UNE AGILITÉ ACCRUE POUR L’INDUSTRIE GRÂCE À LA CONCEPTION GÉNÉRATIVE.

Publié par

Alliant expertise humaine, IA et puissance du cloud computing,  cette   méthode de conception développée à partir du machine learning est une formidable opportunité pour l’industrie. 

Jusqu’à présent, un ingénieur ou un designer utilisait un ordinateur comme un outil passif. Mais une nouvelle méthode de conception connue sous le nom de conception générative révolutionne la relation entre l’homme et la machine. La conception générative est un processus de développement collaboratif qui relie le concepteur à l’  intelligence artificielle (IA) et à la puissance du cloud computing.  

Avec cette nouvelle méthode, après avoir défini ses objectifs, ses contraintes et ses paramètres, par exemple via un système de CAO, le concepteur de projet n’est plus limité à une poignée de solutions possibles, mais a potentiellement accès à des centaines, voire des milliers. 

L’idée est de procéder de manière itérative, en évaluant différentes possibilités afin que l’expertise humaine et les puissantes capacités d’analyse statistique de l’IA puissent ensemble identifier la solution la plus appropriée et la plus efficace prête à être fabriquée. Le concepteur peut alors créer un prototype et s’il le souhaite, soumettre à nouveau l’option choisie via le filtre AI. 

De multiples avantages 

En tant que méthode, la conception générative  offre un certain nombre d’avantages. Il fait gagner du temps et de l’argent, stimule la créativité et permet la création de géométries complexes. 

Lorsque ces géométries  ne peuvent pas être fabriquées avec des méthodes traditionnelles, cela peut être possible en utilisant des techniques de fabrication additive ou d’impression 3D. Cette solution innovante permet de concevoir  des objets plus solides, plus efficaces et plus rentables. 

Les applications de la conception générative se multiplient dans tout le secteur manufacturier. Par exemple, cette nouvelle approche a permis à  Airbus  de créer des cloisons solides 45 % plus légères pour les compartiments passagers de ses avions. De même,  Decathlon  a prototypé le vélo de course du futur, doté d’une fourche optimisée pour le poids et la résistance.  

Origines de l’apprentissage automatique 

La conception générative a émergé du machine learning, ou apprentissage automatique. Actemium, la marque de VINCI Energies spécialisée dans les procédés industriels, dispose déjà d’une expertise considérable dans le domaine du machine learning. En Belgique , sa  division Food & Beverage dispose d’une équipe d’analyse de données particulièrement solide.  

« La conception générative  s’applique  à l’  industrie de l’  alimentation et des boissons . Les opportunités devraient se présenter en temps voulu. 

« Notre équipe est composée de sept personnes, chacune apportant ses propres compétences : ICT, data visualisation, IA, big data, machine learning, deep learning,  automates programmables , production au plus juste, amélioration des processus, conseil, vente, etc. ” explique Jeroen Pandelaere, consultant chez Actemium Food & Beverage Aalter. « La conception générative s’applique à notre domaine d’activité (aliments pour animaux, aliments et boissons). Les opportunités devraient se présenter en temps voulu.  

En attendant d’avoir recours à une conception véritablement générative, Actemium Food & Beverage Aalter développe de nombreuses solutions basées sur l’apprentissage automatique. De la prédiction des commandes pour une meilleure planification de la production et de la logistique à la reconnaissance de textes et de chiffres, la détection d’anomalies, l’amélioration de la qualité et la prédiction optimisée du démarrage des machines, les applications ne manquent pas.  

Jumeaux numériques et capteurs virtuels 

Par exemple, explique Jeroen Pandelaere, « L’un de nos clients souhaitait installer un échangeur de chaleur supplémentaire pour recycler la chaleur provenant de différentes sources. Suite à des études utilisant un jumeau numérique, nous avons proposé une solution plus efficace et économe en énergie qui ne nécessitait finalement que l’installation d’un capteur de chaleur supplémentaire.  

Mais Actemium Food & Beverage Aalter est allé plus loin en analysant les différentes sources de chaleur pour ne sélectionner que celles qui fourniraient la chaleur la plus recyclable. Le client a particulièrement apprécié cette approche étant donné que chaque raccordement à l’échangeur de chaleur coûte environ 50 000 €. 

Jeroen Pandelaere poursuit : « La prochaine étape sera de concevoir un modèle pour simuler le volume du réservoir, afin de définir quelles sources doivent être activées ou désactivées pour éviter de dépasser la capacité totale du réservoir. 

Pour un autre client, Actemium Food & Beverage Aalter a conçu un modèle basé sur un capteur virtuel capable de calculer précisément la consommation d’eau de chaque utilisateur à partir d’une tour de refroidissement. Le calcul est basé sur la consommation totale passée et les positions de toutes les vannes des différents utilisateurs (ouvertes ou fermées). 

« Nous sommes allés encore plus loin en examinant chaque cas où l’utilisation individuelle combinée ne correspondait pas au total mesuré », explique Jeroen Pandelaere. « Nous avons observé que certaines vannes qui auraient dû être ouvertes étaient en réalité fermées suite à une maintenance en usine, sans avoir été identifiées comme telles. Ainsi, notre modèle peut également détecter des anomalies.   

(Source: voir l’article) https://www.theagilityeffect.com/en/article/increased-agility-for-industry-with-generative-design/

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google

Vous commentez à l’aide de votre compte Google. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s