Nexans utilise différents matériaux torsadés ensemble par extrusion plastique ou par assemblage mécanique. Pour assurer le contrôle de la qualité, des opérateurs humains vérifient l'absence de problèmes ou de ruptures, mais tout arrêt de la chaîne de production peut s'avérer extrêmement coûteux.
Traditionnellement, ces agents tiennent leur poste et surveillent la ligne de production 24 heures sur 24, 7 jours sur 7. Nexans souhaitait automatiser ce processus en utilisant le machine-learning pour contrôler les lignes de façon continue et signaler tout problème. L’idée visait notamment à libérer de l'expertise humaine pour l’allouer à la prise de décision et la planification.
L'industrie 4.0 intègre la chaîne de production
Nexans Rognan a collaboré avec Orange Business pour enregistrer de grandes quantités de données d’apprentissage provenant de ses lignes de production, y compris en phase de fonctionnement perturbé. Les données, constituées de séquences vidéo, d'enregistrements sonores et de surveillance des vibrations, ont été stockées dans le cloud via Google Cloud Platform (GCP).
Les data scientists d'Orange Business ont ensuite utilisé ces informations pour développer des algorithmes de maintenance prédictive afin d’éviter toute interruption dans le fonctionnement des équipements. Le système est également conçu pour alerter un opérateur en cas de problème repéré dans le processus de production. La solution de visualisation a été développée par Flow Design Bureau, spécialisé dans les systèmes de flux industriels. A noter : en cas de besoin, les opérateurs peuvent aussi déclencher manuellement la collecte des données, afin de garantir la mise à jour des données d’apprentissage.
Un environnement Raspberry Pi abordable est utilisé comme serveur d'analyse, tandis que la capture des données s'effectue sur un contrôleur de chez National Instruments : la preuve que le matériel nécessaire au machine-learning n’est pas forcément onéreux. Par ailleurs, de grandes quantités de données sont envoyées en continu à la plateforme cloud pour une analyse plus approfondie sur le long terme, à l'aide d'une bibliothèque d'apprentissage automatique personnalisée.
Jusqu'à présent, ce programme-pilote a été exécuté sur une ligne de production dédiée à la torsion de l'acier autour d'une âme de câble en fibre optique, ainsi que sur une seconde ligne consacrée à l’enroulage des câbles en cuivre. Mais Nexans Rognan prévoit à l’avenir d’élargir l’utilisation de ces algorithmes d'apprentissage automatique à d’autres lignes de production.