L’intelligence artificielle (IA) fait partie de ces technologies de pointe qui promettent des bonds massifs en matière de productivité, de respect de l’environnement et de qualité de vie. Pourtant, la confusion autour de cette technologie est plus forte que jamais et freine son intégration effective dans le secteur manufacturier. Quelle est la place de l’IA dans un secteur manufacturier où prédomine les technologies de fabrication additive ?

Le marché actuel de l’intelligence artificielle est difficile à quantifier. Bien que le terme soit généralement compris comme la simulation de l’intelligence humaine dans des machines, il convient de noter que le terme suscite une confusion avec divers autres segments, notamment l’apprentissage machine. En outre, les experts du domaine ne sont pas d’accord avec une définition unique.

« L’IA peut être considérée comme un terme générique, et sa portée est incroyablement vaste. Chez AMFG, nous considérons l’IA comme une technologie qui permettra aux machines et aux systèmes de FA d’être suffisamment « intelligents » pour mener à bien les tâches opérationnelles de base de manière à la fois efficace et efficiente.

Mais pour y parvenir, il faut un ‘apprentissage machine’. L’apprentissage machine est une forme d’IA et, comme son nom l’indique, c’est l’idée que les machines peuvent apprendre à partir de données pour résoudre des problèmes et exécuter des tâches – sans intervention manuelle » déclare Keyvan Karimi, le CEO et fondateur d’AMFG, que nous avons invité dans ce segment aux côtés d’Alexander Pluke, CEO et co-fondateur d’Additive Flow, ainsi que Daghan Cam, CEO et co-fondateur d’Ai Build.

Si Pluke est d’accord avec le fait que l’apprentissage machine est un sous-ensemble de l’IA inspiré par la compréhension scientifique de la façon dont les humains apprennent, il souligne qu’il préfère « une définition plus large de l’IA (et dans ce sens « étroite » par opposition à une IA « générale » telle que décrite en science-fiction) – où une approche informatique peut fournir des résultats ou des recommandations normalement complétés par l’intelligence humaine. En ce sens, les algorithmes intelligents écrits par des humains qui peuvent agir « intelligemment » – par exemple les algorithmes évolutifs et les approches génératives, ainsi que les algorithmes classiques complexes qui franchissent le seuil subjectif probable de l' »intelligence », et remplacent l’activité humaine, pourraient être qualifiés d' »IA » ».

Néanmoins, le stade de développement naissant de l’IA rend difficile la compréhension et la définition de tous les contours de l’intégration de cette technologie mais aussi la détermination de toutes ses applications.

Cet article sert d’aperçu des efforts existants des entreprises qui ont tenté de discuter de l’utilisation de l’IA dans la Fabrication Additive (FA).

S’adapter aux changements de processus

Avant tout, même si l’IA promet de perturber l’environnement manufacturier tel que nous le connaissons, le principal problème est que les organisations ne semblent pas être sur la même longueur d’onde quant à la manière dont elles veulent mettre en œuvre l’IA. Jusqu’aujourd’hui, les statistiques ne sont pas claires quant au nombre d’entreprises qui utilisent régulièrement l’IA dans leur environnement de production.

Ai Build – Daghan

Pour Daghan Cam, de Ai Build, le problème de cette incertitude dans le paysage de la production est que non seulement l’IA est mal interprétée mais que les entreprises ne répondent pas aux bonnes questions :

« L’IA est parfois mal interprétée comme un logiciel de boîte noire qui apprend et résout n’importe quel problème donné. C’est la définition de l’intelligence générale artificielle qui n’existe pas aujourd’hui, et n’existera probablement plus dans les dix prochaines années. Ce que nous avons très communément à notre disposition, ce sont des formes étroites d’intelligence artificielle qui sont extrêmement puissantes pour résoudre des ensembles de problèmes spécifiques.

Afin de tirer parti de ces percées scientifiques, les développeurs d’applications dans le secteur manufacturier, comme dans tout autre secteur, doivent être parfaitement conscients de deux questions :

1.           Qu’essayons-nous exactement de résoudre avec l’IA ?

2.           Comment allons-nous trouver le type de données spécifiques nécessaires pour résoudre ce problème ? »

C’est une question de bon sens. Comment pouvons-nous relever un défi si ce défi lui-même n’est pas bien défini ? En d’autres termes, l’IA restera un mot à la mode s’il n’y a pas de stratégie en amont.

Les recherches montrent que les fabricants qui ont pu définir une stratégie claire ont utilisé l’IA pour les contrôles de qualité, la gestion dans des usines intelligentes, la création de conceptions plus fiables, la réduction de l’impact environnemental, pour ne citer que quelques exemples.

L’IA est-elle indispensable dans la FA ?

Malgré le battage médiatique et les avantages de l’impression 3D, il existe encore un certain nombre de raisons qui empêchent les entreprises d’utiliser cette technologie : des considérations financières, la rapidité et la qualité de la pièce finale qui (ne correspond pas toujours) ou nécessite des investissements supplémentaires pour égaler la qualité des procédés de fabrication traditionnels comme le moulage par injection.

Il est intéressant de noter que le plus grand potentiel de l’IA réside dans l’ouverture de nouvelles portes dans le domaine de la fabrication et, en ce qui concerne la FA, un large éventail de cas peut être exploré.

Tout d’abord, l’IA permet une nouvelle façon de penser les logiciels.

« Toute technologie logicielle qui n’utilise pas l’IA est vouée à l’échec et sera remplacée tôt ou tard. Les fabricants de machines et les développeurs de logiciels ont la lourde responsabilité de travailler ensemble à la redéfinition des limites de la fabrication additive avec les nouvelles versions de leurs produits afin de rester pertinents. Si une machine est capable d’apporter une valeur pratique ou commerciale à ses clients en utilisant l’IA, il est très peu probable que d’autres produits concurrents puissent survivre sur le marché sans profiter d’une caractéristique similaire dans les 5 à 10 prochaines années, selon la nouveauté du procédé.

Par exemple, Ai Build a introduit la vision par ordinateur dans l’impression 3D en 2016 pour la planification autonome de parcours. À cette époque, les imprimantes 3D n’avaient pas de caméras intégrées, nous avons donc construit une solution à partir de zéro pour développer nos algorithmes d’apprentissage machine. Aujourd’hui, la plupart des imprimantes 3D industrielles sont livrées avec des caméras intégrées en raison de la demande croissante du marché. C’est une bonne chose, car nous sommes désormais en mesure de travailler avec des partenaires innovants pour développer des solutions de vision par ordinateur pour différentes plateformes et différents cas d’utilisation. Si nous nous projetons dans 5 ans, nous ne pensons pas qu’aucune grande imprimante 3D industrielle n’existera sans les capacités de base de la vision par ordinateur comme la détection automatique des défauts, car la technologie est trop utile pour être laissée de côté », commente le CEO d’Ai Build.

Opportunités dans l’ensemble du flux de travail, de la conception à la production et à l’assurance qualité (AQ).

Alexander Pluke

Selon Alexander Pluke, d’Additive Flow, un certain nombre d’opportunités pour la FA peuvent être observées à travers le flux de travail, de la conception à la production et à l’assurance qualité (AQ).

« La complexité du « domaine de conception » (les combinaisons possibles de résultats de conception au sein d’un ensemble de variables) est à la fois extrêmement grande et interdépendante. La qualité des matériaux affectera la performance des pièces, ce qui influencera les décisions de conception ; et les paramètres de production affecteront l’assurance qualité – et les exigences d’assurance qualité seront (ou devraient être !) reflétées dans ces décisions de conception… et ainsi de suite.

L’introduction de concepts tels que la liberté géométrique et une spécialité de flux additif « multi-propriété » – où les propriétés des matériaux peuvent être adaptées dans différentes régions d’une géométrie – rend cette complexité encore plus grande.

Dans ce contexte, plutôt que de poser la question « Comment exploiter l’intelligence artificielle dans la FA », il convient de se demander « Comment exploiter la FA sans intelligence artificielle ». Il s’agit davantage d’une question rhétorique. Sans le déploiement d’outils basés sur l’IA (dans la conception, la production, l’assurance qualité, le flux de travail), l’utilisation industrielle de la FA ne permettra pas de tirer pleinement parti des possibilités (économies de coûts, performances, accélération de l’innovation) dont nous avons tous entendu parler ».

Additive Flow

Détection des défauts

Pour éviter les erreurs répétables, l’IA pourrait être incluse dans les programmes de modélisation 3D par le biais de logiciels de CAO. La combinaison de l’IA et de l’impression 3D pour atteindre cet objectif spécifique permettrait de développer des outils qui trouveront facilement les défauts et transformeront le modèle non imprimable en un modèle 3D.

« Cela permet aux humains de passer beaucoup moins de temps sur des tâches manuelles répétitives et plus de temps sur des processus à valeur ajoutée.

L’apprentissage machine est un pas dans cette direction. Par exemple, notre logiciel est capable de fournir des recommandations intelligentes en matière de matériaux et de technologies sur la base de données déjà saisies. Notre logiciel peut également prédire la qualité des pièces et permettre aux utilisateurs de contrôler le processus d’impression en 3D afin de réduire le risque d’erreurs d’impression. Cela permet de gagner du temps et de réduire les coûts.

En outre, au fur et à mesure que la FA se dirige vers la production de pièces d’utilisation finale, une grande quantité de données sera nécessaire pour optimiser les processus. L’IA jouera un rôle dans l’exploitation de ces données pour obtenir une production plus rapide et des résultats optimaux, de sorte que les entreprises puissent gérer le processus d’impression 3D plus efficacement », déclare Keyvan Karimi de l’AMFG.

Keyvan Karimi

Créer de nouveaux matériaux avec de nouvelles propriétés

Les exemples susmentionnés montrent une utilisation intelligente de l’IA avant et pendant le processus d’impression. Il convient de noter que non seulement un contrôle en temps réel par un outil piloté par l’IA peut réduire le temps et le gaspillage de matériaux, mais que la technologie peut également permettre la création de matériaux plus résistants, plus légers, plus flexibles et moins coûteux à produire.

Dans ce cas précis, l’apprentissage machine est souvent exploité pour découvrir ces nouvelles formes de matériaux. Les scientifiques des matériaux n’ont qu’à entrer les propriétés souhaitées dans un programme et des algorithmes préviendront quels éléments chimiques peuvent être combinés à un niveau micro pour créer une structure ayant les fonctions et les propriétés souhaitées.

« Des données, des données, & des données ! »

À la lumière de ces exemples, il ne fait aucun doute que l’AI et la FA doivent travailler ensemble. Même si, il y a encore un certain nombre d’entreprises qui utilisent l’IA pour la FA. Il est difficile de dire que le marché souffre encore d’un manque de sensibilisation lorsque des améliorations sont constatées dans les domaines les plus importants de la chaîne de production (logiciels, imprimantes 3D et matériaux).

Cependant, pour les trois entreprises qui participent à ce segment, le défi le plus important qui ralentit l’intégration de l’IA dans la FA est celui des données.

« Les meilleures optimisations nécessitent les meilleurs ensembles de données, et le libre accès aux données dans ce secteur n’est pas (encore) répandu », explique Pluke.

« L’un des plus grands défis est le haut niveau de complexité requis pour développer l’IA spécifiquement pour l’impression 3D. De grands volumes de données sont nécessaires et des tests et expérimentations approfondis sont effectués pour s’assurer que la machine « apprend » correctement.

En outre, l’industrie de la FA en est encore à ses débuts en ce qui concerne l’intégration de l’impression 3D et de l’IA. Les développements de ces deux technologies se font en grande partie séparément », ajoute Karimi.

Comment les entreprises participantes abordent-elles l’IA et la FA ?

Comme vous l’avez peut-être remarqué, nous avons invité trois entreprises basées au Royaume-Uni pour discuter de ce sujet : AMFG, Additive Flow et Ai Build.

AMFG est une société de logiciels qui fournit une solution de gestion de flux de travail de bout en bout pour la FA autonome. Keyvan Karimi, le CEO et fondateur de la société, était le principal porte-parole de ce segment.

La société développe un logiciel MES qui intègre des éléments d’apprentissage machine et d’IA à trois niveaux :

La capacité d’analyser l’imprimabilité des fichiers 3D. Le logiciel d’AMFG permet de vérifier l’imprimabilité 3D d’un fichier. Comme mentionné précédemment, l’intégration de l’IA dans un logiciel peut facilement trouver des défauts (donc éliminer le risque d’erreurs d’impression) et transformer le modèle non imprimable en un modèle 3D. Le logiciel d’AMFG peut également estimer les temps de production.

Le deuxième domaine couvre la maintenance prédictive, c’est-à-dire la possibilité de prédire la qualité des pièces imprimées en 3D avant la production. Le logiciel d’AMFG permet d’assurer la qualité tout au long du processus de production. En prédisant l’orientation de la pièce par exemple, il est possible de déterminer comment la pièce sera produite.

– Enfin, « la troisième façon dont nous voulons utiliser l’IA est l’automatisation des étapes clés du processus dans l’ensemble du flux d’impression 3D », déclare l’entreprise.

Additive Flow est une autre société de logiciels basée au Royaume-Uni qui vise à résoudre les problèmes de flux de travail numérique qui empêchent actuellement les utilisateurs de l’IA de libérer le potentiel des technologies de fabrication pendant les étapes de préproduction de la chaîne de processus. Alexander Pluke, CEO et co-fondateur, a partagé l’expertise de la société sur ce sujet.

Pour démystifier la complexité de l’IA et de la FA, Additive Flow mise sur une approche systémique. La société développe un logiciel appelé Formflow, qui peut prendre en charge les données de l’ensemble du flux de travail pour placer le bon matériel, avec la propriété au bon endroit.

« Certains aspects des espaces de conception qui nous sont présentés sont mieux adaptés aux approches de réseaux de neurones, tandis que d’autres sont mieux rencontrés avec des techniques algorithmiques plus classiques. Par exemple, l’utilisation d’algorithmes générateurs pour optimiser les variables exponentielles et permet à nos utilisateurs de découvrir de nouveaux résultats très performants en révélant des solutions qui auraient autrement été cachées. Les réseaux neuronaux nous ont fourni des résultats puissants sur le plan du calcul, et ont été utiles pour envisager des optimisations qui reposent sur des structures de données moins digestes pour les algorithmes classiques.

Nous faisons attention à ne pas « faire de l’IA pour l’IA », mais grâce à cela, le logiciel d’Additive Flow est capable d’allouer des matériaux, des paramètres de traitement et des structures localisées simultanément à la géométrie – débloquant la valeur dans la FA d’une manière qui serait autrement possible », souligne la société.

Enfin, Ai Build développe des logiciels et du matériel de fabrication additive pour les usines du futur. La technologie d’inspection en temps réel du fabricant d’imprimantes 3D permet de détecter et de prévenir les erreurs d’impression 3D grâce à l’intelligence artificielle. Daghan Cam, le CEO et co-fondateur de l’entreprise, était notre invité dans ce dossier.

L’entreprise est apparue pour la première fois dans notre radar il y a deux ans, lorsque sa technologie a été exposée dans la galerie de sculptures du Victoria and Albert Museum. Avec le temps, nous avons réalisé qu’elle se démarquait également grâce à son logiciel AiSync.

« L’une des décisions fondamentales que nous avons prises dans le logiciel AiSync pour permettre un processus de fabrication additive basé sur l’IA est d’éviter délibérément d’utiliser des fichiers Gcode pour décrire un parcours d’outil. C’était très contre-intuitif car toutes les imprimantes 3D et les machines CNC du marché dont nous avons connaissance, utilisent le Gcode ou un langage de type Gcode spécifique à une marque pour piloter les mouvements des machines. Le Gcode fonctionnerait bien dans un monde parfaitement déterministe où l’ensemble du processus pourrait être prédit avec une grande précision, mais malheureusement le processus de fabrication additive dans la vie réelle est loin d’être parfait. Nous ne sommes pas en mesure de prédire avec précision la forme physique des pièces imprimées en 3D, car même le plus petit changement dans le volume de construction pendant la production peut entraîner des écarts catastrophiques dans le processus additif. Même si nous pouvions contrôler entièrement l’environnement et s’il existait un puissant moteur de simulation pour prédire avec précision le comportement du matériau 99,9% du temps dans une couche, le taux de réussite de la prédiction globale sur une pièce typique avec des milliers de couches qui se soutiennent les unes les autres serait encore inférieur à 30% pour des raisons statistiques.

C’est ce qui nous a permis d’abandonner le Gcode et de développer un tout nouveau procédé de contrôle des machines à partir de zéro, plus résistant. Dans le logiciel AiSync, nous utilisons une combinaison de méthodes d’optimisation en ligne et hors ligne pour contrôler les actions des imprimantes 3D. Au lieu de découper un dessin et de télécharger des fichiers Gcode statiques sur les machines, AiSync analyse un dessin avec des ordinateurs puissants sur le nuage et envoie des directives optimisées aux machines dans un format abstrait. Ces directives sont ensuite interprétées et transformées en instructions au niveau de la machine, petit à petit, à la volée, par un autre ordinateur situé sur le bord qui a accès en temps réel aux données des capteurs de la machine. Cette double infrastructure d’optimisation nous permet de tirer pleinement parti des algorithmes d’IA en combinant les atouts du supercalculateur dans le nuage pour les tâches de haut niveau comme la planification des trajectoires et l’informatique de pointe pour les tâches critiques comme la détection des erreurs et l’assurance qualité », décrit l’entreprise.

Pour résumer…

Ce dossier montre que malgré la parfaite adéquation entre l’IA et la FA, nous sommes encore très loin d’une intégration parfaite des deux processus dans la fabrication. En effet, la plus grande force de l’IA est aussi sa principale faiblesse : les données. Pour surmonter ce défi, la standardisation et la collaboration entre les parties prenantes sont nécessaires pour permettre la bonne intégration de l’IA dans les processus de la FA. 

Ce dossier a été initialement publié dans le numéro de Mai-Juin de 3D ADEPT Mag.

N’oubliez pas que vous pouvez poster gratuitement les offres d’emploi de l’industrie de la FA sur 3D ADEPT Media ou rechercher un emploi via notre tableau d’offres d’emploi. N’hésitez pas à nous suivre sur nos réseaux sociaux et à vous inscrire à notre newsletter hebdomadaire : FacebookTwitterLinkedIn & Instagram !