Bosch se tourne vers la startup Fetch.ai basée à Cambridge pour des essais innovants « AIoT ». En combinant les technologies d’IA et de blockchain, ce géant de l’ingénierie espère pouvoir prédire les défaillances potentielles de ses machines.
Fetch.ai est une blockchain qui vise à construire un réseau décentralisé d’agents autonomes qui exécutent des tâches du monde réel. Pour l’IoT, cette initiative est potentiellement révolutionnaire. Bosch semble également croire en la vision de Fetch.ai et soutient la startup depuis presque le début.
EoT Bosch lance des essais AioT sur le réseau Fetch.ai Collective Learning
Bosch Research se concentre principalement sur la recherche et la mise en œuvre de nouvelles technologies innovantes. La société a entamé une collaboration avec Fetch.ai et a ainsi déployé un réseau de test. Le lancement d’une preuve de concept d’apprentissage collectif pour les opérations de fabrication de Bosch constitue une extension de ce partenariat. Il évaluera la faisabilité et l’efficacité de l’apprentissage collectif tel qu’il s’applique à la maintenance prédictive.
De fait, l’équipe du projet d’économie des objets (EoT) de Bosch a mis en œuvre des essais d’apprentissage automatique sur le réseau collectif de Fetch.ai. Cette expérience a pour but de prédire les défaillances potentielles de ses machines. En outre, elle souhaite préserver la confidentialité des données.
Selon le Dr Alexander Poddey un calcul sécurisé entre plusieurs participants représente la clé essentielle pour débloquer la véritable valeur des données distribuées. La maintenance prédictive est un processus qui identifie les défaillances potentielles des machines avant qu’elles ne se produisent.
D’ailleurs, elle devient un défi important pour les fabricants. En effet, les coûts de maintenance représentent un temps d’arrêt important dans une chaîne de montage, causé par la défaillance d’une seule machine.
Les pannes dans le processus de maintenance sont extrêmement coûteuses pour le fabricant et augmentent les frais généraux et les délais. Cela ajoutant des retards inutiles dans l’ensemble de la chaîne d’approvisionnement.
AioT : utiliser l’apprentissage automatique pour prévoir les pannes d’équipement
Le système d’apprentissage collectif permet aux différents fabricants de partager des informations entre eux sans partager les données brutes. Cela améliore considérablement leur capacité à détecter les défaillances, et donc l’efficacité de leurs opérations.
Bosch se servira alors du réseau de test d’apprentissage collectif de Fetch.ai pour pallier les pannes d’équipement. Cette approche aide plusieurs parties prenantes à former un modèle d’apprentissage automatique. Elle permet de déterminer si un modèle proposé présente les meilleures performances sur son ensemble de données local.
L’objectif de ce réseau d’essai AioT est d’aider à comprendre et à adopter des algorithmes d’apprentissage automatique pertinents pour la fabrication. D’ailleurs, cela utilise un ensemble de données accessibles au public.
La nature décentralisée des techniques d’apprentissage collectif basées sur la DLT est une mise en œuvre inédite. Ce cas d’utilisation correspond à l’orientation stratégique de Bosch visant à devenir une entreprise leader de l’AIoT. Autrement dit une société qui rend les objets connectés plus intelligents pour le bien des individus
- Partager l'article :
