compte, la surveillance des conditions n’est qu’une maintenance préventive affinée. Pourtant, le chemin vers la maintenance prédictive n’est pas si long.

Collecte de données : « Beaucoup aide beaucoup » – mais comment transmettre ?

Le problème central pour l’évaluation de l’état futur des machines devrait être la disponibilité des données. En effet, une observation en profondeur des données de vibration, par exemple, génère souvent une grande quantité de données qui ne peuvent guère être transmises via l’infrastructure réseau. D’autre part, de nombreuses machines sont encore surveillées par quelques capteurs, parfois peu performants, qui ne saisissent qu’un spectre partiel des données. Mais contrairement à de nombreux autres domaines de la vie, le principe du « beaucoup aide beaucoup » s’applique à la collecte de données – ainsi, plus il est possible d’utiliser de données pour la surveillance, plus il est possible de tirer des conclusions fiables sur l’état futur de la machine.

Cette difficulté est aujourd’hui généralement surmontée à l’aide de solutions dites « edge ». Un algorithme ou une IA tente de filtrer la partie pertinente des données et de ne transmettre que celle-ci à la commande, où l’évaluation proprement dite a lieu – et nécessite toujours une grande puissance de calcul (coûteuse).

Une plus grande précision à moindre coût

Si l’on veut donc pousser la fiabilité des robots à un niveau proche de zéro tout en réduisant les coûts, l’évaluation des données des capteurs à l’endroit où elles sont produites s’impose. Cela est possible depuis quelques années grâce aux performances croissantes des semi-conducteurs, sur lesquels une IA « embarquée » fonctionne grâce à des procédés spéciaux très développés. De tels capteurs IA embarqués ne transmettent plus que le résultat de l’évaluation et réduisent ainsi le volume de transmission à un minimum. Mais en même temps, la capacité de traitement de très grandes quantités de données augmente, ce qui permet une évaluation nettement plus approfondie et plus précise. Cela permet non seulement d’identifier le degré d’usure actuel (Condition Monitoring), mais aussi de faire des prévisions précises sur la durée de vie d’un composant ou même de l’ensemble de la machine (Predictive Maintenance). Par rapport à l’algorithmique, l’IA présente l’avantage de pouvoir identifier des événements complexes et autrement imprévisibles en tant qu’anomalies et de déclencher les actions correspondantes.

L’IA embarquée ne présente pas seulement l’avantage d’une analyse approfondie des données, mais aussi celui d’une réduction des coûts en raison de la faible consommation de ressources. Il y a donc nettement plus de performance pour moins d’argent. Et des prévisions précises concernant une panne imminente rendent le service plus flexible, plus rapide et moins coûteux. Les intervalles de maintenance sont remplacés par une stratégie de service efficace. Il en résulte une situation gagnant-gagnant pour le fabricant et le client.

Au lieu d’un système modulaire : développement spécifique au client et au cas d’utilisation

Les capteurs dotés de l’IA sont développés en tant que « composants de système IA embarqués » en fonction des besoins du client. Il s’agit toujours d’un cas d’utilisation concret pour lequel l’IA et la platine du capteur peuvent être développées et fabriquées en série par la suite. De tels composants système sont conçus de manière à établir la connectivité avec le bus utilisé (Can, Lin, etc.). Outre le développement de l’IA et de l’électronique, on recherche également l’espace de montage adéquat où les capteurs peuvent être placés de manière optimale. Par rapport aux systèmes modulaires d’IA disponibles sur le marché, de tels systèmes ont une nette longueur d’avance.

De tels composants permettent par exemple de surveiller les entraînements, les articulations, les engrenages, les roulements ou encore les entraînements hydrauliques au moyen de vibrations, d’ultrasons ou de lasers. Les lasers conviennent également lorsque le capteur ne peut être placé qu’à l’extérieur du robot. Des cas d’utilisation complexes peuvent nécessiter l’utilisation de plusieurs capteurs (fusion de capteurs).

Mieux saisir

Mais l’IA embarquée offre encore d’autres possibilités d’utilisation dans la robotique : la collaboration peut être améliorée à l’aide de la commande gestuelle ou vocale ; les solutions de reconnaissance des personnes assurent une meilleure sécurité sans toucher aux questions de protection des données. L’IA embarquée permet également d’améliorer les actionneurs et les outils. Ainsi, les préhenseurs peuvent être équipés de capteurs de pression qui peuvent donner un feedback en temps réel pour savoir si ton objet a été correctement saisi.

La société AITAD GmbH d’Offenburg se concentre sur le domaine encore jeune de l’IA embarquée et est le seul fournisseur mondial de cette technologie dans tous les secteurs. Une équipe interdisciplinaire y développe des modèles d’IA et des composants électroniques qui garantissent une plus grande sécurité (en cas de panne). Les compétences centrales sont la maintenance prédictive, l’interaction avec l’utilisateur et les innovations fonctionnelles.