Industrie Mag - Le journal de l'industrie.
- accueil .
- newsletter .
Flux RSS . - soumissions .
- publicité .
- contacts
Flux RSS . Vers une usine connectée : l’IA intégrée au contrôle-commande avec TwinCAT 3 Machine Learning Creator
Création automatisée de modèles d’IA pour le traitement des images et les signaux de processus temporels. Sur le Parcours Digitalisation — « Vers une usine connectée, sécurisée et pilotée par la donnée » — Beckhoff mettra en avant TwinCAT 3 Machine Learning Creator, qui facilite l’adoption de l’IA par les programmeurs et automaticiens, sans expertise préalable en science des données. L’usine du futur repose sur la digitalisation des process, la connectivité des équipements et l’exploitation intelligente des données. L’intelligence artificielle s’impose comme un levier clé pour optimiser la performance industrielle, améliorer la qualité et renforcer la résilience des sites de production.
TwinCAT 3 en proposant une création automatisée de modèles d’IA directement accessible dans le navigateur. L’application est exclusivement Web : l’ingénierie se déroule entièrement dans le navigateur et aucune puissance de calcul locale n’est nécessaire, simplifiant considérablement le processus pour l’utilisateur. Les programmeurs peuvent ainsi entraîner des réseaux neuronaux avec des données internes et les déployer dans la machine, sans recourir à des systèmes externes ni à des connaissances spécialisées en IA.
En plus du package d’extension TwinCAT 3 MLC Computer Vision (TE3851) dédié au traitement d’images, la gamme TwinCAT 3 MLC (TE3850) intègre désormais le module TwinCAT 3 MLC Signals and Time Series (TE3852). Cette évolution permet de traiter non seulement l’imagerie industrielle mais aussi les signaux de process temporels — courbes de courant, température, vibration — qui fournissent des informations essentielles sur l’état des processus, des composants et des outils. Les modèles créés détectent patterns et écarts en temps réel à partir des données pertinentes, favorisant la maintenance prédictive, l’optimisation des processus et la détection d’anomalies directement dans l’environnement de contrôle.
Les cas d’usage typiques englobent la détection de dysfonctionnements moteurs (dommages aux roulements, déséquilibre, problèmes mécaniques) à partir de signaux de courant, de vibration ou acoustiques, la détection de l’usure des outils (fraisage, perçage) à partir des courants de broche, ainsi que le contrôle qualité intégré aux process de soudage (courants et tensions) ou aux process de découpe et d’emballage (courants de servomoteur). Les modèles permettent aussi l’ajustement dynamique des paramètres de process adaptatifs, la réduction de la consommation d’énergie en fonction des profils de charge et des prévisions, ou le contrôle prédictif de systèmes complexes.
Beckhoff propose ainsi un écosystème matériel et logiciel ouvert et intégré, où l’IA devient partie intégrante du contrôle-commande sur base PC. TwinCAT 3 Machine Learning comble le fossé entre la collecte de données, l’entraînement et l’exécution en temps réel, offrant une voie concrète pour intégrer l’IA dans les systèmes de contrôle industriels.
