Faciliter l’incorporation de matières recyclées par le pilotage du procédé grâce à l’Intelligence Artificielle

Communiqué de presse

Publié le : 06/02/2023 par Alexandra Lenoir

Le projet IMPaLA (Intelligent optiMisation of PLAstics process) développe une solution d’Intelligence Artificielle (AI) permettant d’améliorer la qualité des pièces plastiques recyclées grâce à l’optimisation du procédé d’injection.

L’intelligence artificielle : un rôle clé dans l’optimisation des processus

Dans l’industrie manufacturière, l’identification des paramètres machine optimums est souvent un processus long et complexe. L’objectif consiste à développer un système (AI) identifiant les dérives lors de la production des pièces plastiques recyclées et d’agir au plus tôt sur les réglages du procédé afin de limiter les rebuts de production. Ainsi, le temps nécessaire pour corriger les déviations est réduit et la qualité globale de la production du produit recyclé est améliorée.

La mise en place de l’AI avec le procédé d’injection

Le procédé d’injection est instrumenté pour collecter des données sur la production du produit recyclé. Elles vont être mises en lien avec un contrôle qualité en ligne. La mise en relation des données d’entrée avec les données de sortie va permettre de générer un modèle de contrôle de la production. Ainsi, lors de la production des pièces, un indicateur permet de suivre la réponse qualité du produit recyclé en fonction des paramètres d’injection. Si la qualité du produit ne correspond pas aux attentes, une correction doit alors être apportée aux réglages.

Pourquoi utiliser un système d’Intelligence Artificielle

• Réduction des temps d’installation : Un système d’Intelligence Artificielle est en mesure de fournir à l’opérateur un ensemble optimisé de paramètres pour obtenir le résultat souhaité grâce à des modèles d’apprentissage automatique basés sur l’historique du processus.
• Prédiction du résultat final : Un algorithme d’Intelligence Artificielle est capable de traiter les données provenant en temps réel des machines et de faire des prédictions sur le résultat final grâce au modèle d’apprentissage automatique.
• Simuler de nouveaux scénarios : Les modèles d’apprentissage automatique peuvent être utilisés pour simuler de nouveaux scénarios qui n’ont pas encore été explorés.

Pourquoi intégrer et analyser des sources de données ? Les analyses de données vont permettre d’analyser le processus et d’évaluer l’impact des changements, afin de :

• Numériser la connaissance des procédés : La connaissance des procédés basée sur l’expérience peut être numérisée et structurée.
• Optimiser l’efficacité énergétique : Estimer de nouveaux paramètres afin d’optimiser la consommation d’énergie tout en maintenant la qualité requise.
• Stabiliser le processus : Les modèles d’apprentissage automatique peuvent identifier les comportements inattendus et être continuellement mis à jour pour répondre aux nouveaux besoins.
• Utiliser des matériaux recyclés : Ce type de système offre une aide à la mise en place du processus et à la recherche de la qualité attendue.

La solution pour améliorer vos processus de production

IPC peut devenir le point de référence de votre entreprise dans la définition d’un système d’optimisation du procédé de production basé sur l’Intelligence Artificielle et l’apprentissage automatique capable d’améliorer l’efficacité du processus et la qualité du produit final.