Industrie 4.0, Intelligence Artificielle et IoT dans la Fabrication

Zachariah Peterson
|  Créé: Avril 12, 2020  |  Mise à jour: Avril 5, 2021
Applications de l'intelligence artificielle dans l'industrie 4.0

En matière d'électronique, les appareils grand public comme les smartphones et Alexa ont tendance à attirer toute l'attention. Cependant, selon Alun Morgan chez Ventec International Group, « environ 23% des PCB produits dans le monde sont utilisés dans des équipements électroniques pour des applications de fabrication. » Les chiffres augmentent encore lorsque l'on inclut d'autres catégories non grand public qui soutiennent les opérations de fabrication, telles que l'automobile, les télécoms, la production/distribution d'énergie et l'informatique. Les fabricants occidentaux ont largement accepté que la relocalisation ne se produira qu'à travers une plus grande automatisation et productivité sur le sol de l'usine. C'est l'essence de l'Industrie 4.0, où les opérations d'usine sont plus intelligentes et plus connectées que jamais auparavant.

Alors, où les fabricants peuvent-ils continuer à réduire les dépenses et voir des avantages de productivité plus importants grâce à la relocalisation ? Il y a de nombreuses réponses à cette question, surtout lorsque l'on considère les technologies de fabrication avancées comme l'impression 3D. Une chose sur laquelle tout le monde est d'accord est la suivante : les opérations de fabrication pour de nombreux produits seront davantage numérisées dans un avenir proche. Ce niveau de numérisation nécessite des PCB pour faire fonctionner les équipements et recueillir des données, ainsi que la technologie pour traiter rapidement les données et obtenir des informations utiles. Dans l'Industrie 4.0, l'intelligence artificielle (IA) sera essentielle pour gérer les opérations et traiter les données, fournissant finalement des insights aux gestionnaires et aux ingénieurs.

Conception pour l'Industrie 4.0 et l'IA

Concevoir un nouveau système d'IA pour soutenir les opérations de fabrication est autant une entreprise matérielle que logicielle. Les deux domaines se complètent ; une carte embarquée doit être conçue pour supporter le logiciel embarqué, tandis que le logiciel embarqué ne doit pas consommer tant de ressources au point de paralyser d'autres fonctions sur la carte. Cela signifie que chaque actif de fabrication et les systèmes qui soutiennent l'acquisition/le traitement des données deviendront un écosystème IoT embarqué, où les données sont traitées en un lieu central ou dans le cloud.

Dans l'Industrie 4.0, on s'attend à ce que les fabricants génèrent significativement plus de données que jamais auparavant, à mesure que davantage d'actifs de fabrication deviennent connectés. Cette connectivité est rendue possible grâce à de nouvelles normes industrielles pour l'échange de données, telles que la norme IPC-CFX. Toute opération de fabrication qui souhaite connecter ses actifs et agréger des données tout au long de n'importe quel processus de fabrication aura besoin d'une multitude de dispositifs IoT embarqués à travers une usine.

Industry 4.0 artificial intelligence asset tracking and prediction
L'IA et la connectivité d'usine permettent de suivre et de prédire les commandes en temps réel

Exigences de Conception IoT Embarquée pour l'Industrie 4.0

De nouveaux dispositifs IoT embarqués peuvent soutenir des applications d'IA s'ils répondent à certaines exigences matérielles de base. Ces dispositifs embarqués sont des ordinateurs à carte unique spécialisés qui peuvent prendre en charge des modèles standard d'IA/ML tout en permettant la communication des données via des protocoles standards. Voici quelques exigences de base à considérer lors de la conception de nouveaux systèmes pour les opérations de fabrication de l'Industrie 4.0 :

  • Puissance de traitement : Il s'agit moins de la vitesse d'horloge que du traitement parallèle. Un système avec plus de cœurs/processeur ou qui peut être mis en cluster permettra de traiter les données et de les utiliser dans des modèles d'IA plus rapidement.
  • Mémoire embarquée : La quantité de mémoire requise dépend de l'application spécifique. Un système pour le traitement d'images nécessitera plus de mémoire qu'un système pour le traitement de données numériques.
  • Interface avec d'autres capteurs : Les données peuvent devoir être acquises à partir de capteurs environnementaux, directement à partir de capteurs dans des équipements de fabrication, ou à partir d'une variété d'autres capteurs.
  • Capacités de communication : Cela doit être choisi en fonction de la portée de communication requise. NB-IoT, LoRaWAN, LTE-M, ou un autre protocole sans fil peuvent être utilisés pour la communication à longue portée, tandis que Bluetooth LE, WiFi, ou Ethernet sont courants pour la communication à courte portée.

Conception modulaire pour les systèmes IA de l'Industrie 4.0

Réduire les coûts et augmenter la productivité consiste à déployer et configurer rapidement un nouveau système. La plupart des ingénieurs en fabrication ne sont pas des concepteurs de circuits imprimés, mais cette classe critique d'ingénieurs peut rapidement créer de nouveaux produits IA pour les opérations de fabrication en adoptant une approche modulaire de la conception électronique. Cette classe de caractéristiques de conception permet à tout concepteur de systèmes de connecter des interfaces de calcul, de détection et de communication ensemble dans un système personnalisé pour des applications IA dans la fabrication.

Ces outils tirent parti des interfaces informatiques standard et des connexions électriques standardisées entre elles. Les ordinateurs sur modules (COMs), les systèmes sur module (SoMs) et d'autres matériels pour les applications IA au niveau du sol de l'usine peuvent être connectés sur une carte personnalisée de manière modulaire. Voici quelques options de SBCs et COMs à envisager pour une utilisation sur le sol de l'usine, présentées dans le tableau suivant :

Plateforme

Avantages

Inconvénients

NVIDIA Jetson Nano COM

• Hautement spécialisé pour exécuter des modèles TensorFlow embarqués.

• Meilleur pour les applications de traitement d'image/vidéo.

• Plus cher qu'une plateforme informatique générale.

• Puissance excessive pour les ensembles de données numériques.

Google Coral AI

• Petite empreinte (Mini PCIe, USB, SoM ou M.2 Key).

• Peut facilement s'intégrer avec les services de Google Cloud comme AutoML Vision Edge.

• Utilise une version allégée de TensorFlow.

• Courbe d'apprentissage plus abrupte et limité aux applications d'imagerie.

Série de MCU STM32

• Support pour les modèles de réseaux neuronaux optimisés.

• Idéal pour le prototypage et la configuration de modèles IA.

• Disponible uniquement sous forme de cartes d'évaluation ou en tant que MCU autonome.

• Le MCU nécessite la construction d'une carte personnalisée.

Raspberry Pi Compute 3+

• Excellent pour le prototypage, encombrement réduit.

• Peut facilement passer à la production, facile à mettre en cluster.

• Mieux adapté pour le calcul général et la prédiction avec des ensembles de données numériques plus petits.

• Pas le meilleur pour les applications d'imagerie intensives.

Toradex COMs et SoMs

• Bien connu parmi les fabricants.

• Facile à programmer et à intégrer dans un SBC personnalisé.

• Mieux adapté pour le calcul général et la prédiction avec des ensembles de données numériques plus petits.

• Pas le meilleur pour les applications d'imagerie intensives.

 

Les outils EDA standards de l'industrie peuvent aider les concepteurs à agencer rapidement de nouveaux circuits imprimés avec des fonctionnalités de disposition et de routage standard, mais tous les ingénieurs dans ce domaine ne sont pas spécialisés dans le logiciel EDA. Utiliser une plateforme de conception modulaire comme le Upverter Board Builder permet à quiconque, du développeur de logiciels embarqués aux entrepreneurs en IA, de construire des applications IA gourmandes en données en moins de temps.

Dans la plateforme de conception Upverter, un concepteur peut facilement connecter ensemble des modules graphiquement dans une interface web. Il n'y a aucun outil à télécharger et à installer, et il y a beaucoup de modules standardisés disponibles au sein de la plateforme. Cela vous permet de construire rapidement un nouveau produit d'intelligence artificielle pour l'Industrie 4.0 en utilisant n'importe laquelle des plateformes matérielles IA mentionnées ci-dessus et de le mener rapidement à la fabrication.

NVIDIA Jetson Nano COM for Industry 4.0 artificial intelligence applications
Exemple de carte pour un NVIDIA Jetson Nano COM, construite dans Upverter

Les outils de conception électronique modulaire dans Upverter (précédemment connu sous le nom de Geppetto) vous donnent accès à une large gamme de COMs standard de l'industrie et de modules populaires, vous permettant de créer du matériel de qualité production pour des applications d'intelligence artificielle de l'Industrie 4.0. Vous pouvez également construire facilement de nouveaux produits en quelques minutes. Si votre système nécessite des fonctionnalités supplémentaires, vous pouvez inclure une connectivité sans fil, un ensemble de capteurs, des caméras haute résolution, et un certain nombre de COMs standard.

Jetez un œil à certaines histoires de réussite de clients Gumstix ou contactez-nous dès aujourd'hui pour en savoir plus sur nos produits, outils de conception et services.

A propos de l'auteur

A propos de l'auteur

Zachariah Peterson possède une vaste expérience technique dans le milieu universitaire et industriel. Avant de travailler dans l'industrie des PCB, il a enseigné à la Portland State University. Il a dirigé son M.S. recherche sur les capteurs de gaz chimisorptifs et son doctorat en physique appliquée, recherche sur la théorie et la stabilité du laser aléatoire. Son expérience en recherche scientifique couvre des sujets tels que les lasers à nanoparticules, les dispositifs électroniques et optoélectroniques à semi-conducteurs, les systèmes environnementaux et l'analyse financière. Ses travaux ont été publiés dans diverses revues spécialisées et actes de conférences et il a écrit des centaines de blogs techniques sur la conception de PCB pour de nombreuses entreprises. Zachariah travaille avec d'autres sociétés de PCB fournissant des services de conception et de recherche. Il est membre de l'IEEE Photonics Society et de l'American Physical Society

Ressources associées

Retournez à la Page d'Accueil
Thank you, you are now subscribed to updates.