fr.wedoany.com Rapport : Le projet SARA, une initiative espagnole visant à promouvoir le développement de systèmes de fabrication autonomes de nouvelle génération, intègre l’intelligence artificielle, l’apprentissage fédéré, la vision industrielle, la robotique et la blockchain pour transformer les données générées lors des processus de fabrication en connaissances exploitables pour la prise de décision. Financé par le CDTI (Centre pour le Développement Technologique Industriel espagnol) et l’AEI (Agence Espagnole pour l’Innovation), le projet réunit un consortium d’entreprises, dont Fagor Automation, et un consortium d’instituts de recherche, dont le Centre de Fabrication Aérospatiale Avancée (CFAA) de l’Université du Pays Basque, afin de valider les technologies dans des scénarios réels à travers cinq démonstrateurs industriels.
Au sein de ce projet, le CFAA mène trois axes de recherche visant à accroître l’autonomie des systèmes de fabrication. Le premier axe se concentre sur l’application de l’apprentissage fédéré à la surveillance intelligente des processus sur machines-outils, incluant la gestion de l’état des fluides de coupe et la prédiction de la durée de vie résiduelle des outils. Le système expérimental développé, nommé « Matabichos », intègre un système de traitement physique basé sur les rayons UV-C et des bulles d’air comprimé, ainsi qu’une plateforme de surveillance intelligente. Les validations expérimentales montrent que ce système réduit significativement la charge bactérienne totale et les pseudomonas, et enregistre en continu l’évolution de variables telles que la turbidité, la conductivité, le pH et la température. Actuellement, le système est transféré vers un réservoir de 500 litres, plus proche des conditions industrielles, pour des tests.
Le deuxième axe concerne la fabrication robotisée autonome, avec le développement d’un système de génération de trajectoires adaptatives pour les opérations d’ébavurage. Ce système, en traitant les signaux de déviation des contours détectés dans des images simples, génère des trajectoires d’outils qui s’adaptent en temps réel aux conditions réelles de la pièce. Il permet de détecter rapidement les arêtes et les bavures et d’ajuster dynamiquement les conditions d’usinage en fonction de leur taille. Les tests montrent que cette technologie permet d’obtenir un facteur d’échelle inférieur au dixième de millimètre, et qu’un minimum de 5 mégapixels est nécessaire dans la direction de mesure. Actuellement, un outil de programmation autonome est en cours de développement, permettant au robot de modifier automatiquement sa trajectoire de travail en fonction de la géométrie mesurée.
Le troisième axe introduit la technologie blockchain et l’identité numérique pour ajouter une couche de confiance aux données industrielles. Une architecture combinant des identifiants décentralisés (DID), des attestations vérifiables et un réseau blockchain privé basé sur Hyperledger Fabric a été développée. La validation effectuée sur une machine-outil Ibarmia THR 16 montre que, pour un fichier CSV de 2 Mo, le processus de certification total prend environ 2,388 secondes, indiquant que l’introduction de l’identité numérique et des mécanismes de certification n’entraîne qu’un faible surcoût temporel, compatible avec les flux de collecte de données industrielles classiques. Les travaux actuels se concentrent sur l’extension de cette architecture pour l’adapter à des scénarios industriels plus complexes et favoriser l’interopérabilité entre fabricants, fournisseurs et clients.
Le projet SARA aborde l’autonomie dans une perspective globale, couvrant l’ensemble du processus, de la définition du procédé à l’exécution, la surveillance, la maintenance et la planification. Son objectif est de développer une architecture technologique pour promouvoir des systèmes de fabrication plus autonomes, plus intelligents et plus interconnectés, permettant aux machines de comprendre leur environnement, d’apprendre de l’expérience et d’agir de manière de plus en plus intelligente. Les résultats de ce projet sont d’une importance significative pour améliorer la compétitivité des industries manufacturières à forte valeur ajoutée, comme l’aérospatiale.
Autour de ses objectifs, le projet a établi cinq démonstrateurs industriels, ciblant respectivement l’assistance autonome dans la définition de nouveaux procédés, l’assistance à la définition des paramètres d’usinage et à la surveillance sur machines-outils, l’autonomie dans la maintenance prédictive des composants de machines, l’autonomie de la fabrication robotisée et l’autonomie de la planification flexible d’usine.
En termes d’avancées techniques spécifiques, le système Matabichos développé par le CFAA pour la gestion des fluides de coupe a démontré son efficacité lors des validations expérimentales. Des tests comparatifs sur deux réservoirs de 25 litres ont montré une réduction, voire une disparition quasi totale, des contaminants de surface dans le réservoir traité, et les analyses microbiologiques ont confirmé une réduction significative de la charge bactérienne totale. Lors d’une collecte de données réelles d’un mois, le système de surveillance a réussi à enregistrer en continu les variations des variables clés.
Dans le domaine de l’ébavurage robotisé, le projet a développé une technique de détection de contours basée sur le traitement d’images. En prenant des photos de 24 mégapixels à une distance de 420 mm avec un appareil photo, et en réduisant la résolution des images à l’aide d’outils d’édition, les tests ont montré qu’un minimum de 5 mégapixels est nécessaire dans la direction de détection. Cette technique traite les images par des étapes d’étalonnage, de segmentation, de détection et de mise à l’échelle pour générer des trajectoires robotisées adaptées aux conditions réelles de la pièce.
Au niveau de la confiance dans les données, l’analyse des performances de la solution blockchain montre un faible surcoût du processus de certification. Pour un fichier CSV de 2 Mo, la génération d’une attestation vérifiable prend environ 2,29 secondes, le calcul du hachage SHA-256 prend 2,6 millisecondes, et l’écriture du hachage dans la blockchain prend 94,8 millisecondes. Les tests indiquent que cette architecture est viable en tant que couche de confiance supplémentaire sur l’infrastructure industrielle existante.
La phase de traitement d’image comprend l’étalonnage, la capture de la photo de la pièce, la segmentation pièce-fond et la détection des contours en utilisant la géométrie nominale comme gabarit. Ensuite, des opérations morphologiques sont appliquées pour filtrer les grosses bavures, une mise à l’échelle en millimètres/pixels est effectuée en fonction de la taille de l’ouverture, et enfin, la géométrie du contour est lissée. Cette géométrie servira de guide pour le mouvement mis à jour du robot.
Le projet a analysé les systèmes d’acquisition adaptés à cette application, excluant des technologies telles que la mesure par palpeur, la lumière structurée et le laser.
Le choix final s’est porté sur le traitement d’images par appareil photo, car il s’agit d’une technique rapide et économique, avec une précision dans la plage définie, et adaptée aux applications sur les arêtes dans un plan. La faisabilité de cette technique a été testée sur un montage préliminaire, en utilisant des cales étalons en céramique de classe 0 (longueur 100 mm) et des trous d’étalonnage d’un bloc de type IIW-Type1 (50,8 mm).
Les tests ont consisté à prendre une photo avec un appareil de 24 mégapixels à une distance de 420 mm. Ensuite, en réduisant la résolution de l’image, l’impact sur la mesure de la longueur de la cale a été étudié. Les résultats montrent que cette technique permet d’obtenir un facteur d’échelle inférieur au dixième de millimètre, et qu’un minimum de 5 mégapixels est nécessaire dans la direction de mesure.
Pour la segmentation, différents algorithmes de reconnaissance de contours et techniques de filtrage seront étudiés jusqu’à trouver les paramètres optimaux pour obtenir un contour fermé complet de la pièce cible.
En ce qui concerne la blockchain, l’architecture développée combine des identifiants décentralisés (DID), des attestations vérifiables et un réseau blockchain privé basé sur Hyperledger Fabric. Les données générées par la machine sont structurées en attestations numériques et signées, puis stockées dans le lac de données du CFAA. Le hachage cryptographique (SHA-256) de chaque attestation est calculé, et seule cette preuve est stockée dans la blockchain pour vérifier l’intégrité des données tout en maintenant l’efficacité du système.
La validation de la solution blockchain a été effectuée sur la machine-outil Ibarmia THR 16.
L’analyse des performances montre que, pour un fichier CSV de 2 Mo, le processus de certification total prend environ 2,388 secondes.
Bien que les développements techniques soient toujours en cours, les résultats obtenus jusqu’à présent valident la faisabilité des solutions proposées, posant les bases pour progresser vers un environnement de fabrication plus autonome, interconnecté et efficace. Ce projet représente une étape importante vers une nouvelle génération d’usines capables non seulement d’automatiser les processus, mais aussi d’apprendre, de collaborer et de prendre des décisions basées sur des informations fiables.
