Paul Wurth: l’IA qui unifie le langage des machines industrielles

[Cet article fait partie d’une série de contenus développée en collaboration avec la FEDIL, présentant comment l’intelligence artificielle contribue à la transformation digitale de l’économie luxembourgeoise.]

Paul Wurth S.A., basée au Luxembourg depuis plus de 150 ans, est une société d'ingénierie renommée et un acteur clé dans le domaine de la métallurgie, couvrant tout le spectre de la sidérurgie, de la manutention des matières premières au raffinage du produit final. 

Faisant partie du groupe SMS, l'entreprise s'engage à pousser l'innovation grâce à de nouvelles solutions dans les domaines de la décarbonisation, de l'industrie de l'hydrogène et de la transformation digitale. Son Digital Products Competence Centre développe et propose des solutions numériques de pointe, aidant ses clients à rester compétitifs dans un monde de plus en plus digital.

Le défi: la fragmentation des données entre les actifs industriels

Dans les opérations industrielles, les machines de même type, telles que les hauts fourneaux, les compresseurs ou les turbines, produisent souvent des données difficiles à comparer ou à intégrer. Cela est dû aux différences de configuration des capteurs, de conditions de fonctionnement et de choix techniques entre les sites. 

Par conséquent, les systèmes d'IA traditionnels ont du mal à généraliser ces ensembles de données hétérogènes, ce qui limite la capacité à mettre à l'échelle les jumeaux numériques, à transférer les connaissances opérationnelles et à optimiser les performances pour un ensemble de machines.

La solution: l'IA générative pour la traduction de séries chronologiques

Pour relever ce défi, Paul Wurth a développé un nouveau système d'IA qui applique des techniques de modélisation générative aux données de séries chronologiques industrielles. Inspiré par l'architecture des grands modèles linguistiques, le système traite les données des capteurs de chaque machine comme un «dialecte» unique et apprend à traduire les signaux entre les machines. Cela permet aux machines de se «comprendre» mutuellement, indépendamment des différences de configuration ou de contexte.

L'innovation principale réside dans la capacité de l'IA à séparer le «contenu» d'un signal, qui représente le processus industriel sous-jacent, de son «style», qui reflète les variations dues à l'emplacement du capteur, à son étalonnage ou à son mode de fonctionnement. En dissociant ces deux composantes, le système peut recréer ou adapter les signaux entre les machines sans en altérer le sens essentiel.

Cette approche ouvre la voie à plusieurs fonctionnalités-clés: création de capteurs virtuels, amélioration des modèles de simulation, transfert de connaissances entre sites, benchmarking unifié et simulation de scénarios. Elle permet de créer des jumeaux numériques évolutifs et dynamiques à partir des seules données opérationnelles historiques, éliminant ainsi le besoin de modèles sur mesure pour chaque unité.

Applications plus larges et impact économique

Bien que le déploiement initial se concentre sur des cas d'utilisation industriels, la méthodologie sous-jacente est largement applicable à tout domaine impliquant des données chronologiques. Cela inclut les soins de santé, la finance, les systèmes énergétiques et la logistique, des domaines dans lesquels la comparaison, l'adaptation ou la génération de signaux entre différents environnements est essentielle. Cette technologie offre une solution flexible et généralisable qui peut améliorer la précision des prévisions, l'efficacité opérationnelle et la prise de décision.

D'un point de vue économique, le projet renforce la position du Luxembourg en tant que pôle d'innovation industrielle en matière d'IA. Il devrait générer des emplois à forte valeur ajoutée dans l'ingénierie numérique et la fabrication intelligente, attirer des investissements internationaux et renforcer la compétitivité des industries locales. 

Cette technologie favorise également la collaboration avec les institutions universitaires et les start-ups, encourageant le développement de services complémentaires et enrichissant le vivier national de talents en matière d'IA. En réduisant la dépendance aux capteurs physiques et en permettant des opérations plus intelligentes, elle soutient les objectifs de transition numérique et environnementale du Luxembourg.

Du concept à la réalité : démontrer la puissance industrielle de l'IA

Le système d'IA a déjà démontré son efficacité dans un environnement industriel réel. Un pyromètre virtuel (capteur de température pour la fonte liquide) a été développé pour un haut fourneau au Brésil à partir des données d'une usine allemande. 

Conçue pour être modulaire et évolutive, cette technologie peut être intégrée aux plateformes industrielles existantes.

Le modèle a permis d'obtenir des prévisions de température avec une précision de 20°C, un niveau considéré comme pertinent et exploitable dans un contexte industriel. Cette preuve de concept réussie confirme la capacité du système à s'adapter à différentes machines et zones géographiques, ouvrant la voie à un déploiement plus large.

Conçue pour être modulaire et évolutive, cette technologie peut être intégrée aux plateformes industrielles existantes et aux cadres de jumeaux numériques. Des déploiements pilotes sont actuellement en cours de définition au sein du groupe SMS, avec des plans visant à étendre son utilisation à d'autres secteurs tels que l'énergie, la logistique et la santé.

En permettant la traduction des signaux entre machines, Paul Wurth a introduit une solution d'IA transformatrice qui répond à l'un des défis les plus persistants de la science des données industrielles. Cette innovation améliore non seulement l'intelligence opérationnelle, mais jette également les bases de jumeaux numériques évolutifs et de systèmes de fabrication plus intelligents et plus durables.

Avec une faisabilité technique éprouvée et une large applicabilité, cette solution est appelée à redéfinir la manière dont les industries exploitent l'IA pour gagner en efficacité et en résilience.