Alerter en amont les défauts de consommation pour éviter les risques de pannes.

Prédiction. L’intelligence artificielle au service de la productivité

Dans l’industrie, les arrêts de production sont synonymes de pertes sèches de productivité et d’exploitation. Anticiper et prédire des contextes ou des situations qui généreraient des pannes et des arrêts au mieux de les éviter, à moins de les anticiper pour minimiser leurs impacts opérationnels et financiers. C’est le rôle de Probayes, spécialisé dans les solutions algorithmiques intelligentes de permettre d’anticiper ou de prédire des contextes ou des situations défavorables auxquelles l’entreprise peut être exposée.

Interview croisée de Pierre Guérin,
Responsable Commercial Industrie
et Alban Bronisz, Data Scientist.
Probayes

 

Quelle est l’utilité des outils de prédiction dans l’industrie ?

Pierre Guérin : Par le biais de l’Intelligence Artificielle, Probayes apporte une meilleure maîtrise et une meilleure gestion de l’incertitude qui règne autour de comportements ou de situations complexes générateurs de situations non désirées. Il s’agit aussi d’identifier des facteurs d’influence qui ne sont pas forcément prégnant, ou complexes à analyser.

« En se basant sur l’analyse et la modélisation de signaux capteurs, l’Intelligence Artificielle permet de mieux gérer des situations engendrées par des causes parfois complexes, difficilement identifiables, peu détectables et dont les conséquences peuvent impacter de façon significative, l’organisation de la production. »

Alban Bronisz : Notre force repose sur la capacité d’apprentissage des modèles algorithmiques qui eux se basent sur des données multifactorielles. Les prédictions s’appliquent ainsi à l’ensemble des secteurs industriels : automobile, logistique, banque, finance, santé.

Comment l’intelligence artificielle se transforme en outil d’aide à la décision ?

Pierre Guérin : Les industriels sont très pragmatiques. Il ne suffit pas de prédire ce qu’il va arriver de façon probabiliste, il faut aussi savoir expliquer le « raisonnement algorithmique » qui a amené à l’obtention de ces résultats ; avec des facteurs d’influence « métier » interprétables par les utilisateurs finaux. Des signaux faibles peuvent aussi être détectés, parfois précurseurs de situations non désirées et possiblement impactantes. Notre rôle est donc d’abord de prédire, ensuite d’expliquer et lorsque cela est possible, de prescrire pour indiquer les leviers sur lesquels il est nécessaire d’agir, afin de mieux piloter les comportements et situation à venir.

Vous avez développé une solution de maintenance prédictive qui permet de contrôler la consommation énergétique des industries notamment. Pouvez-vous nous en parler ?

Alban Bronisz : En effet, EasymAInt a été développé en partenariat avec la start-up grenobloise gulplug et lancée sur le marché, en phase de démonstration, en 2020. Cette solution de maintenance prédictive intervient sur des équipements industriels et identifie les possibles défauts et problèmes le plus tôt possible. Il s’agit de modéliser des données vis-à-vis des comportements d’un outil de production, comme la consommation énergétique et la température. Le capteur, produit par notre partenaire Gulplug, sont des simples pinces qui entourent les câbles d’alimentation des machines. Les données sont ensuite agrégées sur une plateforme en ligne.Une première fonctionnalité permet de décomposer le signal de consommation énergétique pour en apporter une analyse fine, qu’il s’agisse de la production d’un produit A ou B ou simplement d’un arrêt de production. Une seconde fonctionnalité s’intéresse aux détections d’erreurs afin de faire remonter les alertes. Par exemple, il a été possible de détecter les anomalies d’une climatisation, ce qui a permis d’éviter la surchauffe et la panne qui auraient pu entraîner l’arrêt total d’une salle de serveurs.

Pour simplifier la prise en main, la plateforme web est simple et intuitive et la configuration réduite à deux paramètres optionnels.

Pierre Guérin : La solution est déployée au sein d’une usine Schneider, de l’école d’ingénieurs Ense3 à Grenoble et d’une plateforme Colissimo La Poste en Isère. Nous travaillons à étendre les cas d‘usage, en intégrant d’autres signaux, de mesures d’humidité ou de niveau sonore par exemple, et sommes actuellement en discussion avec une entreprise de traitement des eaux et un ascensoriste pour de nouveaux déploiements.« En se basant sur l’analyse et la modélisation de signaux capteurs, l’Intelligence Artificielle permet de mieux gérer des situations engendrées par des causes parfois complexes, difficilement identifiables, peu détectables et dont les conséquences peuvent impacter de façon significative, l’organisation de la production. »