Smart Production Une usine intelligente reposant sur le traitement d'images

Production en croissance constante, accélération de l'automatisation et des cycles... dans le secteur pharmaceutique, le traitement d'images (c'est-à-dire la capacité d'un ordinateur à « voir ») est un moteur essentiel qui permet aux fabricants de réduire les coûts, d'améliorer la qualité et de rationaliser les processus. En parallèle de cela, la technologie du traitement d'images a rapidement évolué : elle est désormais capable de s'atteler à des tâches d'inspection complexes en plus de recueillir de grandes quantités de données. Il est également vital, et plus particulièrement dans la production de produits pharmaceutiques, de respecter les réglementations et les exigences de sécurité élevées tout en assurant des inspections aussi rapides que possible. Pour cela, il est essentiel de disposer d'un système de traitement d'images puissant et intelligent, accompagné de matériel et de logiciels conçus pour répondre aux exigences d'inspection.

Les données obtenues lors du processus d'inspection automatisé sont précieuses. L'une des plus grandes difficultés du futur sera de les utiliser encore plus intelligemment. Nous parlons toujours de données intelligentes lorsqu'elles peuvent être mises à profit pour l'automatisation et le contrôle des processus grâce à des algorithmes intelligents. VITRONIC porte une attention particulière à cet aspect lors du développement produit. Nous travaillons par exemple sur l'application de l'apprentissage profond dans des tâches d'inspection particulières afin d'optimiser davantage les processus et les résultats de la détection des erreurs. Nous pouvons également citer comme domaine d'application la visualisation des données d'inspection du processus sous la forme de représentation graphique des points chauds et d'analyses des tendances. Ces informations peuvent être utilisées de bien des façons, par exemple pour optimiser les paramètres des processus ou pour déterminer la fréquence de remplacement des pièces critiques.

Un langage commun

L'échange de ces informations repose sur des interfaces standardisées. Pour garantir que les systèmes seront en mesure de communiquer dans un même langage dans le futur, VITRONIC soutient activement l'initiative Machine Vision de l'OPC UA. L'objectif est de simplifier l'échange de données et la mise en réseau dans l'automatisation, afin de favoriser une utilisation plus flexible des systèmes de traitement d'images. En conséquence, une interface M2M reposant sur la norme d'accompagnement « OPC UA for Machine Vision » sera mise à disposition en tant que module standard avec la prochaine version de notre cadre logiciel de base (T2 2020), pour toutes les solutions d'automatisation VITRONIC.

Le traitement d'images devient de l'apprentissage machine

Autre sujet d'innovation prometteur : la « boucle fermée », c'est-à-dire l'analyse automatisée des tendances dans un système fermé. Dans cette application automatisée, les informations issues de l'inspection sont évaluées puis retransmises directement dans l'API du système, où les paramètres des machines pourront être corrigés automatiquement. En d'autres termes : la machine s'adapte automatiquement. Dans une « boucle de feedback rapide », des processus secondaires moins lourds sont divisés en sous-unités afin d'identifier les ajustements nécessaires le plus tôt possible et d'assurer une réponse appropriée automatiquement.

Maintenance prédictive

Enfin, nous constatons un potentiel élevé dans le domaine de la maintenance prédictive. Cette approche repose sur l'analyse des données et des paramètres du processus pour anticiper la nécessité de réparer ou de remplacer les composants du processus.

Ces mesures permettent au fabricant de booster la productivité et de réduire les temps d'arrêt.

L'industrie de l'emballage pharmaceutique traite de plus en plus de petits lots. Cette situation appelle à la flexibilité des chaînes afin qu'elles puissent être converties rapidement. Il est donc également nécessaire que les systèmes d'inspection soient plus flexibles. D'un côté, ces systèmes doivent être évolutifs pour faire face à une variété de produits et de l'autre, ils doivent permettre des changements simples que l'utilisateur peut réaliser lui-même. Les algorithmes intelligents, qui permettent l'automatisation du processus d'apprentissage pour un grand nombre de produits différents avec un support logiciel étendu, sont certainement d'une grande aide ici.