Systèmes de production adaptatifs et auto-apprentissage Des chercheurs financés par l'UE ont mis au point un logiciel open source pour la gestion de la production. Le contrôle intégré et harmonisé des machines, la maintenance et d'autres processus secondaires devraient avoir un impact majeur sur la compétitivité. Énergie © Thinkstock Une production efficace exige un contrôle fiable de la production, ainsi qu'un suivi des processus secondaires, dont le rendement énergétique et la maintenance. Actuellement, les activités de contrôle principales et les processus secondaires sont généralement séparés, au détriment des avantages évidents d'une intégration en termes de flexibilité, de disponibilité du matériel et de coût. Le projet SELF-LEARNING («Reliable self-learning production systems based on context aware services») a mis au point des solutions d'auto-apprentissage pour une intégration étroite et en temps réel des activités de contrôle et de maintenance aux systèmes de production. Cette approche repose sur les principes de l'architecture orientée services (AOS), où chaque logiciel accomplit des fonctions spécifiques, sous la forme de services offerts à d'autres applications. Différentes unités gèrent le contrôle, l'énergie et la maintenance. Lorsqu'elles sont connectées entre elles, elles autorisent le partage des informations sur un réseau. Le principal avantage est qu'aucune intervention humaine n'est nécessaire. Par ailleurs, cette approche offre plus de flexibilité, de fiabilité et de capacité d'adaptation. Par le passé, les approches AOS ont été marquées par des problèmes de fiabilité, de disponibilité, d'interopérabilité, de sécurité et de confiance. Le contexte a été pris en compte dans le cadre de ce projet afin d'assurer une intégration efficace des unités et une adaptation adéquate. Les chercheurs ont mis au point des modèles contextualisés et un extracteur de contexte connexe afin d'accéder aux paramètres des processus, machines et conditions tant pour l'auto-apprentissage que pour l'envoi des données à l'adaptateur. Celui-ci autorisait une réaction globale en temps réel aux différentes conditions. L'infrastructure AOS prévoyait un ensemble sécurisé et fiable autorisant le transfert et l'isolation des données ainsi que le confinement des dégâts en toute sécurité. Le projet SELF-LEARNING a exploité les principes de l'AOS qu'il a associés à l'auto-apprentissage et au contexte afin de permettre une adaptation contextualisée et harmonisée des systèmes de production. Les technologies principales sont disponibles au format open source afin d'élargir l'accès et l'exploitation industrielle. Le logiciel devrait permettre de résoudre des problèmes stratégiques dans les environnements de production grâce à la réduction du volume de déchets et de la consommation d'énergie, autorisant ainsi une plus grande efficacité à moindre coût.
