Intelligence Artificielle : Des modèles intelligents pour une prise de décision plus intelligente

La popularité de l’approche de conception, de construction et de test de l’ingénierie est en déclin rapide que les ingénieurs d’aujourd’hui font face à une pression sans précédent pour innover, suivre le rythme des dernières technologies, et concevoir des solutions créatives à des problèmes urgents. Les organisations se penchent sur l’intelligence artificielle pour renforcer la façon dont elles font des simulations, conduisant à une innovation plus rapide et, en fin de compte, de meilleurs produits.

Prenons, par exemple, les systèmes de conduite automatisés. Bien que les véhicules autonomes promettent d’améliorer considérablement la mobilité, les ingénieurs doivent tester ces cadres pour trouver des facteurs critiques tels que la sécurité et les défaillances potentielles du système. Toyota est l’un des constructeurs automobiles qui travaillent à rendre les systèmes sans conducteur sûrs. En 2016, akio Toyoda, président et chef de la direction de Toyota, a déclaré que d’autres essais seraient nécessaires pour mener à bien sa mission, soit quelque 8,8 milliards de kilomètres.

Heureusement, explique Stefan Jockusch, vice-président de la stratégie chez Siemens Digital Industries Software, la simulation peut aider. En testant virtuellement des millions de scénarios réels, des conditions routières enneigées aux piétons négligents, la technologie de simulation peut analyser les performances des véhicules autonomes tout en accélérant le développement et en réduisant les coûts.

Mais alors que la simulation est essentielle au développement et à la fabrication numériques des produits d’aujourd’hui et de demain, des défis tels que la complexité accrue et le manque de connaissances de domaine incitent les organisations à renforcer leurs processus de simulation avec des capacités d’intelligence artificielle (IA).

L’IA en tant qu’augmentation intelligente

Bien que les défis puissent varier, Don Tolle, directeur de la société de conseil et de recherche CIM DATA, affirme que « l’un des principaux obstacles à la simulation est le peu de temps qu’il faut pour renverser une simulation complexe et partager les résultats avec d’autres, y compris les ingénieurs de conception et les analystes de simulation ». En fait, Tolle dit qu’il peut prendre « semaines » pour concevoir, recueillir des informations, construire, exécuter et analyser des modèles de simulation pour soutenir la prise de décision.

La complexité est un autre obstacle auquel les ingénieurs doivent s’attaquer. Les modèles de simulation peuvent fournir des informations plus profondes et plus précises sur le comportement des systèmes de fabrication, mais ces détails supplémentaires peuvent se faire au prix d’un meilleur calcul. La construction de modèles de simulation exige également des talents avec des connaissances approfondies en domaine et en mathématiques. De nombreuses organisations se concentrent sur la démocratisation de l’accès aux outils de simulation en en faisant une partie standard des processus de conception et de fabrication. Mais le défi, prévient Tolle, est de « rendre ces outils consommables par l’ingénieur moyen qui n’a peut-être pas de connaissances approfondies sur le domaine dans les spécificités d’une technologie de simulation et de simulation ». Après tout, le développement d’algorithmes d’IA n’est qu’une partie du processus de simulation; les ingénieurs ont besoin de connaissances de domaine pour comprendre le contexte plus large de la façon dont les modèles sont construits et le but qu’ils servent.

En réponse aux obstacles, de nombreuses organisations se tournent vers l’IA pour accélérer et simplifier la simulation, et pour cause. L’IA peut distiller des informations sous une forme plus facile à comprendre pour les ingénieurs et plus transparente, éliminant ainsi la nécessité d’interagir avec chaque détail d’un modèle. « La capacité de créer ces modèles incroyablement complexes est l’un des domaines où l’intelligence artificielle et l’apprentissage automatique auront le plus grand impact », dit Tolle.

C’est parce que l’IA peut « apprendre » l’expertise à partir du vaste volume de jeux de données de simulation créés par des milliers de simulation s’exécute dans des applications similaires. En conséquence, l’IA peut proposer des paramètres de modèle qui permettent un ensemble optimal de caractéristiques de conception pour le système tout en éliminant le risque de simulation fonctionne en prenant plus de temps que les tests physiques. Par la suite, les ingénieurs peuvent commencer à rassembler des caractéristiques de conception optimales pour des conceptions plus détaillées, telles que les conceptions assistées par ordinateur 3D, le développement de logiciels et l’électronique. « La simulation augmente l’intelligence de l’ingénieur en utilisant l’IA et [l’apprentissage automatique] pour améliorer la façon dont nous effectuons l’analyse et utilisons les données », explique M. Tolle.

Les cas d’utilisation ne manquent pas

L’IA peut aider à rendre la simulation pratique dans les cas où elle ne le serait pas autrement, par exemple lorsqu’un concepteur veut rapidement tester et valider de nombreuses configurations de conception.

« Les simulations peuvent être coûteuses sur le plan informatique , par exemple, le comportement de charge d’un véhicule électrique hybride pour des milliers de types de cycles d’entraînement », explique M. Jockusch.  L’IA aide à développer des modèles dits de substitution, en utilisant des milliers de simulations existantes pour obtenir des modèles très simplifiés, calculant beaucoup moins coûteux qui sont « suffisamment précis pour guider les concepteurs à travers un espace de décision complexe ».

Un autre avantage de l’IA est sa capacité à détecter les défauts de conception dès le début du cycle de vie d’un produit. « Il y a eu des exemples notables de défaillances de systèmes ou de surveillances de systèmes au cours des quatre ou cinq dernières années, tant dans l’aérospatiale que dans l’industrie automobile, avec des rappels importants et des problèmes majeurs », dit M. Tolle. « Le coût de la prise de décisions à la fin du cycle de vie est énorme. »

La bonne nouvelle, dit-il, c’est que l’IA peut minimiser le risque d’introduire des failles dans la conception des produits en permettant aux ingénieurs de « valider les systèmes tout au long de leur développement. Cela permet des décisions de conception plus intelligentes et plus rapides et des compromis au début du cycle de vie de conception plutôt que d’avoir à changer la conception plus tard, ce qui peut être coûteux dans les systèmes complexes.

MIT Technology Review Insights (Traduit par Jay Cliff)