IA : pour être vu et non entendu

Le centre de prédiction de la qualité de Siemens utilise l'apprentissage automatique sur les données des machines et des processus pour prévoir les problèmes de qualité tout au long du processus d'emballage afin d'automatiser les processus d'inspection de la qualité, de détecter les problèmes le plus tôt possible et de fournir des informations indiquant les facteurs de problèmes de qualité, qui peuvent être utilisées par les opérateurs pour optimiser les paramètres de la ligne.Image reproduite avec l'aimable autorisation de Siemens

Comme une expression du XVe siècle, "Les enfants doivent être vus mais pas entendus", l'intelligence artificielle (IA) est généralement une technologie logicielle intégrée qui fonctionne discrètement dans les coulisses pour assurer le bon fonctionnement d'un système de production ou d'emballage - et reste silencieuse à moins que quelque chose ne devienne incontrôlable et ne soit pas facilement corrigé. Ensuite, le système déclenche une alarme, arrêtant éventuellement le processus jusqu'à ce que le problème, que l'IA a déjà identifié, soit résolu par des humains.

Certains fournisseurs de systèmes d'emballage et de contrôle ont commencé à vanter l'utilisation de l'IA dans leurs systèmes, et avec raison. Les technologies d'intelligence artificielle sont enfin prêtes pour les heures de grande écoute, à condition qu'elles disposent de suffisamment d'entrées de capteurs et/ou de données accumulées provenant des machines d'emballage, de la robotique, des systèmes d'inspection par vision, des moteurs et d'autres applications logicielles telles que le MES, l'inventaire, la logistique et les contrôles de processus. Sans ces données, l'IA est aveugle.

J'ai pensé qu'il pourrait être intéressant de "demander" à un système d'IA (ChatGPT) ce qu'il considère être les avantages que l'IA peut apporter aux systèmes d'emballage alimentaire. Alors que l'IA ne mettra probablement pas encore les rédacteurs et les éditeurs au chômage, les réponses de ChatGPT se résument ainsi : "L'IA peut aider les systèmes d'emballage alimentaire à fonctionner de manière plus efficace, plus efficace et plus durable, ce qui améliore la qualité, réduit les déchets et augmente la rentabilité." Pour la réponse complète, consultez l'encadré "Le chatbot IA révèle les avantages de l'IA dans les opérations du système d'empaquetage".

Pour les fournisseurs d'équipements d'emballage, la route vers l'IA a été jalonnée de nombreux panneaux de signalisation. Par exemple, en 2018, Harpak-ULMA a établi une vision et un plan pour se transformer en un fournisseur innovant et agile de plateformes d'emballage intelligentes et connectées, explique Alexandre Ouellet, directeur de l'innovation. Cinq ans après le début de ce plan de transformation numérique pluriannuel et en plusieurs phases, l'entreprise démontre maintenant comment et pourquoi la transformation numérique apporte de la valeur au client dans les opérations d'emballage grâce à l'acceptation commerciale manifestée par les prospects et les clients.

« Cette stratégie », explique Ouellet, « ancrée dans la fourniture de machines intelligentes et connectées qui établissent une base pour la transformation numérique (données), se construit progressivement pour intégrer l'IdO, la réalité augmentée (RA), les jumeaux numériques et les capacités de maintenance prédictive. La société prévoit de lancer commercialement des capacités AR intégrées et des jumeaux numériques en 2023 après des bêtas de plusieurs années avec des clients Fortune 500. »

L'application de technologies d'apprentissage automatique et d'intelligence artificielle basées sur de grands volumes de données collectées est essentielle à la phase finale d'une offre de maintenance prédictive planifiée sur l'ensemble de ses plateformes d'emballage, ajoute Ouellet. Bien qu'il s'agisse de la principale proposition de valeur client ciblée, l'entreprise a pris un certain nombre de mesures plus modestes pour tirer parti de l'IA afin d'évaluer, d'analyser et d'identifier diverses améliorations progressives autour des processus ou des offres existants.

D'autres applications d'IA sont étudiées par Harpak-ULMA. Par exemple, la capacité de la plate-forme à alerter/recommander la reconstruction d'un outil de scellage de barquette en fonction du nombre de cycles et d'autres variables d'exécution (notez que cela n'est pas vrai pour la surveillance basée sur les conditions). Un autre aspect de ce type d'IA est à l'étude pour la gestion des stocks de pièces de rechange. L'IA est également testée pour analyser les demandes de service et les tickets d'assistance afin d'identifier les modèles qui peuvent aider à établir une approche de réponse client plus proactive. Enfin, l'entreprise travaille activement à l'intégration d'un outil d'IA qui cible le dépannage des machines et la gestion de la production pour une plateforme d'emballage.

L'un des modèles commerciaux intéressants qu'une maintenance prédictive réussie permet grâce à un entrepôt de données étendu est un service d'analyse comparative de l'industrie, explique Ouellet. Bien qu'encore dans la phase conceptuelle à l'heure actuelle, des quantités massives de données capturées et anonymisées peuvent être extraites pour générer un éventail de mesures de performances opérationnelles de premier ordre qui pourraient aider les producteurs à mieux comprendre l'efficacité de leurs opérations d'emballage par rapport à leurs pairs.

Les logiciels de chaîne d'approvisionnement et d'analyse basés sur l'IA aident à étendre les capacités d'emballage et de contrôle. Par exemple, le logiciel Peak Analytics peut tirer parti des algorithmes d'intelligence artificielle et d'apprentissage automatique pour fournir de meilleurs résultats en matière de contrôle qualité et de maintenance prédictive dans l'industrie de l'emballage alimentaire, déclare John Dwinell, président de Peak Technologies. Pour le contrôle de la qualité, le logiciel Siena Analytics peut développer des modèles d'IA qui analysent les images des matériaux d'emballage pendant le processus de production, d'emballage et de distribution pour détecter tout défaut ou irrégularité dans l'étiquetage et les scellés, ainsi que tout défaut physique dans l'emballage lui-même. Cela peut contribuer à réduire les déchets, à améliorer la qualité des produits et à garantir la conformité aux exigences réglementaires.

Sans équipement de surveillance/contrôle et sans capteurs, l'IA n'aurait pas les données dont elle a besoin pour faire fonctionner les machines à leur maximum. Red Lion Controls propose une large gamme de produits, y compris des capteurs, des modules d'E/S, des contrôleurs, des passerelles IHM et IIoT qui peuvent être utilisés pour l'acquisition de données et le calcul en périphérie des données des appareils de terrain. Ces données peuvent être intégrées à des applications alimentées par l'IA pour améliorer les processus d'emballage alimentaire, explique Barry Turner, responsable du développement technique des affaires.

Siemens Digital Industries a développé des solutions IIoT couvrant une gamme de défis critiques dans la fabrication en général et l'emballage en particulier, déclare Alexander Epple, responsable des solutions industrielles MindSphere chez Siemens. Par exemple, les pertes de production dues aux temps d'arrêt des équipements coûtent généralement à l'industrie alimentaire entre 20 000 et 30 000 $ par heure perdue. Deux solutions basées sur l'IA peuvent prédire les pannes d'équipement.

Premièrement, Senseye de Siemens est construit à partir de zéro en utilisant une IA sophistiquée et prédit l'avenir des machines. Plus précisément, Senseye PdM s'intègre à n'importe quel actif, système ou source de données, en utilisant les données que les fabricants collectent déjà ou avec des capteurs nouvellement installés dans le cadre d'un package complet. Deuxièmement, Edge Analytics fournit des capacités d'intelligence artificielle pour détecter automatiquement les anomalies dans les spectres de vibration des machines tournantes et alerter les opérateurs en amont des problèmes. En outre, il fournit les outils nécessaires pour identifier les causes profondes des problèmes et définir des actions d'atténuation ciblées.

En plus de ces solutions logicielles, GE Digital fournit Proficy Operations Analytics et Proficy CSense, qui sont des solutions logicielles visant à optimiser la production d'aliments et de boissons à l'aide des technologies d'IA, déclare Cobus van Heerden, chef de produit senior, ML et analytique.

Je possède quelques applications graphiques basées sur l'IA, par exemple, une qui rend les photos plus nettes en raison du bougé de l'appareil photo ou qui sont un peu floues. Ai-je acheté Sharpen AI de Topaz Labs spécifiquement parce qu'il fonctionne sur l'IA ? Non! Tout ce qui compte pour moi, c'est qu'il fait le travail, fait gagner du temps et est abordable. J'ai l'impression que de nombreux transformateurs d'aliments et de boissons ressentent la même chose à propos des produits basés sur l'IA qu'ils achètent et installent.

"D'après notre expérience, les responsables de la production et les ingénieurs ne recherchent pas l'"IA" dans le but d'utiliser la technologie, mais espèrent qu'elle pourra résoudre des problèmes de production spécifiques pour eux là où les approches plus traditionnelles échouent ou échouent complètement", déclare Epple de Siemens. "Par conséquent, nous créons des solutions autour des technologies d'intelligence artificielle pour des défis de production communs bien définis et les concevons et les conditionnons afin que les clients puissent les utiliser sans connaissances approfondies des méthodes d'apprentissage automatique."

Le chatbot IA révèle les avantages de l'IA dans les opérations du système d'emballage

Q : Comment l'intelligence artificielle peut-elle améliorer le fonctionnement des systèmes d'emballage alimentaire ? ChatGPT basé sur l'IA répond ci-dessous :

R : L'intelligence artificielle (IA) peut améliorer le fonctionnement des systèmes d'emballage alimentaire de plusieurs façons :

Dans l'ensemble, l'IA peut aider les systèmes d'emballage alimentaire à fonctionner de manière plus efficiente, efficace et durable, entraînant une amélioration de la qualité, une réduction des déchets et une rentabilité accrue.

—Depuis ChatGPT (https://chat.openai.com/chat)

« L'Association des technologies d'emballage et de transformation (PMMI) affirmerait que 59 % des entreprises du secteur alimentaire et des boissons utilisent actuellement ou prévoient d'utiliser des technologies d'intelligence artificielle dans leurs opérations », déclare Ouellet de Harpak-ULMA. "Les applications exactes de l'IA dans ces circonstances ne sont pas claires. Certes, le rythme du marché soulignant l'importance et le potentiel de la transformation numérique est étroitement lié à l'évolution des intérêts et des attentes des producteurs.

"Cependant, nous pensons que l'adoption généralisée de l'IA dans l'emballage de la maintenance prédictive est encore dans une phase émergente", ajoute Ouellet. "Les fournisseurs sont confrontés à des défis pragmatiques associés à la fois aux coûts et à la faisabilité de l'agrégation de données à grande échelle, aux environnements d'automatisation hétérogènes, à la connectivité et aux efforts de modélisation/développement de l'IA."

En général, les principaux objectifs des fabricants sont de fournir des produits de haute qualité au moindre coût, d'améliorer les performances opérationnelles (ou l'efficacité globale de l'équipement (OEE)), d'assurer la sécurité et la traçabilité des produits, des ingrédients à la palette, et de dépasser les objectifs et les mesures de durabilité, déclare van Heerden de GE Digital. Cela dit, toutes les solutions qui les aident à atteindre ces objectifs sont ce que recherchent les fabricants d'aliments et de boissons, et la majorité considèrent l'IA comme un moyen d'améliorer leurs opérations. Dans le cas où l'IA est une solution, l'IA peut soutenir les objectifs des opérations de l'entreprise et l'optimisation de l'énergie OEE, en produisant la bonne quantité de produit avec qualité.

Le contrôle de la qualité, la maintenance prédictive et la gestion de la chaîne d'approvisionnement sont tous des domaines qui connaissent une demande croissante, déclare Red Lion's Turner. "Un nombre important de transformateurs d'aliments et de boissons pensent que l'IA est prête à être adoptée par le grand public et deviendra bientôt un composant attendu des systèmes d'emballage, aux côtés d'autres outils avancés."

"Les fabricants de CPG entendent parler de l'IA dans différents domaines et ils sont curieux", déclare Kevin Hoorne, responsable industriel CP&R chez Siemens pour la fabrication numérique. "Ils veulent en savoir plus ; ils veulent mieux comprendre [l'IA] et ils veulent savoir comment cela pourrait les aider à relever les défis auxquels ils sont confrontés. Nous n'avons pas l'impression qu'ils recherchent activement. Au lieu de cela, ils veulent savoir de nous où réside la valeur. C'est là que nous travaillons en étroite collaboration avec nos clients en apportant nos solutions pour répondre à leurs besoins."

Tant que l'IA peut contribuer à résoudre les problèmes qui peuvent entraîner des pertes de temps et d'argent inutiles, comme prévoir à l'avance quand la maintenance des équipements doit être effectuée, nos clients l'adopteront, déclare Gian Paolo De Salvo, responsable de l'industrie numérique de Siemens pour la gestion des opérations de fabrication dans l'industrie de transformation.

"Alors que la technologie de l'IA continue de progresser et de démontrer sa valeur, il est probable qu'elle deviendra plus largement acceptée et attendue comme un simple outil supplémentaire intégré dans le système global", déclare Preet Murthy, marketing produit de Peak Analytics. « Les entreprises qui réussissent le mieux avec l'adoption de l'IA sont celles qui reconnaissent qu'il s'agit d'un changement d'état d'esprit et renforcent les capacités nécessaires pour soutenir le changement. La planification et les opérations des systèmes d'emballage nécessiteront toujours une certaine implication humaine, mais les adopteurs de plus en plus performants ont réalisé que l'IA et l'apprentissage automatique peuvent gérer l'essentiel des processus standardisés, en particulier les tâches à faible cognition hautement répétables », déclare Murthy.

"Cela dépend des buts et des objectifs du fabricant ainsi que de l'état d'avancement de son parcours de transformation numérique", déclare van Heerden de GE. "Avec nos clients, nous co-développons ce que nous appelons des cartes de résultats pour déterminer quelles sont les mesures et les métriques spécifiques que nos clients visent à fournir. Ensuite, sur la base de la carte des résultats, nous décrivons les priorités concernant leur parcours de transformation numérique et le calendrier de déploiement et de mise en œuvre. En fin de compte, nos priorités sont les priorités des clients, et nous mettons leurs besoins en premier.

L'avenir de l'IA dans l'emballage en dehors de la maintenance prédictive

Les domaines potentiels en dehors de la maintenance prédictive incluent :

—Alexander Ouellet, Harpak-ULMA

"Toute application des technologies d'IA chez Harpak-ULMA sera directement liée à nos solutions et à notre positionnement sur le marché, qui est axé sur l'optimisation des processus d'emballage", a déclaré Ouellet. « En termes simples, les clients recherchent des solutions aux problèmes, sans évaluer s'ils doivent ou non appliquer l'IA dans leurs opérations. L'IA n'est qu'un outil technologique de plus, et son application ou sa hiérarchisation sera basée sur son efficacité, sa fiabilité et son accessibilité dans ce contexte spécifique.

Au fur et à mesure que l'IA devient de plus en plus fiable, abordable et «composante», l'étendue des applications augmentera - par exemple, cibler les problèmes de performance opérationnelle concernant l'efficacité / la productivité des emballages, la réduction des déchets, le contrôle de la qualité et peut-être même aider à optimiser la gestion de la chaîne d'approvisionnement liée aux pièces de rechange et consommables, optimiser l'utilisation des services publics de l'usine, etc., ajoute Ouellet.

"Nous priorisons nos applications d'IA en fonction des besoins et des priorités de nos clients", déclare Dwinell de Peak Technologies. "Nous travaillons en étroite collaboration avec nos clients pour comprendre leurs points faibles et identifier les domaines où l'IA peut avoir l'impact le plus significatif. Notre approche consiste à commencer par les domaines où l'impact le plus important peut être réalisé en termes d'efficacité, de réduction des déchets, de contrôle de la qualité et d'optimisation de la chaîne d'approvisionnement. Nous prenons également en compte le retour sur investissement potentiel et la faisabilité de la mise en œuvre lorsque nous décidons où mettre en œuvre l'IA en premier. En fin de compte, notre objectif est de fournir des solutions qui correspondent aux priorités de nos clients et offrent des avantages tangibles à leur entreprise."

L'avenir de l'IA dans l'emballage concerne l'optimisation de l'OEE ; c'est-à-dire fabriquer des produits de qualité sur commande, à temps et sans gaspillage, déclare van Heerden. Lors de l'exécution du processus de fabrication, il est essentiel d'emballer les produits aussi efficacement que possible tout en évitant les temps d'arrêt imprévus. Par conséquent, il est nécessaire d'affiner les réglages de la machine pour produire et emballer la bonne quantité de produit à la bonne qualité tout en optimisant la consommation d'énergie. Mais l'optimisation globale ne s'arrête pas là. La planification et l'ordonnancement deviendront également plus critiques, compte tenu de la volatilité continue des chaînes d'approvisionnement. Ainsi, l'IA deviendra de plus en plus vitale à l'avenir car elle habilite ces applications alliées.

"Nous nous attendons à ce que les technologies d'intelligence artificielle deviennent de plus en plus des composants essentiels des solutions logicielles pour le processus de fabrication", déclare Epple de Siemens. Au départ, l'accent est mis sur la fourniture d'informations via la détection, la prévision ou la classification des anomalies. À l'avenir, nous prévoyons une augmentation des applications prescriptives, par exemple la feuille de route de notre solution Quality Prediction Hub qui inclut des capacités de calcul automatique pour les paramètres optimaux des machines de production. Cela augmente encore la valeur qui peut être réalisée en adoptant cette solution."

Red Lion Controls conçoit des produits et des solutions qui peuvent simplifier le processus d'extraction des données des capteurs et des processus

L'IA peut ajouter une valeur considérable à une solution de fabrication intelligente pour l'emballage, mais il devrait toujours y avoir une évaluation si d'autres approches (modèles de simulation physique ou valeurs de simulation à événements discrets) peuvent résoudre le problème plus efficacement, déclare Epple. "Par conséquent, nous n'utilisons pas la force brute des technologies d'apprentissage automatique, mais prenons toujours une décision consciente sur l'outil qui apportera la meilleure solution à nos clients."

"L'intelligence artificielle simplifie le contrôle industriel pour le personnel d'exploitation qui n'est pas un expert en analyse de données", R&D en ingénierie, FE, 25 février 2021

"L'intelligence artificielle/apprentissage automatique réduit les erreurs et le gaspillage, FE, 9 mai 2022

"AI, IIOT aide à éliminer les conjectures de la planification de la maintenance", R&D en ingénierie, FE, 23 février 2018

"L'IA aide à contrôler les systèmes d'automatisation des serres", R&D en ingénierie, FE, 3 juin 2022

"Les techniques de détection en temps réel basées sur l'IA/ML transforment l'art de la vinification en science exacte", R&D en ingénierie, FE, 12 juillet 2022

"Obtenir des résultats cohérents de la fermentation", FE, 10 septembre 2021

"Trouver de nouvelles méthodes basées sur l'IA pour augmenter la productivité nécessite des données numériques", FE, 13 février 2020