Apprentissage automatique dans l'intralogistique
(Marchtrenk, Autriche, 9 septembre 2020) L'intralogistique, comme de plus en plus de secteurs économiques, intègre intelligence artificielle et apprentissage automatique. TGW a, par exemple, développé Rovolution, le robot de préparation de commande autodidacte. Dans notre entretien, Maximilian Beinhofer, Responsable Développement des systèmes cognitifs chez TGW, détaille les atouts offerts par le système aux nombreuses récompenses et explique comment l'intelligence artificielle peut aider à optimiser le centre de préparation des commandes de demain.
Monsieur Beinhofer, qu'est-ce exactement que l'apprentissage automatique ?
Maximilian Beinhofer: Le terme Apprentissage automatique couvre environ 95 pourcents de toutes les applications impliquant l'intelligence artificielle. C'est un concept générique désignant l'acquisition de connaissances à partir de l'expérience. Elle est basée sur des algorithmes qui ne procèdent pas selon une règle programmée de façon immuable, mais reposant sur une structure de base prédéfinie. Ces algorithmes poursuivent alors un apprentissage pour reconnaitre des schémas et faire des prévisions.
L'apprentissage automatique repose donc sur l'expérience. En se basant sur des données historiques, le système apprend à gérer de maniére autonome les nouvelles données encore inconnues. L'algorithme, continuellement affiné, apprend et peut ainsi faire face de façon autonome et dynamique à de nouvelles situations. Et c'est la clé d'une plus grande efficacité dans l'intralogistique, comme par exemple dans la préparation de commandes automatisée.
Quels sont les avantages d'une telle technologie ?
L'intelligence artificielle et ses divers domaines sont un facteur de croissance dans de nombreux secteurs. Dans la chaîne logistique sommeillent, un peu partout, de nombreuses d'informations pouvant largement contribuer à concevoir de tenue plus efficace les processus. Nous parlons ici aussi bien des performances d'une installation dans sa globalité que des éléments qui la composent. En intégrant l'apprentissage automatique, les entreprises profitent de procédures plus efficaces. Par exemple, il permet de préparer et d'expédier aux clients leurs commandes, sans erreurs et le plus rapidement possible.
Dans quels domaines les collaborateurs de TGW travaillent-ils sur l'intelligence artificielle ?
L'éventail des applications de l'intelligence artificielle est très large. Nous voulons l'intégrer de façon ciblée là où l'entreprise et ses clients en tireront le plus grand bénéfice. C'est partout le cas où il s'agit de reconnaitre des schémas au sein de larges volumes de données et d'optimiser les procédures et processus. C'est pourquoi, chez TGW, nous intégrons l'apprentissage automatique selon trois perspectives : l'objet, le flux de produits et la machine.
Tout d'abord, l'apprentissage au niveau de l'objet : il peut s'agir de supports de manutention comme les cartons ou d'articles devant être préparés par notre robot Rovolution. La question centrale est ici : quelles sont les propriétés de cet objet spécifique et comment le préparer de la façon la plus efficace ?
La deuxième perspective se concentre sur le flux de produits. Dans ce domaine, l'enjeu est le suivant : comment commander mon système pour éliminer les goulots d'étranglement et faire que les stations de préparation soient uniformément sollicitées ?
Enfin, nous considérons l'apprentissage des machines : ici, il s'agit d'analyser et de comprendre l'état de chaque composant, par exemple dans le cadre de la surveillance de condition ou de la maintenance prédictive. Ainsi, on peut réduire les temps de panne en planifiant à manière anticipée les dates de maintenance et les réparations.
Dans quels domaines les collaborateurs de TGW intègrent-ils les technologies de l'apprentissage automatique ?
Le fonctionnement de Rovolution, notre robot de préparation de commandes autodidacte, repose sur les connaissances acquises dans le domaine de l'apprentissage automatique. Face à une situation inattendue, comme la chute d'un article au moment de sa préhension, l'appareil réagit de façon complètement autonome et sans intervention humaine pour corriger la procédure. Ceci permet un travail sans interruption 24 heures sur 24. Une algorithmique développe, en se basant sur les données acquises, une forme de compréhension des situations, permettant une évaluation et une classification des états. Cette base sert au robot Rovolution pour décider en toute autonomie de la façon de manipuler l'article à préparer.
Sur quoi travaillez-vous en ce moment ?
Actuellement, nous travaillons entre autres sur des modèles de prédiction destinés à permettre l'adaptation précise d'une installation aux variations saisonnières ou aux modifications du comportement de commande des clients. Les modèles reconnaissent des schémas qui ne seraient pas immédiatement clairs pour un cerveau humain. Dans l'activité quotidienne, ceci permet de tirer des conclusions et de prendre des décisions beaucoup plus rapidement. TGW investit aussi dans des projets de recherche et travaille en étroite collaboration avec des universités internationales.
L'apprentissage automatique est donc complémentaire de l'automatisation ?
L'apprentissage automatique propose des réponses à des défis impossibles à relever avec la technologie d'automatisation classique. TGW amène ici des conditions optimales : nous avons de plus de 50 ans d'expérience dans l'automatisation et pouvons combiner à notre savoir-faire en mécatronique les connaissances acquises dans le logiciel et le numérique, au bénéfice de nos clients.
