L’été dernier, SpaceX a lancé sa 25ème mission de services commerciaux de réapprovisionnement (CRS-25) vers la Station spatiale internationale (ISS) avec à son bord des pièces imprimées en 3D fabriquées par Formlabs, le leader de l’impression 3D.

La capsule cargo Dragon qui transportait également 2000 kilos de nourriture et d’équipement pour les membres de l’équipage de l’ISS, alors que la mission CRS-26 vient de faire son retour sur Terre, l’occasion de revenir sur l’une de ces missions : transporter des pièces imprimées en 3D.

De la galvanoplastie sur Terre au laser miniature dans l’espace

Parmi les pièces d’équipement, le vol CRS-25 transportait notamment des échantillons plaqués imprimés avec une imprimante 3D stéréolithographique (SLA) Form 3.

À l’aide de la plateforme d’essai de la station spatiale internationale Materials International Space Station Experiment (MISSE-16) d’Alpha Space, les échantillons seront exposés à l’environnement externe de la station spatiale et seront ensuite renvoyés sur terre pour d’autres tests.

Dans une publication récente, la NASA expose les objectifs de cette expérience ainsi que de la manière dont l’impression 3D peut avoir un impact sur l’efficacité du projet. Le but étant d’envoyer les pièces qui permettront la mise en place de lasers miniatures au sein de l’ISS, ouvrant la possibilité d’analyser des petits échantillons de roches. Ce laser utilise une technique permettant de mesurer la composition d’un échantillon en séparant les molécules de la roche en atomes et en les stimulant à l’aide d’un laser UV. Cependant, le laser a besoin d’un emballage ajusté et personnalisé, et c’est là que l’impression 3D entre en jeu.

L’impression 3D, vers l’infini et au-delà

Le processus de placage, réalisé par l’entreprise spécialisée RePliForm, a permis de créer des pièces beaucoup plus légères que les composants usinés de manière traditionnelle pour la même application. L’équipe de Goddard a pu concevoir, imprimer, itérer et repenser les pièces dans un délai beaucoup plus court qu’avec les processus d’usinage habituels. Chaque composant et chaque processus doit être évalué, mais en réduisant le temps de travail, en éliminant les coûts d’usinage et en réalisant les itérations en interne, l’équipe a pu diminuer les coûts de manière significative.

Les pièces imprimées en 3D et plaquées seront exposées aux conditions difficiles de l’environnement spatial, et les résultats devraient indiquer de quelle manière la NASA et éventuellement d’autres fabricants aérospatiaux pourraient utiliser la fabrication additive pour fabriquer leurs futurs produits.

Au Goddard Space Flight Center, les ingénieurs de la NASA ont travaillé avec des pièces imprimées de Formlabs pour optimiser la conception des supports et obtenir une résistance maximale. Les pièces ont été imprimées avec Rigid 10K Resin, un matériau chargé en poudre de verre idéal pour fabriquer des pièces rigides, résistantes à la chaleur et aux produits chimiques.

Notre industrie est en train de se renouveler. L’industrie 4.0, également connue sous le nom d’industrie du futur, est en train de révolutionner nos organisations et nos méthodes de production en combinant les objets réels et les technologies numériques pour obtenir une production plus efficace grâce à une activité optimisée.

Pour soutenir ces transformations vers une industrie 4.0, le Village by CA Nord de France et le Technopôle Transalley s’associent à 18 de leurs partenaires pour lancer l’appel à candidatures « 4.0, pour une industrie agile, décarbonée et souveraine. »

• Vous proposez de nouvelles solutions au service de notre socle industriel, riche de PMI, d’ETI et de grands groupes ?
• Vous souhaitez répondre aux enjeux sociétaux de préservation de l’environnement, de durabilité, de personnalisation, d’indépendance, de proximité et d’emplois ?
• Vous proposez d’accompagner nos industries dans leur transformation stratégique vers une production plus responsable et performante pour nous permettre de nous déplacer, de nous loger, nous nourrir, nous soigner ?
• Vous êtes acteur du mouvement vers une industrie 4.0 qui vise à améliorer notre système de production industriel, accompagner l’évolution des métiers et répondre aux enjeux futurs ?

Le comité de sélection examinera les projets proposés par les start-up en création ou créées, dont les solutions ou services permettent de répondre aux défis de la transformation industrielle. Ces solutions ou services devront avoir un objectif économique et d’emploi, notamment dans les Hauts-de-France. Les meilleurs projets seront sélectionnés par un jury et bénéficieront d’un accompagnement par le réseau des Villages by CA, premier dispositif d’accélérateurs de start-up en France, et le Technopôle Transalley, actif au cœur d’un bassin industriel de premier plan en Hauts-de-France.

Pour postuler, rendez-vous sur le site officiel lille-levillagebyca.agorize.com

Avis d’expert de Pierre Cerveau, Directeur Commercial France de Formlabs

Depuis plus de 10 ans, les prospectives donnent à l’impression 3D un rôle de révolutionnaire. Dans les faits, l’impression 3D offre aux industriels des perspectives nouvelles en matière de réduction de délais d’approvisionnement, de continuité d’activité et de réduction de time-to-market. Rien de révolutionnaire donc, mais de véritables potentialités d’avantages concurrentiels. Quatre situations dans lesquelles l’impression 3D apportent de réels gains aux industriels.

La continuité des lignes de production

Il suffit parfois d’un grain de sable pour que la machine s’enraye : une pièce (même minuscule) cassée ou défaillante sur une machine, et c’est toute la chaîne de production qui s’arrête. Si certaines pièces, notamment d’usure, peuvent être stockées, il est impossible de prévoir toutes les pannes. Et c’est encore plus vrai lorsqu’il s’agit de systèmes sur-mesure.

Dans ce contexte, l’impression 3D permet aux industriels de gagner en autonomie en créant les pièces de rechange sur place. Évitant dès lors des arrêts ou des ralentissements de production, en attendant la réception de la pièce nouvelle. Si l’impression 3D propose aujourd’hui de très nombreux matériaux, dont certains potentiellement très durables, l’objectif est surtout d’assurer une continuité d’activité sans être tributaire des délais d’approvisionnement. Lesquels se sont considérablement allongés, notamment depuis la pandémie.

La conception d’outillages temporaires ou de micro-série

Entre le prototypage, quasiment « artisanal » et la production de masse, la pré-série est une étape cruciale du processus industriel. De la même façon, la mise sur le marché de « micro-séries » est de plus en plus fréquente dans l’industrie. Dans les deux cas, la question de l’outillage se pose : un moule usiné est généralement aussi long que cher à fabriquer.

Ainsi, de plusieurs semaines, le délai d’approvisionnement d’un moule imprimé en 3D se réduit à quelques jours, et les coûts sont bien plus accessibles. Cette prouesse technique est permise grâce au développement de matériaux pouvant supporter des contraintes thermiques et mécaniques élevées, il est maintenant possible d’imprimer en 3D directement des empreintes de moules pour l’injection plastique. Ce qui limite les risques en phase de pré-série et permet aux industriels de répondre aux attentes de personnalisation de plus en plus poussée de la part de leurs clients.

L’approvisionnement en pièces des produits finis

Au même titre que les pièces des lignes de production, l’approvisionnement en pièces des produits finis, surtout lorsqu’il est réalisé à l’autre bout de la planète, peut être très long. Dans un contexte de réindustrialisation locale, l’impression 3D peut participer à une nouvelle forme d’indépendance des industriels. D’autant plus que, dans beaucoup de cas, le sourcing des matières premières de l’impression 3D peut s’opérer en Europe.

Malgré les distances, le coût par pièce d’une production locale en 3D est généralement plus élevé qu’un approvisionnement auprès des fournisseurs asiatiques, en particulier sur les très grandes séries, bien que cela soit de moins en moins vrai concernant les moyennes et petites séries grâce à l’élimination du prix de l’outillage et du moule. Mais c’est aussi le prix de l’internalisation de la production, de l’autonomie industrielle, mais également d’un geste pour l’environnement. Il est cependant à noter que les deux filières ne sont pas concurrentes, mais plutôt complémentaires, en fonction des produits concernés et de l’organisation de l’entreprise.

Réduction du time-to-market

Du time-to-market, mais également du cost-to-market : en faisant le choix d’impression 3D pour un, plusieurs ou tous les composants d’un nouveau produit, il est possible pour un industriel d’entrer sur un marché à moindre coût, sans risque important, tout en conservant des possibilités d’évolutions très rapides des produits concernés.

On parle alors d’un produit « vivant » car son évolution ne dépend pas d’un outil coûteux et long à produire, mais simplement de retouches sur un logiciel de conception assistée par ordinateur (CAO). Dans ce cas, l’industriel ne se limite pas, avec l’impression 3D, au prototypage ou à la pré-série, mais peut potentiellement internaliser complètement son processus de production.

En conclusion, s’il est clair que l’impression 3D ne semble pas viable pour la production en très grande série, elle offre des perspectives intéressantes au secteur de l’industrie de produits manufacturés, en apportant plus de flexibilité et des évolutions bienvenues aux chaînes de valeur industrielles.

D’un point de vue macroéconomique, elle peut aussi permettre de gagner en indépendance industrielle, tout en étant favorable à la balance commerciale (moins d’importations). Mais le chemin est encore long pour un déploiement à grande échelle : dans certains secteurs, tels que l’aéronautique ou encore l’automobile, son usage étant encore limité pour la production de pièce finies, notamment à cause de contraintes normatives difficiles à surmonter. En d’autres termes, les challenges à surmonter pour qu’une confiance totale s’installe quant à l’impression 3D sont encore nombreux.

Tribune de Baptiste Gendron, Directeur et co-fondateur de Yelhow

Réapprendre à industrialiser

La gestion des compétences est l’ensemble des actions prises visant à faire correspondre les compétences disponibles avec les besoins de l’organisation. Une définition factuelle qui ne dit cependant rien des enjeux auxquels elle se rapporte : humains, économiques, organisationnels.

La désindustrialisation de la France a pesé lourd sur le niveau de qualification scientifique et technique des entreprises et de leurs collaborateurs, dont le savoir-faire menace de se perdre dans les grandes largeurs.

Alors que l’État cherche à revigorer son industrie française, les freins sont nombreux. Au-delà des problématiques foncières et du poids de l’impôt, la qualification demeure un point d’achoppement qu’on peine encore à dépasser. Investir dans la recherche et les laboratoires est une chose. Préserver le capital de connaissances en est une autre, qui incombe, quoi qu’on en dise, à l’entreprise.

Or cette notion de compétence englobe les certifications et les qualifications certes, mais également le savoir-faire issu de l’expérience, lequel se prête difficilement à la catégorisation et échappe au suivi et à la capitalisation. Il est pourtant la pierre angulaire du processus de transmission, ce phénomène indubitablement vital à l’entreprise.

Les peines d’un processus

La mainmise des pays étrangers sur l’effort industriel n’est pas la seule raison d’une gestion des compétences imparfaite.

Souvent laissée de côté au profit des urgences quotidiennes (supply chain interrompue, panne d’une chaîne de fabrication, contraintes externes, etc.), la gestion des compétences n’échappe pas non plus à une certaine standardisation des méthodes. Mission certes régalienne des ressources humaines, le domaine reste principalement cantonné à un ensemble d’items génériques (formation initiale, permis, visite médicale), par trop décorrélé des spécificités d’un poste donné.

Et ce, quand encore, l’industrie parvient à suivre le rythme imposé de la réglementation. Pour certains secteurs spécifiques, comme le pharmaceutique, l’agroalimentaire ou encore l’aéronautique, un agent peut posséder jusqu’à 300 ou 400 compétences clés, dont il faut assurer le renouvellement et en apporter la preuve. La correction des écarts que les audits relèvent est à elle seule un sacerdoce. Pour autant, le succès de l’industrie française repose moins sur l’aptitude à fournir les preuves de formations en temps et en heure lors des audits de certification (que l’on retrouve généralement après beaucoup de temps perdu) que sur la capacité d’une organisation à déterminer si elle possède ou non et en suffisance les compétences dont elle aura besoin demain.

La transmission, un talent industriel

Gère-t-on si bien le départ à la retraite d’un chef d’atelier ? Une absence prolongée d’un opérateur clé ? Que sait-on réellement de l’étendue de leurs connaissances et comment s’assurer que leur savoir-faire, longuement et patiemment construit au fil des ans, bénéficiera à d’autres ?

Deux ans, c’est le temps minimum nécessaire pour reconstruire le savoir-faire perdu d’un expert qui quitte l’entreprise, quelle que soit sa taille. Entre-temps, il faut à nouveau trouver des solutions à des problèmes qui ne se posaient plus. Chaque départ est une perte de savoirs sèche, qu’il faut ajouter aux effets de la délocalisation.

Correctement conduite selon une matrice objective de polyvalence, l’évaluation des compétences et de la maturité acquise sur le terrain permet de réduire drastiquement les délais d’adaptation à un nouveau poste. Ces notions renvoient à la cartographie des savoir-faire, qui a pour but de reconnaître, saisir, capitaliser et protéger ces inestimables ressources. Et si les grands groupes dédient des task forces à ce sujet, preuve, s’il en faut, que la problématique est identifiée et prise au sérieux, il n’en demeure pas moins que sa mise en œuvre opérationnelle est complexe.

Un levier de fidélisation et d’attractivité

Pour intégrer pleinement à la gestion des compétences la capitalisation des savoir-faire et leur processus de transmission, autant en considérer les impacts sur les personnels et les équipes directement.

Rappelons, car l’on peut avoir tendance à l’oublier, que les entreprises ne sont pas les seules à manquer d’une vision globale et à jour du degré de maîtrise de leurs équipes. Les salariés également sont assez hésitants quant à l’étendue de leurs compétences. La formalisation de leur progression et de leurs nouvelles acquisitions leur permet à la fois de se positionner et d’en faire valoir les bénéfices. Qu’y a-t-il en effet de plus objectif qu’une rémunération calculée sur une expertise rigoureusement reconnue ?

Au-delà d’une certaine paix sociale, la mesure du progrès devient source de réengagement à travers une demande soutenue de formation. Elle représente aussi la valorisation en interne d’une expertise connue de tous. Le passage au statut de formateur en est enfin facilité, promesse du maintien dans l’entreprise de la conservation du savoir et certainement, de sa bonification.

On y verra également un outil d’autogestion des équipes, capables alors de repérer tant les manques que la polyvalence.

Puisqu’il est admis que nous évoluons dans une économie maintenant volatile, incertaine, complexe et ambiguë, toute mesure susceptible d’amortir ses chocs est la bienvenue. Une gestion des compétences complète et mature en est une particulièrement efficace.

L’intelligence artificielle (IA) a envahi presque toutes les situations de la vie moderne. Elle vous recommande le meilleur trajet, vous propose de la musique ou des podcasts pendant le trajet, alimente d’innombrables applications et machines tout au long de la journée et vous recommande des émissions ou des films à regarder en streaming lorsque vous rentrez chez vous.

L’IA est là pour rester

L’IA industrielle peut aider les fabricants à maximiser le temps de fonctionnement grâce à la surveillance des équipements et aux programmes de maintenance préventive. Elle peut également servir à identifier les pertes de rendement et les défauts.

Cependant, l’IA a du mal à être massivement adoptée dans le domaine de l’automatisation industrielle. De nombreuses entreprises sont encore dépassées par les principes de base et hésitent à s’appuyer sur l’IA pour obtenir des résultats significatifs.

Dans le rapport d’IBM sur l’indice d’adoption de l’IA dans le monde en 2022, 34 % des personnes interrogées (environ 2 550 entreprises du monde entier) ont déclaré que le manque d’expertise en matière d’IA empêchait sa mise en œuvre. Parmi les autres facteurs empêchant l’adoption de l’IA figurent le coût (29 %), le manque d’outils/de plateformes (25 %), la difficulté et l’évolutivité (24 %) et la complexité des données (24 %).

Nous allons examiner ici ces obstacles et dissiper les idées fausses courantes sur l’IA dans la production et la logistique.

1) Les termes sont interchangeables et sans importance.

Avant d’explorer les options de l’IA, il est essentiel de comprendre les différentes formes, fonctions et faisabilités de cette technologie. Bien que certains termes puissent se chevaucher ou sembler synonymes à première vue, comprendre les nuances de l’IA est la première étape pour déterminer si cette technologie est adaptée à vos besoins.

Algorithme : ensemble d’instructions et de calculs qui aident un ordinateur à atteindre un objectif. Un algorithme « d’apprentissage » utilise des méthodologies d’essai-erreur et d’apprentissage par exemple pour optimiser les processus de production sans intervention humaine.

Intelligence artificielle : ensemble de techniques informatiques qui tentent d’imiter la prise de décision humaine, en utilisant l’automatisation pour effectuer des tâches difficiles pour l’homme grâce à la reconnaissance d’images, au traitement du langage naturel et à d’autres technologies.

Deep learning : une technologie d’IA conçue pour automatiser des applications complexes et hautement personnalisées. Le traitement s’effectue via une unité de traitement graphique (GPU), ce qui permet d’analyser rapidement et efficacement de vastes séries d’images afin de détecter des défauts subtils et de différencier les anomalies acceptables et inacceptables.

Edge Learning : une technologie d’IA conçue pour être facile à utiliser. Le traitement a lieu sur l’appareil, ou « à la périphérie », à l’aide d’un ensemble d’algorithmes pré-entraînés. La technologie est simple à mettre en place et nécessite des jeux d’images plus petits (5 à 10 images seulement) et des périodes d’apprentissage plus courtes que les solutions traditionnelles basées sur le Deep learning.

Machine learning : Processus informatiques qui peuvent améliorer les résultats sans programmation humaine. Les algorithmes d’apprentissage automatique entraînent un ordinateur à rechercher le succès et à éviter l’échec des millions de fois pour générer des résultats d’apprentissage.

Machine vision : Algorithmes basés sur des règles qui identifient les caractéristiques spécifiques d’un objet. Bien que les outils de vision artificielle fonctionnent beaucoup plus rapidement que l’œil humain, l’IA peut améliorer considérablement la précision et l’efficacité de ces outils.

2) L’IA va remplacer les emplois et susciter la méfiance des employés

Le mythe de la technologie émergente qui remplace les emplois pourrait probablement remonter à l’invention de la roue. La vérité est un peu plus compliquée.

Les progrès de la technologie industrielle, y compris l’IA, sont conçus pour améliorer les performances, l’efficacité, la qualité et les capacités. Il est facile de comprendre pourquoi les moteurs à combustion interne et à vapeur ont efficacement remplacé les chevaux, ou comment le télégraphe a ouvert de nouvelles lignes de communication par rapport à la distribution manuelle des lettres. Ces innovations ont succédé à d’autres formes de technologie. Bien que les moteurs aient évincé le cheval, la technologie a créé une toute nouvelle industrie tout en permettant le transport de masse, en transformant la logistique, le transport personnel et l’expédition.

On peut dire la même chose de l’IA. Au lieu que l’IA remplace les emplois, les entreprises découvrent que les employés peuvent travailler aux côtés de l’IA pour atteindre une plus grande productivité et ouvrir de nouvelles possibilités.

L’IA peut réduire la quantité de tâches banales et répétitives, ce qui permet aux travailleurs d’aborder d’autres fonctions créatives ou hautement qualifiées. En 2018, une organisation caritative basée à New York a commencé à mettre en œuvre l’IA pour les tâches de saisie de données, ce qui a contribué à faire baisser le taux de turnover annuel de l’entreprise de 42 % à 17 %.

Cette technologie peut désormais être largement utilisée dans les domaines de la production et de la logistique pour faire face à la pénurie actuelle de main-d’œuvre et à d’autres problèmes chroniques. Associée à la robotique, l’IA peut faciliter des tâches telles que la détection d’objets et la cartographie des plans pour livrer des marchandises dans des bâtiments. Associée à des systèmes de vision artificielle, l’IA peut effectuer des tâches d’assurance qualité répétitives, mais essentielles, notamment la détection et l’inspection de l’absence ou de la présence de pièces.

L’utilisation de l’IA pour effectuer des opérations ordinaires permet aux établissements de réaffecter des ressources à des tâches plus exigeantes et d’aider les opérateurs en diminuant leur charge de travail.

3) L’IA industrielle nécessite des milliers d’images et de grands ensembles de données.

La réalité de cette fausse idée peut être résumée par l’un des propos favoris des ingénieurs : « ça dépend ».

L’IA est un vaste domaine, qui englobe de nombreux types de technologies pouvant être appliquées d’une grande variété de manières. Pour que l’IA puisse s’attaquer à des applications complexes, telles que la détection d’anomalies sur les soudures ou l’analyse des motifs de couture dans les textiles, la technologie doit faire l’objet d’une modélisation, d’un développement et de tests approfondis, ce qui fait des solutions basées sur le Deep learning un candidat idéal.

Toutefois, des méthodes d’IA plus simples peuvent permettre d’accomplir des tâches similaires, notamment la détection des défauts et la classification/tri. La technologie d’apprentissage par Edge learning, par exemple, n’a besoin que de 5 à 10 images pour s’entraîner et peut être déployée par des techniciens, sans aucune expérience.

Tout d’abord, un opérateur forme le système en fonction de l’application. Par exemple, dans un scénario d’inspection de pièces, l’utilisateur présente au système des images d’une pièce acceptable et de pièces présentant des défauts.

À partir d’une poignée d’images seulement, la technologie d’apprentissage par Edge learning exploite des algorithmes avancés pour différencier les pièces acceptables des pièces inacceptables. Une fois que le système est entraîné à distinguer les bonnes pièces des mauvaises, les utilisateurs peuvent déployer la solution sur la chaîne de fabrication.

4) Il faut un doctorat et une équipe de data scientists pour mettre en œuvre des solutions d’IA.

Développer, concevoir et tester l’IA nécessite un ensemble de compétences raffinées, mais l’utilisation de solutions d’IA modernes peut être déployée par des techniciens en quelques minutes.

Par exemple, Les solutions d’Edge learning de Cognex s’exécutent entièrement dans une caméra intelligente équipée d’un éclairage intégré, d’un objectif autofocus et d’un capteur puissant, qui fonctionnent tous ensemble pour offrir des capacités d’inspection précises.

Conclusion

L’IA n’est pas une mode ou une technologie spécialisée applicable à des marchés spécifiques ; c’est un vaste domaine qui peut aider le secteur industriel de nombreuses façons. À mesure que la technologie évolue, elle devient plus conviviale. Elle a été testée sur le terrain dans les secteurs de la fabrication et de la logistique, ce qui a permis de simplifier le contrôle de la qualité, d’améliorer la traçabilité des produits et d’identifier les défauts plus tôt dans le processus de production.

Article original disponible sur https://www.cognex.com/