Passer au contenu principal
blog | Performances de l'AGV : une incursion en profondeur dans les réseaux neuronaux |
|
Temps de lecture : 2 minutes

Performances de l'AGV : une incursion en profondeur dans les réseaux neuronaux

Apprentissage automatique et réseaux neuronaux sont des termes importants dans la logistique moderne, mais que signifient-ils réellement? Pour nous l'expliquer, faisons appel à un expert. Paul Hamblin, rédacteur en chef de Logistics Business Magazine, en a rencontré un.

Spécialiste des véhicules autoguidés (AGV) et de la robotique mobile, Kollmorgen mesure les performances et le comportement des systèmes AGV, tant au niveau du système qu'à bord de chacun. Elle recueille des informations sur les moteurs, les scanners laser, la localisation, le trafic et l'interférence des obstacles, ce qui lui permet de trouver des tendances et des modèles qui l'aident à améliorer les produits et les configurations des systèmes.

Les pics et les creux de productivité ou les tendances d'utilisation quotidienne peuvent être mesurés. Ces données sont utilisées pour optimiser les itinéraires, augmenter le débit et calculer une utilisation plus intelligente des ressources. Pour l'utilisateur final, cela se traduit par une baisse des coûts et une augmentation des recettes. Les données collectées peuvent également donner des indices importants sur les processus externes qui pourraient perturber les performances de l'AGV. Par exemple, les piétons qui gênent les AGV ou les chariots élévateurs manuels qui circulent dans des zones initialement prévues pour les AGV.

Comment Kollmorgen fait-elle tout cela? Samuel Alexandersson, responsable de la gestion des produits AGV chez Kollmorgen nous éclaire.

« Un réseau neuronal artificiel est un modèle de calcul qui s'inspire vaguement de la structure du cerveau humain », commence-t-il par expliquer. « Les cellules de notre cerveau, ou neurones, sont reliées par un réseau complexe de nerfs le long desquels circulent des signaux électrochimiques. En simplifiant, on peut dire que si les signaux d'entrée pondérés sont suffisamment forts, le neurone se déclenchera, et le signal se poursuivra jusqu'au prochain ensemble de cellules auquel le neurone est connecté.

De cette manière, la structure des connexions entre tous les neurones de notre cerveau détermine la façon dont un signal est propagé, et lorsque nous apprenons de nouvelles choses, ce qui se passe réellement dans notre cerveau est la restructuration des connexions.

Dans un réseau neuronal artificiel, les signaux sont numériques au lieu d'être électrochimiques, et les forces des connexions sont stockées dans des masses. Au départ, ces masses ont une valeur aléatoire, ce qui signifie que lorsque nous alimentons le réseau avec une entrée, il ne produit qu'une absurdité aléatoire. Mais de la même manière que nous, les humains, apprenons par l'expérience, nous pouvons laisser le modèle apprendre par l'expérience sous forme de données.

Chaque point de données est une entrée et une sortie attendue. Ces paires sont donc des exemples à partir desquels il est possible d'apprendre. En utilisant ces algorithmes d'apprentissage automatique pour ajuster progressivement les masses, la sortie du modèle se rapproche de plus en plus de la sortie attendue, de sorte qu'il est possible d'apprendre à faire des prédictions.

Par exemple, pour apprendre à une machine à faire la différence entre un chat et un chien, nous devons construire un ensemble de données avec des images (entrées), où chaque image a une étiquette indiquant s'il s'agit d'un chat ou d'un chien (sorties correctes). Après avoir entraîné le réseau neuronal avec l'ensemble de données, si on lui fournit une nouvelle image qu'il n'a jamais vu auparavant, il sera capable de dire s'il s'agit d'un chat ou d'un chien. »

M. Alexandersson, auriez-vous des exemples de la manière dont des informations peuvent être générées à partir de données dans un contexte logistique?

« La conception d'un système AGV peut être une tâche complexe qui exige beaucoup de compétences et d'expérience », répond-il. « Lors de la conception d'un réseau routier, par exemple, il peut y avoir des dizaines de milliers de tronçons de route individuels qui doivent être configurés correctement. Bien sûr, il est facile de faire des erreurs, qui sont souvent découvertes seulement au moment de l'exécution du système dans une simulation.

C'est pourquoi nous développons actuellement des outils capables d'analyser directement le réseau routier, afin que l'utilisateur obtienne une rétroaction plus immédiate. Des tests AB internes ont montré que les utilisateurs parvenaient 5 fois plus rapidement à trouver la cause première d'une configuration défectueuse.

Autre exemple plus anecdotique de l'impact d'une approche axée sur les données : lors d'une opération d'assistance, un problème qu'un ingénieur avait passé plusieurs heures à déboguer avec des méthodes conventionnelles a été résolu en 10 minutes grâce à un prototype analysant automatiquement les données de configuration. »

Et voilà, on en revient toujours aux chats et aux chiens!

Auteur : Paul Hamblin, Logistics Business Magazine

Consulter un expert

Une ingénierie exceptionnelle

Kollmorgen croit au pouvoir du mouvement et de l'automatisation pour créer un monde meilleur.

En savoir plus

Ressources associées

Devenez expert en AGV avec le programme de formation complet de Kollmorgen >

De nos jours, l'industrie des systèmes de véhicules autoguidés (AGV) évolue à vitesse grand V. Dans ce contexte, l'apprentissage en continu et l'acquisition constante de nouvelles compétences sont indispensables pour garder une longueur d'avance sur…
ChatGPT, Google Bard ou Microsoft CoPilot et les AGV : avantages, inconvénients et juste milieu

ChatGPT, Google Bard ou Microsoft CoPilot et les AGV : avantages, inconvénients et juste milieu >

Les IA génératives comme ChatGPT, Google Bard ou Microsoft CoPilot peuvent-elles révolutionner l'univers des AGV ? Sebastian Witkarsson, responsable de la sécurité des systèmes d'information chez Kollmorgen, se penche sur la question et invite à la…
Journée de l'innovation Kollmorgen, concrétiser les idées à la pointe de la technologie

Concrétiser les idées à la pointe de la technologie >

Tournée vers l'innovation, Kollmorgen s'investit constamment dans des collaborations et des projets de recherche pour échanger des connaissances et des compétences avec des partenaires et des universités du monde entier. Découvrez comment Kollmorgen…
Journée de l'innovation Kollmorgen

Tous ensemble pour l'innovation : davantage de perspectives signifie de meilleures idées et de meilleurs produits >

Chaque année, de plus en plus de femmes joignent les rangs de Kollmorgen, ce qui contribue réellement à élargir les perspectives globales. Tout le monde s'accorde pour dire que la diversité est un moteur d'innovation et ces valeurs s'appliquent au…

L'interopérabilité : qu'est-ce que c'est et pourquoi est-elle importante à l'ère de l'automatisation? >

Nous vivons désormais à l'ère numérique. Les consommateurs du commerce électronique s'attendent à ce que les marchandises soient livrées plus rapidement et avec plus de flexibilité qu'il y a quelques années. Les organisations, les revendeurs et leurs…
L'automatisation en 1 jour grâce à une plateforme révolutionnaire

L'automatisation en 1 jour grâce à une plateforme révolutionnaire >

L'automatisation accessible à tous a fait un énorme bond en avant avec le lancement d'une plateforme de robots mobiles autonomes (AMR en anglais) qui permet aux utilisateurs d'installer une technologie d'automatisation prête à l'emploi en moins d'une…

Le grand projet : innover ensemble pour un avenir durable >

Nous n'acceptons plus le non durable. Plus que jamais, nous sommes terriblement conscients que notre capacité (ou notre incapacité) à agir au cours des prochaines années aura un impact direct sur la vie des générations futures. Ce sont les…