En tant que l’un des premiers constructeurs automobiles au monde, Audi envisage d’appliquer le machine learning (ML) à la production en série. Le logiciel développé par Audi reconnaît et marque les fissures les plus fines dans les pièces en tôle – de manière automatique, fiable et en quelques secondes. Avec ce projet, Audi promeut l’intelligence artificielle au sein de l’entreprise et révolutionne le processus de test en production.
En raison de la conception de plus en plus sophistiquée de ses voitures et des normes de qualité élevées en vigueur chez Audi, l’entreprise inspecte tous les composants directement après leur fabrication dans l’atelier de presse. Outre l’inspection visuelle par les employés, plusieurs petites caméras sont installées directement dans les presses. Elles évaluent les images capturées à l’aide d’un logiciel de reconnaissance d’images. Ce processus sera bientôt remplacé par une procédure ML. Un logiciel basé sur un réseau neuronal artificiel complexe fonctionne en arrière-plan de cette procédure innovante. Le logiciel détecte les fissures les plus fines dans la tôle avec la plus grande précision et marque le point de manière fiable.
« Nous testons actuellement nos inspections automatisées des composants pour la production en série dans notre atelier de presse à Ingolstadt. Cette méthode soutient nos employés et constitue une autre étape importante pour Audi dans la transformation de ses usines de production en usines intelligentes modernes », a déclaré Jörg Spindler, responsable du centre de compétences pour les équipements et la technologie de formage.
La solution est basée sur le de deep learning (apprentissage en profondeur), une forme spéciale d’apprentissage automatique pouvant fonctionner avec des quantités de données non structurées et très dimensionnelles, telles que des images. L’équipe a passé plusieurs mois à former le réseau de neurones artificiels avec plusieurs millions d’images de test. Les principaux défis ont été, d’une part, la création d’une base de données suffisamment grande et, d’autre part, ce que l’on appelle l’étiquetage des images. L’équipe a marqué les fissures dans les exemples d’images avec une précision de l’ordre du pixel – le degré de précision le plus élevé était requis. L’effort en valait la peine, car le réseau de neurones apprend désormais indépendamment des exemples et détecte les fissures, même dans de nouvelles images auparavant inconnues. La base de données comprend plusieurs téraoctets d’images de test provenant de sept presses de l’usine Audi à Ingolstadt et de plusieurs usines Volkswagen.
« L’intelligence artificielle et l’apprentissage automatique sont des technologies clés pour l’avenir chez Audi. Avec leur aide, nous continuerons à conduire durablement la transformation numérique de la société », a déclaré Frank Loydl, directeur des technologies de l’information (CIO) chez AUDI AG. « Dans ce projet transversal, nous développons conjointement une solution prête à l’emploi que Audi utilisera exclusivement dans l’entreprise et qui est unique sur le marché. » Le logiciel a été principalement développé en interne, de l’idée au prototype fini. Depuis mi-2016, le service innovation d’Audi IT collabore étroitement avec la division Technologie de production du centre de l’équipement et de compétences de technologie de formage des métaux.
À l’avenir, l’inspection de la qualité à l’aide de ML remplacera l’actuelle détection optique des fissures par des caméras intelligentes. Cela nécessite beaucoup d’efforts manuels. Qu’il s’agisse de portes, de capots de moteur ou d’ailes, la caméra doit actuellement être reconfigurée pour chaque nouveau composant produit dans l’atelier de presse. En outre, de fausses détections se produisent régulièrement, car les algorithmes simples du programme de traitement d’image dépendent fortement de facteurs ambiants, tels que les conditions d’éclairage et les propriétés de la surface.
À l’avenir, il sera possible d’appliquer l’approche de niveau maximum également à d’autres contrôles de la qualité visuelle. Si un nombre suffisamment grand de jeux de données étiquetés est disponible, le système peut également prendre en charge les ateliers de peinture ou les ateliers d’assemblage, par exemple.
Photos : Audi
