211service.com
General Electric construit une main-d'œuvre IA
Dans le cadre de son virage vers les entreprises de haute technologie, l'entreprise de 125 ans, numéro 40 sur notre liste des 50 entreprises les plus intelligentes, intègre l'intelligence artificielle dans toutes ses opérations, à commencer par ses scientifiques. 27 juin 2017
Léonard Greco
Lorsque Jason Nichols a rejoint GE Global Research en 2011, peu après avoir terminé un travail postdoctoral en chimie organique à l'Université de Californie à Berkeley, il prévoyait une longue carrière dans la recherche chimique. Mais après quatre ans de création de matériaux et de systèmes pour traiter les eaux usées industrielles, Nichols a rejoint le laboratoire d'apprentissage automatique de l'entreprise. Cette année, il a commencé à travailler avec la réalité augmentée. À la fois chimiste et scientifique des données, Nichols est désormais exactement le type d'employé hybride crucial pour l'avenir d'une entreprise travaillant à injecter de l'intelligence artificielle dans ses machines et ses processus industriels.
Il y a quinze ans, les opérateurs de machines et les techniciens de GE surveillaient ses moteurs d'avion, ses locomotives et ses turbines à gaz en écoutant leurs cliquetis et leurs vrombissements et en vérifiant leurs jauges. Aujourd'hui, l'entreprise utilise l'IA pour faire l'équivalent, voire prédire les pannes à l'avance (voir '50 Smartest Companies 2017'). En rassemblant cette technologie, GE espère devenir l'un des principaux fournisseurs de logiciels au monde d'ici 2020, une quête qui s'est amplifiée en 2011 avec une initiative d'un milliard de dollars pour collecter et analyser les données des capteurs des machines. La création de modèles plus intelligents via l'IA est la prochaine étape de la stratégie de l'entreprise, qui, espère-t-elle, lui donnera un avantage sur ses rivaux de longue date tels que Siemens et les géants du logiciel, tels qu'IBM, qui se lancent désormais dans l'analyse industrielle.
Cette histoire faisait partie de notre numéro de juillet 2017
- Voir la suite du problème
- S'abonner
Bien sûr, intégrer l'intelligence artificielle dans une organisation fondée en 1892 est une tâche difficile. Cela commence par la formation des cerveaux techniques de l'entreprise, qui emploie 300 000 personnes dans toutes ses activités dans le monde. GE Global Research, où travaille Jason Nichols, met en place des programmes en ligne qui enseignent l'apprentissage automatique et des symposiums où les scientifiques peuvent explorer de nouveaux rôles. Jusqu'à présent, près de 400 employés de toute l'entreprise ont suivi le programme de certification de GE pour l'analyse de données, et environ 50 scientifiques ont évolué vers des emplois d'analyse numérique du type que Nichols a accepté.
Double carrière
Beaucoup de ces scientifiques duaux aident à créer des modèles logiciels hébergés dans le cloud des machines de GE qui peuvent être utilisés pour économiser de l'argent et améliorer la sécurité de ses clients. GE construit ces jumeaux numériques en utilisant les informations qu'il recueille à partir des capteurs sur les machines, complétées par des modèles basés sur la physique, l'IA, l'analyse de données et les connaissances de ses scientifiques et ingénieurs. Bien que les jumeaux numériques soient principalement des lignes de code logiciel, les versions les plus élaborées ressemblent à des dessins de conception assistée par ordinateur en 3D remplis de graphiques interactifs, de diagrammes et de points de données. Ils permettent à GE de suivre l'usure de ses moteurs d'avions, locomotives, turbines à gaz et éoliennes à l'aide de données de capteurs au lieu d'hypothèses ou d'estimations, ce qui facilite la prédiction du moment où ils auront besoin d'une maintenance. Un moteur d'avion survolant les États-Unis pourrait, par exemple, avoir un jumeau numérique sur un serveur informatique GE en Californie pour aider à déterminer le meilleur calendrier de service pour ses pièces.
Outre la prévision de la durée de vie d'une machine, les modèles virtuels permettent à GE d'optimiser le fonctionnement de ses produits. GE affirme que les jumeaux numériques augmentent la quantité d'électricité produite par les parcs éoliens jusqu'à 20% et réduisent la consommation annuelle de carburant et les émissions de carbone pour l'une de ses locomotives de 32 000 gallons et 174 000 tonnes par an, respectivement. Plus de 700 000 modèles ont été livrés aux clients, un nombre qui pourrait dépasser le million d'ici la fin de cette année.
La technologie dépend de l'intelligence artificielle pour se mettre à jour en permanence. De plus, si des données sont corrompues ou manquantes, l'entreprise comble les lacunes à l'aide de l'apprentissage automatique, un type d'IA qui permet aux ordinateurs d'apprendre sans être explicitement programmés, explique Colin Parris, vice-président de GE Global Research pour la recherche logicielle. Parris dit que GE associe la vision par ordinateur à l'apprentissage en profondeur, un type d'IA particulièrement apte à reconnaître les modèles, et à l'apprentissage par renforcement, une autre avancée récente de l'IA qui permet aux machines d'optimiser les opérations, pour permettre aux caméras de trouver de minuscules fissures sur les aubes de turbine métalliques même lorsqu'elles sont sales et poussiéreux.
Prenez le petit robot, un peu plus gros qu'une voiture Matchbox, utilisé pour inspecter les moteurs en état de marche. En utilisant la vision par ordinateur et une variété de techniques d'IA, le bot peut rechercher des fissures à l'intérieur des moteurs d'avion en chevauchant une pale de ventilateur en mouvement lent.
Une technologie similaire peut être attachée à un drone pour détecter la corrosion sur les torchères de 200 pieds de haut qui brûlent l'excès de gaz libéré sur les sites de production de pétrole et de gaz.
Les scientifiques de GE étudient et adaptent l'évolution des technologies depuis des décennies. Sur cette photo du 18 avril 1968, un ingénieur système de GE gère la liaison télex d'un système de réponse aux étudiants à l'Université de Syracuse. L'ordinateur analysait les réponses données par les élèves aux questions à choix multiples et les transmettait à l'enseignant.
Le 20 mars 1969, les chercheurs de GE ont étudié l'écoulement des gaz, invisibles à l'état naturel, en créant des simulations sur un appareil appelé nappe phréatique de travail, où les courants ont été observés grâce à l'utilisation de colorants.
Pas de mode
Pour développer et travailler avec ces systèmes, les chercheurs de GE doivent comprendre à la fois la physique des machines et les algorithmes d'IA.
C'est un endroit où vous aurez un biologiste moléculaire assis avec un expert en apprentissage automatique ou une personne en théorie des contrôles assis avec quelqu'un qui connaît la science des matériaux, explique Mark Grabb, directeur technologique de GE Global Research pour l'analyse. Ce type de collaboration est très puissant, mais il n'y a rien de plus puissant que d'avoir la même information dans le même cerveau ; c'est juste hyper efficace.
Considérez le cerveau de Matt Nielsen, qui a rejoint GE Global Research en 1998 après avoir obtenu un doctorat en physique. Nielsen a développé la photonique et travaillé sur des logiciels de véhicules électriques avant de passer entièrement au côté numérique de l'entreprise en 2015. Aujourd'hui, il dirige une équipe de développeurs de jumeaux numériques et aide à créer des modèles basés sur la physique qui peuvent être combinés avec des algorithmes d'apprentissage automatique.
GE utilise l'IA pour créer des représentations numériques continuellement mises à jour de ses machines, comme cette turbine à gaz, la 9HA, dans une usine de Belfort, en France.
Les répliques numériques de moteurs à réaction aident les clients aéronautiques de GE à économiser de l'argent en prédisant exactement quand ils auront besoin de maintenance. Ici, un moteur GE se trouve dans une usine de révision à Rio de Janeiro, au Brésil.
Sahika Genc, une autre double scientifique, a développé des systèmes pour les alarmes des unités de soins intensifs avant de passer au laboratoire d'apprentissage automatique de GE en 2014. Genc est maintenant un scientifique en apprentissage automatique qui utilise l'apprentissage en profondeur et l'apprentissage par renforcement pour rendre les systèmes de gestion de l'énergie de GE plus efficaces. L'un de ses projets récents a appliqué l'apprentissage automatique et la théorie du transfert de chaleur pour identifier comment l'énergie des bâtiments est dissipée et stockée. Les prévisions aideront les clients de GE à réduire leur consommation d'énergie.
Ces chercheurs hybrides pourraient être les meilleurs atouts de GE pour rester pertinents pendant un autre siècle alors que la société recherche des opportunités de croissance dans des industries aussi compétitives et matures que les turbines, les moteurs à réaction et les locomotives.
Parris, le responsable de la recherche sur les logiciels, admet que certains des 2 000 chercheurs de GE considèrent encore certains aspects de la nouvelle approche comme une mode passagère.
Mais les scientifiques qui ne font pas le saut peuvent être laissés pour compte. En janvier, la société a licencié des chercheurs dans des domaines jugés périphériques à la stratégie industrielle numérique de GE. C'est après avoir créé 100 nouveaux emplois de recherche liés à l'IA et à la robotique en 2016.