Les robots se chargent depuis longtemps déjà des mouvements physiques et des tâches répétitives. Tout va bien tant que votre atelier ne commence pas à ralentir, avec des matériaux en attente d’être chargés sur la machine, des pièces découpées qui s’entassent sans être triées et des opérations en aval à l’arrêt.
C’est là que l’IA peut entrer en jeu et, à terme, changer véritablement la donne. Que peut-elle apporter au processus ? La capacité à exploiter les données de production pour étayer les décisions. Comme Sheet Metal Industries , l’IA peut transformer « les données en pouvoir de décision », en utilisant les informations pour identifier les changements et améliorer les réponses. Cela peut sembler trivial, ou comme quelque chose qu’un opérateur expérimenté peut faire par simple instinct, mais ce n’est pas le cas.
L'automatisation est très utile lorsque le processus est prévisible. Tant que tout reste inchangé, vous n'aurez aucun problème. La situation se complique lorsque cette séquence change. Les commandes arrivent avec des priorités différentes, des machines tombent en panne, les matériaux sont retardés ou une opération en aval prend plus de temps que prévu. Un planning établi au début d'une équipe peut alors ne plus refléter la réalité de l'atelier quelques heures plus tard.
L'IA est capable d'identifier ces changements en temps réel et d'adapter votre planning en conséquence. Vos collaborateurs les plus expérimentés en sont également capables. Ce qu'ils ne peuvent probablement pas faire, c'est prédire quand et où des problèmes vont survenir. Une étude sur les applications de l’IA dans le domaine du formage de la tôle explique comment les données peuvent être utilisées pour identifier des tendances avant même que les écarts de processus ne deviennent visibles, permettant ainsi à la production d’évoluer vers un contrôle plus proactif.
La maintenance prédictive repose sur le même principe. Les données des capteurs, telles que les vibrations, la température ou les habitudes d'utilisation, peuvent révéler des changements avant qu'ils n'entraînent un arrêt imprévu, ce qui permet de planifier la maintenance plutôt que de la déclencher en réaction à une panne.
Il s'agit d'une transition d'une production réactive vers une production prédictive sans effort. Une évolution qui, jusqu'à présent, aurait davantage ressemblé à de la science-fiction ou à un vœu pieux qu'à une réalité.
En matière d'exemples, notre secteur s'y prête particulièrement bien, car il implique une succession d'activités étroitement liées : le stockage, l'imbrication, la découpe, le déchargement, le tri et la transformation ultérieure.
Et la découpe au laser elle-même rend ces relations encore plus évidentes. À mesure que les vitesses de découpe augmentent, le temps nécessaire pour charger la feuille suivante et retirer la précédente prend une importance considérable.
Quelle est la place de l'IA dans le processus de découpe proprement dit ? Les logiciels d'imbrication peuvent utiliser des algorithmes pour optimiser l'utilisation des matériaux. Les systèmes de surveillance permettent de détecter des conditions inhabituelles ou l'apparition de goulots d'étranglement. Le contrôle qualité en est un autre exemple. La vision assistée par IA permet d’analyser des images et de traiter des données pendant la production, plutôt que d’attendre que le lot terminé soit inspecté. Dans les applications de formage, des systèmes d’apprentissage automatique sont à l’étude pour prédire des défauts tels que les fissures, les plis, le retour élastique et l’amincissement excessif. Il en résulte un système dans lequel les machines individuelles sont moins isolées des opérations qui les entourent.
En tant que le souligne The Fabricator le souligne, un fabricant peut disposer d’équipements hautement productifs tout en subissant des pertes de capacité à d’autres maillons de la chaîne de production. C’est là que l’IA peut intervenir en faisant ce qu’elle fait le mieux : traiter d’énormes quantités d’informations en quelques secondes, ce que l’esprit humain n’est tout simplement pas capable de faire. Elle peut analyser les données relatives aux ventes et aux devis, ou exploiter les connaissances en matière de production pour faciliter l’établissement des devis et la conception technique. Cela élargit le concept de production connectée au-delà des seules machines. L’objectif est également de réduire les délais entre les phases commerciales, de planification et de production.
Bien sûr, la qualité de la contribution de l'IA dépend entièrement de la qualité des données que vous lui fournissez. Des données fragmentées ou mal organisées limitent la valeur que l'IA peut générer, quel que soit son niveau de sophistication (et son coût).
Les logiciels, les machines et les équipements de manutention doivent donc échanger correctement les informations, et les opérateurs ainsi que les techniciens doivent également bien comprendre les systèmes afin de pouvoir remettre en question leurs résultats lorsque cela s'avère nécessaire.
Le même principe s'applique à l'ingénierie. L'IA peut aider à repérer des détails qui auraient pu passer inaperçus ou à accélérer les tâches routinières, mais il revient toujours à des professionnels expérimentés de valider le résultat.
L'orientation générale ne consiste pas simplement à multiplier les robots ou à développer davantage l'IA. Elle vise à améliorer l'échange d'informations entre l'homme et la machine. C'est également ainsi que le NIST définit le développement de l’IA dans le domaine de la fabrication intelligente: les progrès ne dépendent pas uniquement des algorithmes, mais aussi de l’interopérabilité et de l’intégration.
Pour les fabricants de tôles, cela signifie que la valeur de l'IA sera de plus en plus évaluée à l'aune d'un critère concret : sa capacité à faciliter le flux des matériaux, des informations et des commandes tout au long du processus de production, en réduisant les interruptions.
