On regroupe sous le terme intelligence artificielle (IA) l’ensemble des techniques informatiques qui permettent à un ordinateur de reproduire le processus d’analyse extrêmement élaboré du cerveau humain.

Parmi ces techniques, on retrouve toutes les techniques d’apprentissage (machine learning) et en particulier le deep learning. Le deep learning s’appuie sur la technologie du neurone artificiel, imaginée à la fin des années 50, et sur la formidable puissance de calcul dont nous disposons aujourd’hui pour doter les ordinateurs d’un « cerveau virtuel » de plusieurs milliers voire millions de neurones, capable d’apprendre.

Et c’est cette technique du deep learning que ONEPROD utilise aujourd’hui, dans le moteur d’intelligence artificielle AccurexTM pour développer les capacités de diagnostic automatique des solutions de suivi vibratoire, et dans la conception d’un outil capable de déceler des évolutions anormales sur des machines complexes.

L’intelligence artificielle appliquée à l’analyse vibratoire est aussi utile pour les experts de cette technique que pour les non spécialistes. Aux premiers elle évite d’avoir à analyser des signaux de machines en bonne santé ou dont le défaut est évident. Les experts peuvent ainsi suivre un parc plus important et consacrer plus de temps aux cas complexes, pour limiter les risques d’erreur dans l’analyse. Aux seconds elle permet de fournir un diagnostic fiable et facilement interprétable grâce auquel ils sont autonomes dans leur prise de décision. Là encore, les experts gagnent du temps.

Mais comment apprend-on à un ordinateur à formuler un diagnostic vibratoire fiable ? Car c’est là tout l’enjeu d’un module d’intelligence artificielle pertinent. La réponse est simple : en lui donnant de bons professeurs.

Ces professeurs, chez ONEPROD, ce sont nos propres experts. Ce sont eux qui sélectionnent les données qui servent de base de réflexion à AccurexTM (données d’entrée), c’est leur diagnostic qui sert de résultat à atteindre (donnée de sortie) et c’est leur méthode d’analyse que nous nous efforçons de reproduire (traitement).

En mettant toute notre expertise dans ce processus d’apprentissage supervisé, où la machine raisonne à partir de données représentatives du problème à identifier avec des diagnostics humains comme référence, nous avançons beaucoup plus efficacement dans la définition du modèle mathématique, des algorithmes et de la stratégie d’apprentissage d’AccurexTM.

Bon élève, AccurexTM est aujourd’hui parfaitement formé aux bases de l’analyse vibratoire : il en maîtrise toutes les règles explicites. Reste à lui faire acquérir cette part d’intuition, qui amène un expert chevronné à formuler un diagnostic exact à partir d’un faisceau d’indices mais sans preuve indiscutable. C’est ce que nous nous attachons maintenant à faire.

Et nous ne comptons pas nous arrêter là. Nous travaillons déjà sur un processus d’apprentissage non supervisé. Un processus dans lequel l’outil d’analyse vibratoire apprendra de lui-même à explorer et comprendre des données pour ensuite les regrouper en sous-ensembles d’éléments similaires. Avec l’apprentissage non supervisé, l’outil pourrait aller jusqu’à nous signaler un changement de comportement sur une machine, en nous expliquant d’où vient ce changement. Il pourrait même nourrir l’expertise de nos experts en découvrant dans les données des indices qui restent pour l’instant invisibles à nos yeux d’humains.

Avec l’intelligence artificielle, nous entrons dans un véritable cercle vertueux de l’analyse vibratoire au service de l’humain, et l’aventure ne fait que commencer !