Axe 7 : Industrie 4.0

Même si l'industrie utilise beaucoup de capteurs et de données et que la prise de décision est au cœur des processus industriels majeurs, l'application de l'intelligence artificielle est encore récente dans le secteur de la fabrication. Pourtant, les potentiels de l'intelligence artificielle dans l'industrie sont largement reconnus (réduction des coûts jusqu'à 20%). Grenoble a une longue histoire de recherche et d'enseignement sur l'ingénierie industrielle, les matériaux et les procédés et participe à l'EIT Manufacturing sur ces sujets. L’originalité de la démarche grenobloise réside dans le fait que l’être humain reste le principal acteur industriel, paradigme parfois appelé Industrie 4.H. L'objectif de cet axe est d'intégrer les outils d'intelligence artificielle dans les processus de fabrication afin d'améliorer la qualité des produits et des processus, de répondre à la forte personnalisation de la demande des clients et de soutenir les stratégies industrielles prometteuses telles que la "servitization" et l'économie circulaire. Un accord de collaboration avec Fraunhofer (IPA et IML) a été signé à cette fin. Deux programmes principaux soutiennent cet axe: la fabrication centrée sur l’homme et la qualité prédictive.

Fabrication centrée sur l'humain

Le défi consiste à faire de l’IA le soutien nécessaire au maintien des ressources humaines au sein de l’industrie du futur. Les nouveaux emplois, les nouvelles responsabilités et les nouveaux outils rendront l’industrie plus attrayante et plus efficace. L'objectif du programme est de développer des techniques de raisonnement et d'apprentissage pour améliorer la collaboration homme-machine via la robotique collaborative et la réalité augmentée, ainsi que de développer de nouvelles méthodes décisionnelles pour des opérations très réactives et la gestion de la chaîne logistique.

  • AI for data-driven and self-configurable supply chains - Alpan

7.2. Qualité prédictive

Le défi est la fabrication zéro défaut pour une industrie plus sociétale et environnementale. La qualité est le principal avantage concurrentiel des entreprises européennes. L'objectif est de développer des techniques d'apprentissage automatique, de classification et d'analyse d'images afin de prédire la qualité de nouveaux matériaux, produits, processus de production, activités de maintenance et systèmes industriels.

  • Machine Learning for Materials Design & Efficient Systems - Amini (AI) & Deschamps (Material science)