Groupe BMW : Contrôle de la qualité sur le PC de chaque employé

Le groupe BMW mise sur le kit d'outils Intel® OpenVINO™ pour un contrôle de la qualité basé sur l'IA pour chaque employé.

En bref :

  • Avec ses marques BMW, MINI, Rolls-Royce et BMW Motorrad, le groupe BMW est l'un des principaux constructeurs mondiaux d'automobiles et de motos haut de gamme.

  • Pour permettre non seulement aux spécialistes des données, mais aussi aux employés de la fabrication, d'utiliser des charges de travail d'IA pour le contrôle de la qualité sur un PC de bureau classique, le groupe BMW utilise une application développée par Robotron avec le kit d'outils Intel® OpenVINO™. Le kit d'outils d'Intel accélère et améliore la vision par ordinateur grâce au deep learning, ce qui rapproche le groupe BMW de son objectif d'une « IA pour tous ».

author-image

By

Fissures, peinture rayée ou étiquetage incorrect : le groupe BMW s'appuie sur des systèmes de traitement automatisé de l'image (vision par ordinateur) pour détecter les défauts dans la production et le contrôle de la qualité. Ces solutions utilisent le deep learning basé sur l'IA pour traiter et analyser efficacement les données visuelles, le plus souvent sur du matériel spécialisé ou dans le Cloud. Pour permettre non seulement aux spécialistes des données, mais aussi aux employés de la fabrication, d'utiliser des charges de travail d'IA pour le contrôle de la qualité sur un PC de bureau classique, le groupe BMW utilise une application développée par Robotron avec le kit d'outils Intel® OpenVINO™. Le kit d'outils d'Intel accélère et améliore la vision par ordinateur grâce au deep learning, ce qui rapproche le groupe BMW de son objectif d'une « IA pour tous ».

Avec ses marques BMW, MINI, Rolls-Royce et BMW Motorrad, le groupe BMW est l'un des principaux constructeurs mondiaux d'automobiles et de motos haut de gamme, ainsi qu'un fournisseur de services financiers et de mobilité haut de gamme. Le réseau de production du groupe BMW comprend 31 sites de production et d'assemblage dans 15 pays, tandis que le réseau de vente mondial est représenté dans plus de 140 pays. En 2020, le groupe BMW a réalisé des ventes mondiales de plus de 2,3 millions d'automobiles et de plus de 169 000 motos. Le groupe emploie actuellement environ 120 000 personnes dans le monde.

© BMW Group

Traitement automatisé des images en production

Le contrôle de la qualité optique des composants à l'aide du traitement des images basé sur l'intelligence artificielle (IA) est devenu la norme dans l'industrie. Depuis 2018, le groupe BMW utilise diverses applications d'IA à des fins de production. L'accent est mis sur les méthodes de reconnaissance automatique des images. L'expérience montre que les systèmes de vision par ordinateur sont supérieurs aux examinateurs humains dans les tâches de test répétitives. La vision par ordinateur est plus rapide, plus précise et plus fiable, sans jamais se fatiguer. Elle peut vérifier des centaines de pièces par minute sur la ligne de production, 24 heures sur 24, avec des résultats fiables et constants. En outre, avec une résolution et une optique appropriées, ces outils sont capables de reconnaître des détails que l'œil humain ne voit pas.

Au sein du groupe BMW, les solutions d'IA soulagent le personnel de production lors d'activités de routine monotones, comme vérifier si le triangle de signalisation ou la trousse de premiers secours sont au bon endroit dans le coffre ou si le capuchon de protection des essuie-glaces a été monté correctement. À l'usine de Dingolfing, une application d'IA effectue également des tâches plus exigeantes. Dans la phase d'inspection finale, l'application compare les données de commande d'un véhicule avec l'image en direct du lettrage du modèle de l'automobile nouvellement produite. Ces lettrages tels que “ X3 » ou « xDrive » ainsi que toutes les combinaisons possibles sont stockés dans une base de données d'images. En l'absence d'un lettrage, le personnel chargé de l'inspection finale reçoit un avis à cet effet.

Un autre exemple est une application d'IA de l'usine de pressage dans laquelle les composants de la carrosserie de la voiture sont formés à partir de planches. Là, le groupe BMW, en collaboration avec Robotron Datenbank-Software GmbH, spécialiste de la vision par ordinateur industrielle et de l'IoT, basé à Dresde, a développé une solution qui élimine ce qu'on appelle les pseudo-erreurs, c'est-à-dire les écarts par rapport à la valeur de consigne, alors qu'en réalité, il n'y a pas d'écart. « Les copeaux métalliques ou les résidus d'huile qui restent sur les pièces de carrosserie après le formage peuvent facilement être confondus avec des fissures très fines », explique Michael Baling, responsable du secteur industriel chez Robotron. « Avec la solution d'IA et la possibilité pour le réseau neuronal d'accéder à environ 100 images réelles par caractéristique, les pseudo-erreurs sont réduites au minimum. Il y a 100 images du composant sans défaut ainsi que 100 images avec des grains de poussière, des gouttes d'huile sur le composant, ou avec des fissures. Elles peuvent être utilisées pour identifier les cas limites. »

© BMW Group

Basé sur le deep Learning

Les solutions d'inspection décrites pour les tests de qualité et de conformité dans le secteur manufacturier utilisent le deep learning pour traiter l'énorme quantité de données d'image. Le deep learning est une sous-catégorie de l'IA ou du machine learning basée sur les réseaux neuronaux artificiels qui possèdent plusieurs couches et sont similaires au cerveau humain. Après la formation, des algorithmes spéciaux extrait de manière autonome des échantillons des données brutes (dans ce cas des données d'images) et améliorent leurs compétences au fil du temps. En règle générale, les humains ne doivent plus faire partie du processus d'apprentissage proprement dit.

Le traitement des images est basé sur une comparaison de modèles. Afin d'obtenir des résultats fiables et reproductibles, le système d'IA doit faire correspondre rapidement et précisément les modèles formés avec les objets réels de la chaîne de montage. Dans la production actuelle, la solution évalue les images d'un composant et les aligne en quelques millisecondes grâce à l'algorithme, qui s'appuie sur les connaissances acquises à partir de centaines d'autres images du même composant. Ainsi, le réseau neuronal artificiel détermine en temps réel les écarts par rapport à la norme et vérifie, par exemple, si toutes les pièces nécessaires sont installées ou montées au bon endroit.

L'inférence par deep learning, c'est-à-dire l'utilisation concrète du modèle d'IA formé pour l'évaluation des données visuelles, n'est jusqu'à présent possible que dans une mesure limitée sur du matériel spécial.

Objectif : Démocratiser l'IA avec Intel® OpenVINO™

L'objectif du groupe BMW est de démocratiser l'inférence de l'IA et une solution « sans code ». Cela signifie qu'à l'avenir, les spécialistes des données ou du machine learning ne devraient pas être les seuls à pouvoir développer et utiliser des charges de travail d'IA pour le contrôle de la qualité. Avec Intel® OpenVINO™, chaque employé du secteur de la fabrication devrait avoir cet outil à sa disposition, non seulement sur du matériel spécial coûteux, mais aussi sur tout PC standard.

Pour atteindre cet objectif, le groupe BMW, en collaboration avec Robotron et Intel, a créé une plateforme générale d'IA ou plutôt une API d'inférence. Ainsi, chaque utilisateur sera en mesure de créer et d'utiliser à l'avenir une application d'IA pour la reconnaissance d'objets sur son PC de travail. Ce projet open-source, que le groupe BMW fournit à l'ensemble de l'industrie sous https://github.com/BMW-InnovationLab/BMW, est basé sur le kit d'outils Intel® OpenVINO™. La solution fonctionne aussi bien sur les systèmes d'exploitation Windows que Linux.

Intel® OpenVINO™ est un kit d'outils spécial pour les infrastructures de deep learning telles que TensorFlow, MXNet et Caffe. Il comprend le kit d'outils Intel® Deep Learning Deployment avec un optimiseur de modèle et un moteur d'inférence, ainsi que des bibliothèques et des fonctionnalités optimisées pour OpenCV et OpenVX. OpenCV est une bibliothèque de logiciels libres contenant des algorithmes pour le traitement des images et la vision par ordinateur ; OpenVX est un standard ouvert pour l'accélération multiplateforme des applications de vision par ordinateur.

Le kit d'outils OpenVINO™ accélère les charges de travail pour la vision par ordinateur avec deep learning et optimise ces applications sur différentes plateformes Intel®. Il s'agit notamment de processeurs avec des graphiques intégrés, d'accélérateurs matériels pour les caméras ou d'autres appareils de traitement des images dans les ordinateurs de pointe où l'application d'IA travaille à proximité de la caméra vidéo. Cela garantit que l'algorithme fonctionne de manière optimale sur chaque PC.

Projet actuel : Anonymisation des données d'images

Actuellement, Robotron travaille sur un projet avec Intel® OpenVINO™ pour le groupe BMW afin d'anonymiser des visages ou des composants. « Parfois, les caméras utilisées pour le contrôle de la qualité rendent également visibles les processus de production ou les visages des employés. Le comité d'entreprise et le règlement général sur la protection des données exigent une anonymisation afin de maintenir la conformité. L'IA aide donc la vision par ordinateur à se conformer au RGPD », explique Michael Baling de Robotron.

Afin d'anonymiser automatiquement des personnes ou des composants, les visages visibles sur l'image/vidéo doivent être pixelisés ou masqués par le nouveau module d'IA. Il en va de même pour les zones ou les produits qui ne doivent pas être photographiés et enregistrés sur l'image/vidéo. À cette fin, les modèles sont entraînés avec des fichiers d'images pour détecter la présence de personnes ou de composants dans l'image afin de pouvoir les filtrer ou les pixeliser ultérieurement. Le processus d'anonymisation, au cours duquel le modèle ou l'algorithme est appliqué à l'image ou à la vidéo, fonctionne sur un PC Office standard. Grâce à OpenVINO™, aucun serveur ou autre matériel spécial n'est plus nécessaire.

Michael Baling résume : « Avec OpenVINO™, l'inférence pour le flux de travail d'anonymisation peut être effectuée directement sur du matériel standard et parfaitement optimisé à cet effet. Grâce à notre partenariat ciblé avec Intel, nous avons pu obtenir très rapidement de bons résultats pour le groupe BMW. Cela signifie que désormais, potentiellement, chaque employé est en mesure d'utiliser des applications d'IA pour le contrôle de la qualité. »

© BMW Group

Composants du kit d'outils Intel® OpenVINO™

Le kit d'outils OpenVINO™ comprend un optimiseur de modèle, un moteur d'inférence, des bibliothèques et des fonctionnalités optimisées pour OpenCV et OpenVX, ainsi que l'environnement graphique Web Deep Learning Workbench. Voici une brève description :

  • L'optimiseur de modèle est un outil en ligne de commande basé sur python et fonctionnant sur les systèmes d'exploitation Windows, Linux et MacOS. Il prend en charge plus de 100 modèles déjà formés, accessibles au public, issus d'infrastructures de deep learning populaires telles que Caffe, TensorFlow, Apache MXNet ou Open Neural Network Exchange (ONNX). L'optimiseur de modèle effectue des analyses et adapte les modèles pour une exécution optimale sur différents terminaux. Ainsi, les algorithmes peuvent être déployés sur diverses plateformes matérielles Intel®, ce qui permet de gagner du temps et d'économiser des ressources de développement.
  • Le moteur d'inférence fournit des solutions d'inférence via une API commune sur la plateforme souhaitée, c'est-à-dire un processeur, un cœur graphique (GPU), etc. L'inférence désigne l'utilisation du modèle formé pour tirer des conclusions ou faire des prédictions à partir de données fournies. Cela permet également d'exécuter différentes couches sur différents matériels, tels que le processeur et le cœur graphique, ainsi que d'optimiser les charges de travail pour, entre autres, l'analyse des graphes, la planification ou la compression des modèles.
  • Open CV et OpenVX : Le kit d'outils offre également des bibliothèques et des fonctionnalités optimisées pour OpenCV et OpenVX. OpenCV est une bibliothèque logicielle libre contenant des algorithmes de traitement des images et de vision par ordinateur pour les langages de programmation C, C++, Python et Java. OpenVX est un standard ouvert pour l'accélération multiplateforme des applications de vision par ordinateur.
  • Deep Learning Workbench : Cet environnement graphique Web permet aux utilisateurs de visualiser les performances des modèles de deep learning et des ensembles de données sur différentes configurations d'architecture Intel® (processeur, cœur graphique, unité de traitement de la vision). Il fournit des mesures importantes telles que la latence, le débit et les performances pour chaque couche du réseau neuronal sélectionné. Cela permet de configurer les expériences d'inférence pour obtenir des performances optimales.

Télécharger le PDF ›

Découvrez les produits et solutions associés