Qu'est-ce que l'Industrial AI ? Applications concrètes en usine

L'Industrial AI, c'est l'intelligence artificielle appliquée aux processus et aux activités industriels. Par exemple, des modèles qui repèrent des anomalies dans les données machines, signalent des risques qualité ou facilitent la recherche dans les documents techniques. C'est le domaine d'application qui définit le terme ; toutes les usines numériques n'utilisent pas l'AI. Un tableau de bord, un lecteur de codes-barres et une logique PLC fixe peuvent très bien fonctionner sans AI.

Pour Vlegel, l'équipe d'ingénierie data, AI et logicielle basée à Genk, le choix part d'une question opérationnelle. Quelle décision un opérateur, un technicien de maintenance ou un responsable qualité doit-il pouvoir mieux prendre ? Ensuite seulement, nous évaluons si l'AI apporte plus qu'une simple règle, un rapport ou une application standard.

Trois applications sur le terrain

Détection d'anomalies : un modèle compare, par exemple, les vibrations, la température ou le courant au comportement normal d'une machine. Une alerte peut aider à prioriser la maintenance. Mais un autre produit, un changement de série ou un capteur défectueux peut aussi provoquer un écart. L'alerte invite à examiner la situation. Elle ne prouve pas une panne.

Analyse qualité : les mesures de processus sont reliées aux résultats qualité connus par lot ou par produit. Un modèle peut aider à repérer des profils à risque. Testez-le sur des lots ultérieurs, qu'il n'a jamais vus, et comparez-le au contrôle existant. Un lien statistique ne prouve pas une cause ; un modèle ne peut pas libérer un lot de sa propre initiative.

Assistance aux opérateurs : un assistant effectue des recherches dans les manuels approuvés et l'historique des pannes, en citant ses sources. Cette approche convient aussi aux installations d'entreposage et d'intralogistique. Si des informations manquent ou se contredisent, il doit le signaler. Les droits d'accès déterminent les documents que le visiteur ou le collaborateur peut consulter.

La couche de données : OPC UA, MQTT, UNS et sémantique

Pour analyser vos processus, vous pouvez lire les données machines via OPC UA et les échanger via MQTT, selon votre système de commande existant. Un Unified Namespace (UNS) organise leur publication sous des noms partagés, par exemple par site, ligne et machine. Un modèle sémantique précise ce que signifie chaque valeur : unité, horodatage, ordre de fabrication, machine et qualité des données.

Ce contexte est essentiel. Une température élevée en production peut avoir un tout autre sens pendant le nettoyage. Conservez l'historique pertinent et rendez visibles les mesures manquantes, périmées ou peu fiables. Un UNS ne remplace ni les conventions communes, ni le stockage, ni la sécurité. Et il n'est pas indispensable à chaque application d'AI.

MCP est une interface, pas une garantie de sécurité

Model Context Protocol (MCP) décrit comment les applications d'AI peuvent utiliser des ressources et des outils. Le protocole peut aussi proposer des outils capables d'effectuer des modifications. Pour nos applications d'Industrial AI, nous limitons l'accès aux ressources en lecture seule. Les autorisations, le cloisonnement réseau, la journalisation et le contrôle des outils proposés restent nécessaires. L'AI ne dispose d'aucun accès en écriture aux paramètres PLC, aux ordres de fabrication ou aux fonctions de sécurité.

Un premier essai avec un objectif mesurable

Choisissez une machine, une ligne ou un processus de travail et définissez à l'avance ce qui doit s'améliorer. Par exemple : trouver plus vite le bon manuel, réduire les alertes de maintenance inutiles ou détecter plus tôt un risque qualité. Mesurez d'abord la situation actuelle, y compris le travail nécessaire aux équipes pour évaluer une alerte.

Testez sur des situations représentatives : production normale, changements de série, données de capteurs dégradées et cas exceptionnels. Séparez les données d'entraînement des données de test. Comparez avec une approche simple et faites évaluer les résultats par les opérateurs. N'élargissez le périmètre que lorsque les résultats sont exploitables, les limites claires et les mises à jour et le support organisés. Sans données adaptées, la bonne première étape peut tout simplement être d'en collecter.

Industrial AI ne signifie pas automatiquement Physical AI

L'Industrial AI désigne le domaine d'application industriel. La Physical AI concerne les systèmes qui perçoivent leur environnement physique et y agissent, comme les robots autonomes. Un assistant documentaire ou un conseil de maintenance ne relève pas automatiquement de cette seconde catégorie. Vlegel développe ici la couche logicielle et la couche de données ; notre AI conseille et un humain décide.

Vous voulez savoir si l'Industrial AI convient à votre usine ou à votre machine ? Planifiez 15 minutes avec Jorg ou Yannic. Nous discutons d'une question concrète, des données disponibles et de l'intérêt d'un essai. Un éventuel Rendez-vous prend la forme d'une séance de cadrage ou d'un atelier chez vous, sur le terrain. Pas d'une promesse de résultat AI dans un délai fixé.