L'EdgeAI dans l'industrie

le 25/01/2024 par Louison Roger

Tags: Data & AI, Architecture, Transformation, Intelligence Artificielle

L’EdgeAI, Kesako ?

On appelle Edge un appareil avec de la capacité de calcul (CPU*, GPU*, TPU*) comme un ordinateur, un smartphone, la domotique connectée, une voiture autonome etc.. L’AI ou l’Artificial Intelligence intègre les techniques permettant de copier par l’exemple un comportement humain. L’EdgeAI c’est l’intégration de l’intelligence artificielle directement sur des dispositifs locaux ou périphériques et permet le traitement des données directement sur le dispositif où les données sont générées.

===============================

Exemple: Dans le cadre d’un projet de recherche axé sur le recensement animal, on a mis au point un dispositif EdgeAI constitué :

D’un edge: un ordinateur miniature de la marque raspberry
De capteurs pour récupérer des données : un détecteur de mouvement ainsi qu’une caméra
D’une batterie pour assurer l’autonomie du dispositif

Sur cet edge nous avons hébergé un applicatif intégrant un modèle d’IA permettant de détecter et d’identifier les animaux, ce qui a permis aux chercheurs de recenser la population animale de la zone étudiée.

===============================

On se rend compte ici de l’intérêt d’un tel dispositif en zone reculée avec peu ou pas d’accès à internet. Il n’y a pas qu’en pleine nature que ce type de dispositif prend sens, mais aussi dans l’industrie. Dans les usines, les dispositifs intelligents autonomes permettent d’effectuer des tâches répétitives à forte valeur ajoutée telles que le contrôle qualité.

L’IA pour des usines sous contrôle En effet dans l'industrie, il est impératif de rester à la fois compétitif et de cultiver un niveau d’excellence quand à :

La Productivité
La Sécurité des employés
La Qualité de la production
La Disponibilité des moyens de production
La Maîtrise de l’approvisionnement

Pour cela il faut pouvoir capitaliser sur les savoir-faire multiples qu’on retrouve en usine* et ce, au bénéfice du groupe*. Les responsables amélioration continue du groupe XYZ ont pour habitude de mettre en avant cette usine au milieu de la France, toujours en avance sur les autres, reconnue pour sa haute cadence de production, avec 25 années sans accident de travail et un niveau de qualité de production au micron. Comment les autres usines du groupe peuvent-elles tirer profit de cette excellence opérationnelle ? Comment cette usine modèle pourrait-elle tirer les autres vers le haut ? Nous sommes convaincus que l'intelligence Artificielle regroupe un ensemble de techniques sur lesquelles l'industrie doit s'appuyer pour se rapprocher de son optimum d'excellence à l'échelle du groupe.

De l'IA oui, mais où ?

Habituellement, les data scientists ont tendance à entraîner et héberger leurs modèles dans le cloud. C'est simple, accessible et efficace en termes de coût. Alors pourquoi ne pas appliquer la même stratégie dans l’industrie ? Dans les usines, les contraintes suivantes vont imposer un choix différent :

Un besoin de temps réel imposé par la cadence de production, ce sera souvent la contrainte la plus importante
Des contraintes de sécurité (réseau, bandes passantes, wifi sécurisé ou interdit)
Des containtes de confidentialité, données dont le niveau de confidentialité ne permet pas d’être chargé sur un cloud.
Un contexte organisationnel, l’usine cherche à garder sa souveraineté lorsqu’il s’agit de son moyen de production, une IA déployée localement permet de garder ce contrôle, de la flexibilité sur son outil de production.

En fonction du degré de contraintes, nous allons privilégier l’hébergement de notre IA :

A l'edge en pied de machine pour répondre à ces contraintes, le modèle d'IA sera embarqué au plus proche de la ligne de production.
A l'edge à l'échelle de l'usine pour rationaliser les coûts hardware et offrir une interface commune pour les différents cas d'usages EdgeAI.
Dans le cloud, comme n'importe quel autre usecase d'IA.

Les cas d'usage industriels

Les cas d'usage hébergés à l’edge (pied de machine ou à l’échelle de l’usine):

Contrôle qualité : Analyse d'aspect du produit fini
Optimisation des robots : Ajustement de la trajectoire d'un robot avec prise en compte d'une intrusion dans son environnement
Sécurité au travail : Détection d'un chariot élévateur dans la zone piétonne de l'usine, ou de l’absence du port d’un équipement de sécurité (casque, lunettes)
Maintenance prédictive des équipements : Prédiction de l'entrée en résonance d'une machine tournante

Sur ces cas d’usage nous pouvons souligner l’importance de la réactivité de notre solution, c’est bien souvent ce qui imposera le choix de l’hébergement de notre IA à l’edge.

Les cas d'usage hébergés dans le cloud :

Optimisation énergétique dans une optique de réduction des coûts et de l’impact environnemental
Optimisation de la Chaîne Logistique pour fluidifier la production
Prévision de la demande pour anticiper le besoin de main d’oeuvre
Analyse Prédictive de la Maintenance pour maximiser la disponibilité de l’outil de production

Conclusions

L’IA est un levier d’opportunité dans l’industrie qui peut entre autres contribuer à l’amélioration des conditions de travail des collaborateurs, une meilleure performance énergétique et environnementale des usines, une compétitivité renforcée face à une concurrence toujours plus agressive. Pour activer ce levier de manière pérenne, il est essentiel de prendre le temps d’identifier le besoin utilisateur ainsi que leurs contraintes. S’il s'avère que celles-ci imposent un déploiement à l’Edge, nous verrons dans un prochain article comment s’équiper d’une telle flotte EdgeAI.

Glossaire

Glossaire Industriel:

Usine = unité de production pouvant accueillir plusieurs lignes d'assemblage
Groupe = entité centrale qui rassemble les fonctions support, l’innovation, la finance etc…
Atomation = L'automation industrielle est le recours à « une technique qui assure le fonctionnement d'une machine ou d'un groupe de machines sans intervention humaine »

Glossaire IT:

OS = Operating System
CPU = Computer process unit
GPU = Graphics process unit
TPU = Tensor process unit

Références

AI at the Edge by Daniel Situnayake, Jenny Plunkett https://www.oreilly.com/library/view/ai-at-the/9781098120191/
La série d’articles L’IA embarquée : entraîner, déployer et utiliser du Deep Learning sur un Raspberry: https://blog.octo.com/ia-embarquee-deployer-du-deep-learning-sur-un-raspberry

Les comptes rendu de comptoir Octo sur l’edge: