Limitez les temps d’arrêt, améliorez l’efficacité et faites des économies avec l’IoT, la maintenance prédictive, la GenAI et les jumeaux numériques.

Et si votre usine pouvait vous prévenir qu’un élément essentiel de votre équipement est sur le point de tomber en panne, puis vous guider pas à pas dans sa réparation, dans un langage naturel ? En tirant parti des progrès de l’IoT, des jumeaux numériques, de la GenAI et de l’IA, Orange a créé un système capable de faire tout cela. Résultat ? Une réduction significative des temps d’arrêt en production.

Il s’agit avant tout d’un impératif commercial. Sur les lignes de production, les temps d’arrêt sont extrêmement coûteux et perturbent la chaîne logistique, nuisant à la rentabilité et à la réputation de l’entreprise. Lorsque la ligne est en panne, les redémarrages complexes et le manque de personnel qualifié allongent également les délais de reprise. Selon un rapport de Siemens, les temps d’arrêt imprévus représentent aujourd’hui 11 % du chiffre d’affaires annuel des entreprises du Fortune Global 500, soit près de 1 500 milliards de dollars[1].

Les temps d’arrêt sont principalement causés par des équipements inactifs. Il peut s’agir de pannes, de problèmes de qualité ou d’arrêts trop longs lors d’une maintenance imprévue, notamment en cas de pièces manquantes ou d’un manque de personnel qualifié sur site.

Associée aux jumeaux numériques et à l’IA générative, la maintenance prédictive prévoit les pannes futures et aide les opérateurs à identifier la meilleure solution pour assurer le fonctionnement des machines à plein régime. Dans les faits, la surveillance des conditions et la maintenance prédictive des machines peuvent améliorer la productivité de 6 % et réduire de 40 % les coûts de maintenance[2].

Une approche holistique

Cela étant dit, prévoir les pannes sur une machine spécifique ne suffit pas à éviter les temps d’arrêt. Une approche holistique de l’usine, englobant les équipements, le personnel et l’environnement, est nécessaire. Comme de nombreuses machines sont interdépendantes, une panne sur l’une d’elles peut entraîner un effet domino. Les équipements anciens doivent également être intégrés au modèle global, même s’ils ne sont plus pris en charge par les fabricants.

La prise en compte de l’impact sur le personnel est également essentielle, pour la sécurité comme pour la résolution des pannes. Les techniciens sur site ont besoin d’informations précises pour réparer les machines sans avoir à attendre l’arrivée d’un spécialiste, ce qui prolongerait le temps d’arrêt.

Pour surmonter ces défis, Orange adopte une approche holistique en investissant dans des solutions basées sur l’IA capables d’améliorer les activités de maintenance, sans nuire au bien-être des opérateurs.

L’ère de la maintenance intelligente

Dans le cadre de cette initiative, Orange a développé une IA pour les solutions de maintenance intelligente exploitant une infrastructure IoT, des plateformes de jumeaux numériques, un modèle de GenAI et des modèles de données adaptés. Afin de présenter sa solution dans un environnement concret, l’équipe d’Orange a créé une démonstration simulant une usine à papier alimentée par une turbine. La solution s’adapte facilement aux exigences et aux équipements de n’importe quelle usine.

Pour la démonstration, Orange a fixé des capteurs IoT à une turbine afin de collecter des données vibratoires, gyroscopiques, thermiques et sonores. Une fois captées, ces données sont envoyées à un jumeau numérique, une version miroir de l’usine reliant les éléments physiques et virtuels. Cette dernière stocke des données telles que l’emplacement physique des appareils, leur état de fonctionnement et les éventuelles modifications pour assurer une surveillance et une analyse continues des opérations de l’usine.

Prédiction des défaillances

Un modèle d’IA exploite ensuite les données recueillies pour détecter toute éventuelle déviance de la turbine par rapport à une base de référence, qui peut être calculée en l’espace de deux minutes seulement. Néanmoins, un entraînement plus long produira un modèle plus précis. L’IA surveille les changements sur le jumeau numérique et détecte les tendances indiquant une panne grâce à des seuils calculés lors de l’entraînement, dans le but de catégoriser les anomalies.

Pour écarter les faux positifs, le système a besoin de plusieurs résultats consécutifs en dehors de la base de référence avant de catégoriser une anomalie comme panne potentielle. Cette méthode permet d’éviter qu’une rafale de vent génère une alerte de panne suite à une augmentation des vibrations dans le système. 

Le jumeau numérique comme ingrédient essentiel

Fondamental à la solution, le jumeau numérique permet de comprendre l’état actuel de l’usine et d’identifier les problèmes potentiels. Bien que la démonstration soit basée sur une simple usine à papier, le jumeau numérique peut évoluer et gérer d’importants volumes de données provenant d’une multitude d’appareils et d’environnements. Il s’adapte facilement à de grandes usines et à des configurations plus complexes pour fournir des capacités de surveillance et de maintenance complètes.

L’analyse des données permet au jumeau numérique d’identifier des schémas et des liens peu évidents qui auraient échappé à une analyse manuelle. Il stocke ensuite un historique des données de l’usine pour conserver une trace des événements passés. Cela permet de comprendre la progression des problèmes et d’identifier les causes profondes des pannes. En cas de panne d’un appareil, le jumeau numérique peut renvoyer les données des dernières 48 heures pour identifier l’heure et l’origine de la panne.

La solution s’adapte à des jumeaux numériques existants et peut améliorer leurs fonctionnalités et les services fournis, sans modifications majeures de l’infrastructure existante.

Gestion des connaissances

L’IA d’Orange pour les solutions de maintenance intelligente inclut également une interface utilisateur permettant au personnel d’identifier et de résoudre les problèmes des systèmes de l’usine.

Elle s’appuie sur un référentiel de gestion des connaissances stockant des données de l’usine, notamment des rapports de maintenance, des manuels utilisateur et d’autres documents pertinents. Ces données, intégrées aux informations du jumeau numérique, alimentent un grand modèle de langage (LLM) qui apporte des réponses en fonction des données recueillies.

Le modèle d’IA fournit ensuite des connaissances exploitables qui aident les utilisateurs à prendre des décisions éclairées en matière de maintenance et d’opérations. Il simplifie les informations complexes et les met à disposition des utilisateurs ayant différents niveaux d’expertise. Cette approche limite l’impact du manque de compétences, puisque les employés peuvent commencer le dépannage avant d’appeler un expert, voire peut-être résoudre les problèmes par eux-mêmes.

Différents niveaux d’accès sont proposés en fonction du rôle des utilisateurs. Ils peuvent accéder aux informations pertinentes, qu’ils soient techniciens, comptables ou autre. Un technicien pourra par exemple voir des informations sur les réparations, tandis qu’un comptable pourra voir des informations sur les commandes et les paiements.

Des informations précises

Puisqu’il est fondamental d’éviter les hallucinations, Orange s’appuie sur des méthodes de conception des prompts pour guider les réponses du modèle d’IA. Cette méthode permet aussi d’ajuster les paramètres de température de l’IA pour contrôler la précision des réponses. Une température de 0 fournira par exemple des réponses basiques sans hallucinations. Il est essentiel de trouver le juste équilibre entre température et conception des prompts pour obtenir des réponses précises.

Les employés peuvent aussi interagir avec le LLM en utilisant des commandes vocales, pour un fonctionnement mains libres. Un technicien peut par exemple demander au LLM des instructions pas-à-pas pour résoudre un problème ou effectuer un dépannage.

Les employés peuvent ensuite générer des rapports qui sont intégrés au référentiel de connaissances. Ce dernier est utilisé pour poursuivre l’entraînement du modèle d’IA et améliorer sa précision au fil du temps. Grâce à cette boucle de rétroaction, le système apprend de chaque activité de maintenance et améliore la précision des prédictions futures.

Intégration aux casques

La démonstration incluait un casque VR/AR permettant aux employés de voir des informations sur le jumeau numérique de l’usine. Grâce aux fonctionnalités de suivi en temps réel du casque, le jumeau numérique affiche un avatar en 3D de chaque employé, avec des mouvements et des emplacements détaillés. Le système peut ainsi identifier l’utilisateur le plus proche de la machine en question.

Les employés peuvent poser des questions et recevoir des réponses vocales afin de poursuivre leurs tâches sans avoir à consulter des manuels physiques. Cette fonctionnalité garantit le bon déroulement des tâches de maintenance, pour réduire les temps d’arrêt et améliorer la productivité globale.

De plus, les interactions sont enregistrées et stockées dans la base de connaissances pour référence future, autant pour les utilisateurs que pour le système. Grâce à l’accès à de précédentes procédures de maintenance, les employés peuvent utiliser le casque afin de simuler des tâches de maintenance et de comprendre les procédures avant de les appliquer. Enfin, les casques participent également à la surveillance des conditions de travail en vérifiant le respect des protocoles de sécurité, notamment le port des équipements de protection adéquats et la réduction des vibrations ou des bruits excessifs.

Avantages commerciaux

Comme nous avons pu le démontrer, cette IA pour les solutions de maintenance intelligente offre des avantages commerciaux considérables : amélioration de la sécurité des employés, résolution du problème de rareté des compétences et prise de décision éclairée, grâce à des connaissances axées sur les données.

La solution est simple à déployer et s’adapte à divers environnements, même les usines complexes traitant des milliers de points de données. Elle peut aussi être utilisée dans d’autres environnements, par exemple sur des sites de construction, pour contribuer à la sécurité des valider l’efficacité du système avant d’appliquer la solution à de grands ateliers de production.

Orange cherche à collaborer avec des partenaires pour continuer à tester le système dans divers environnements concrets. Si cette collaboration vous intéresse, contactez partner.business@orange.com pour en savoir plus.

Pour aller plus loin :

Renforcer l’efficacité opérationnelle avec Orange Business
Optimiser l'industrie, en digitalisant outils, processus et produits