Technologies
Intelligence Artificielle
Des machines plus intelligentes et pensantes pour qu’elles agissent comme des humains
Depuis plus de 30 ans, nos systèmes de contrôle qualité automatisés et nos bancs de test prennent des décisions pour garantir un contrôle performant. Aujourd'hui, les technologies évoluent et les attentes sont plus élevées : nous ne voulons plus programmer les machines, nous voulons qu'elles apprennent d'elles mêmes. C'est l'Intelligence Artificielle.
Tout le monde parle de l'Intelligence Artificielle, mais en fait c'est quoi ?
Est-ce vraiment possible de réaliser du contrôle qualité à 100% sans risque d'erreurs avec cette technologie?
Logiciels QMTMesureUn sujet à la mode mais souvent mal compris
Des concepts technologiques modernes tels que l'intelligence artificielle (AI), le Machine Learning (ML), le Deep Learning (DL) et la science des données (DS) sont devenues des sujets à la mode dont tout le monde parle mais peu de personnes en comprennent vraiment la signification et les différences.
Nous résumons ici ces concepts pour mieux en expliquer les potentiels. L'intérêt principal de l'intelligence artificielle est de transmettre l'intelligence humaine aux machines. Elle vise à rendre les machines plus intelligentes et pensantes pour qu’elles agissent comme des humains. Les voitures et les robots autonomes sont les meilleurs exemples de l'AI.
Le Machine Learning est un sous-ensemble de l'AI qui se concentre exclusivement sur des prédictions basées sur les expériences. Il permet à la machine de prendre une décision basée sur les données plutôt que de programmer explicitement l'exécution d'une tâche spécifique. Les algorithmes de ML sont conçus de manière spécifique, apprenant et s’améliorant avec le temps. Il y a 3 types de ML, à savoir
- Machine Learnig avec apprentissage (semi-) supervisé
- Machine Learnig non-supervisé
- Machine Learnig par renforcement
Le Deep Learning est une approche d’apprentissage via des réseaux de neurones. Les réseaux de neurones artificiels sont inspirés des neurones du cerveau humain. Ils sont constitués de plusieurs neurones artificiels connectés entre eux. Plus le nombre de neurones est élevé, plus le réseau est « profond ». Au sein du cerveau humain, chaque neurone reçoit environ 100 000 signaux électriques des autres neurones. Chaque neurone en activité peut produire un effet excitant ou inhibiteur sur ceux auxquels il est connecté. Au sein d’un réseau artificiel, le principe est le même. Les signaux voyagent entre les neurones. Toutefois, au lieu d’un signal électrique, le réseau de neurones assigne un certain poids à différents neurones. Un neurone qui reçoit plus de charge exercera plus d’effet sur les neurones adjacents. La couche finale de neurones émet une réponse à ces signaux. La science des données est un terme multidisciplinaire désignant tout un ensemble d'outils et de techniques de traitement de données et de développement d'algorithmes permettant de résoudre des problèmes analytiques complexes. Initialement, l'objectif est d'identifier les tendances cachées dans les données brutes afin d'aider à améliorer des performances.
La science des données est un terme multidisciplinaire désignant tout un ensemble d'outils et de techniques de traitement de données et de développement d'algorithmes permettant de résoudre des problèmes analytiques complexes. Initialement, l'objectif est d'identifier les tendances cachées dans les données brutes afin d'aider à améliorer des performances.
Il est important de noter la nécessité d'un grand volume de données pour mettre en oeuvre de manière performante l'IA. Il y a donc un lien très serré entre l'IA et le Big Data. L'utilisation d'un DataLake en combinaison avec un système IA est particulièrement adaptée (cf article DataLake)
Une mise en oeuvre pragmatique et réaliste
qmt offre des solutions et systèmes mécatroniques multi-inspection (M2IS) pour le contrôle qualité et le test et nous nous engageons à proposer les meilleures technologies pour répondre au besoin du client. En ligne avec cette stratégie, nous offrons des solutions basées sur l’Intelligence Artificielle et la valorisation de données intégrées dans nos solutions.
L’AI intégrée par qmt ne remplace pas l’humain mais l’assiste. Pour cela, la machine se charge des tâches répétitives, à volume important. L’humain a ainsi plus de temps et de moyens pour le contrôle et le test à valeur ajoutée. Le but est de valoriser le travail par l’humain, de minimiser les rebuts et d’apporter des éléments pour l’amélioration continue des processus à travers le test et le contrôle qualité.
Quand un besoin de notre client peut potentiellement être répondu par une approche basée sur l’AI, nous abordons le défi en suivant la checklist AI de qmt. Nous tentons de répondre aux questions suivantes avec notre client. Est-ce que la tâche est :
- Intensivement manuelle
- A volume important
- Structurellement répétitive
- de régression ou de classification
- Avec un succès mesurable ?
Si les réponses sont positives à ces questions, nous définissons le cahier des charges et les moyens de mesure du succès ensemble avec le client. Pour la conception et la réalisation de la solution, nos experts peuvent se faire assister par nos partenaires pour offrir la meilleure solution.
Digital Guardian est un dispositif autonome et intelligent qui observe des tâches très répétitives, effectuées par une machine ou par un opérateur. Au cours d'une première phase, Digital Guardian apprend activement le cycle habituel de la tâche. Lorsqu'il en a suffisamment appris, il peut passer à la phase de surveillance au cours de laquelle Digital Guardian peut détecter les anomalies et fournit les informations sur le capteur et le signal qui a déclenché l'alarme. Digital Guardian est en développement et nous sommes ouverts au partenariat pour avoir nos premiers clients pour en exploiter les possibilités.
Cette innovation a été sélectionnée dans le finalistes du Digital Journey 2019 du CSEM
