DIGITALISER L'INSPECTION DES GRANDS SITES INDUSTRIELS

Avec l’évolution des technologies d’Intelligence Artificielle (I.A.), de robotique et de reconnaissance visuelle, les sites de production industriels et les infrastructures vont connaître des modifications de grande ampleur. Une fois réalisé l’investissement initial pour digitaliser les process métier, le déploiement de l’I.A. est rendu possible. Combinée à l’analytics et au big data, l’I.A. offre à terme aux opérateurs des perspectives aussi fructueuses que la surveillance des machines, la prévention des défaillances et la maintenance prédictive. Ce sont par exemple les promesses des contrôles qualité par vision ordinateur au sein des sites de production. Cependant, les sites industriels de grande taille échappent encore à la digitalisation et au déploiement de l’I.A. C’est le défi que nous avons pour ambition de résoudre.

Les sites industriels de grande taille sont encore peu digitalisés

Une partie non négligeable des process métier échappe encore au processus de digitalisation et donc, au déploiement de l’I.A. C’est le cas des inspections dans les sites industriels de grande taille comme les aéroports, les ports ou les grands réseaux. Réalisées par des inspecteurs qualifiés, journalières, visuelles et mobiles, elles reposent quasi-exclusivement sur la perception et le jugement humain. Par exemple, ce sont des inspecteurs qui contrôlent visuellement la surface de la mer au large des navires d’exploration pétrolière pour prévenir les collisions avec des débris. Les pistes d’aéroport font également l’objet d’une inspection visuelle, quatre fois par jour, par des équipes motorisées.

Les inspections visuelles de ces sites présentent de nombreuses limites

Certains incidents ne peuvent pas être détectés par le seul œil humain, donnant lieu à des pertes financières massives dans plusieurs industries (oil & gas, aéroportuaire, ferroviaire, etc.). L’œil humain est en effet souvent mis en échec par la surface à inspecter mais également par la fatigue ou la pression subie par l’opérateur. L’inspection d’une piste aéroportuaire doit par exemple être conduite juste avant les pics de trafic aérien, occasionnant une pression supplémentaire pour l’inspecteur.

Au sein de ces sites, il y a pourtant un gisement de données qu’il conviendrait d’actionner

L’autre écueil de ces inspections est celui du manque de traçabilité et d’exploitation des données d’inspection récoltées. Hormis à des données textuelles, les inspections ne donnent pas lieu à l’acquisition de données alors même qu’elles sont riches d’une mine d’informations pour la direction des opérations et pour les autres acteurs d’un site industriel. Les aéroports sont emblématiques de ce constat : le process passagers dans l’aérogare fait l’objet de modélisations et de prédictions avancées du fait de la manne de données collectées, tandis que les opérations de pistes, critiques pour atteindre l’un des KPI-clé du secteur : la ponctualité des vols, sont encore peu digitalisées.

Les deux approches d’inspection traditionnellement mises en place, vidéosurveillance et IoT, présentent beaucoup d’écueils

Pour permettre aux opérateurs d’infrastructures de valoriser et d’actionner leurs données d’inspection, deux types d’approche coexistent.

Développée depuis dix ans, la première est fondée sur le déploiement de capteurs IoT fixes. Il s’agit de capteurs simples permettant la prise d’une mesure unique (température, position GPS, etc.). Cette approche présente deux limites, l’une économique et l’autre technologique. Le déploiement de capteurs sur de très grandes surfaces (piste d’aéroports, parkings portuaires, etc.) est très onéreux et représente ainsi un frein pour les opérateurs. Par ailleurs, les capteurs répondent à un besoin de mesure précise mais ne peuvent pas être utilisés pour des diagnostics complexes, ceux-là même qui sont posés lors des inspections.

La deuxième approche est fondée sur la vision caméra, plus riche en informations que la donnée capteur. C’est l’approche par vidéosurveillance, utilisée pour contrôler les points critiques des infrastructures. La première limite de cette approche est la même que celle des capteurs : le coût de déploiement est prohibitif pour les opérateurs tant la surface à couvrir est importante. Par ailleurs, le coût est renchéri par le débit nécessaire à la transmission de flux vidéo colossaux. Enfin, les images captées ne sont pas suffisamment pixellisées pour effectuer des inspections de précision.

L’avenir est aux capteurs mobiles

La conviction de Flyinstinct depuis sa création est que la digitalisation des inspections et l’injection de l’I.A. en leur sein ne se fera qu’à condition de déployer des capteurs vidéo mobiles. Une telle « patrouille digitale » permet de couvrir de grandes surfaces, d’acquérir des données de bonne résolution et en quantité raisonnable, tout en offrant aux clients industriels un retour sur investissement intéressant. Deux options de traitement des données se font jour pour obtenir une reconnaissance en temps réel. La première est le calcul on the edge : les données sont analysées par une puissance de calcul à proximité du capteur, ce qui permet d’obtenir des résultats rapides, sans solliciter outre mesure les capacités de transmission. La deuxième repose sur un traitement centralisé des données au niveau du serveur, rendue possible par les avancées majeures en matière de débit sans fil (grande bande passante et réduction du temps de latence).

Une « patrouille digitale » est déjà à l’œuvre en milieu aéroportuaire

Flyinstinct a ainsi mis au point une solution d’inspection digitale permettant aux opérateurs de pistes d’aéroports de détecter les débris en temps réel. Elle repose sur un système caméra mobile couplé à une solution logiciel edge et de synchronisation des données. La digitalisation présente un intérêt immédiat pour le client : une fiabilité et une vitesse de détection largement supérieures à celles de l’œil humain sur un process critique. Le souvenir du crash du Concorde, dû à un débris sur piste, hante encore les opérateurs de pistes, les amenant à chercher des solutions plus robustes. Par rapport à des solutions fixes, reposant sur des caméras SD générant des images de mauvaise qualité, cette solution permet d’acquérir des images de qualité et de les traiter avec une précision et une rapidité sans commune mesure.

Nous croyons que c’est cette approche qui permettra de digitaliser au plus vite les inspections des sites de grande taille, pour les rendre plus fiables et collecter des données de qualité, en quantité raisonnable. Ces données deviendront ensuite actionnables pour déployer des solutions prédictives.

A retenir

• Les sites industriels de grande taille sont faiblement digitalisés.

• Pourtant, les données récoltées lors des inspections de ces sites permettraient de déployer des solutions prédictives.

• Les approches IoT fixes et de vidéosurveillance ne répondent pas aux enjeux de digitalisation de ces sites.

• L’avenir est au déploiement d’une patrouille digitale de capteurs mobiles.

Biographie de l'auteur

Arthur Ni est ingénieur de l’École Polytechnique (X05) et de Télécom Paris (2010). À partir de 2010, il a dirigé la recherche et l’application de l’exploration offshore à la Compagnie Générale de Géophysique (CGG). Il a déjà déposé 16 brevets concernant le traitement de données et l’inspection de l’ingénierie maritime. Spécialisé en big data, Arthur est enseignant en traitement des données à l’université Paris Dauphine (Paris IX).

 @www.flyinstinct.com  /in/niyan

 @Flyinstinct2 company/flyinstinct