Pouvons-nous utiliser l'IA pour rendre les systèmes industriels plus sûrs? Un jeune scientifique explique – Parler espagnol

Dans le cadre de notre série explorant les limites de la recherche scientifique, nous avons rencontré Olga Fink, jeune scientifique au Forum économique mondial, professeur de systèmes de maintenance intelligents à l'EHT Zurich, qui développe des algorithmes intelligents destinés à améliorer la sécurité et la fiabilité d'actifs industriels complexes.

Quel est le gros problème que vous essayez de résoudre?

Le but ultime de mes recherches est d’améliorer les performances, la sécurité et la disponibilité des actifs industriels et des infrastructures critiques, et de rendre leur maintenance et leur fonctionnement plus rentables. Récemment, de nombreux dispositifs de surveillance de l'état ont surveillé de près les systèmes complexes. Mes recherches sont axées sur le développement d’algorithmes intelligents tirant des enseignements de ces ensembles de données de surveillance de l’état massifs et hétérogènes et permettant de prédire les erreurs avant qu’elles ne se produisent, même dans les cas où les systèmes n’ont pas encore rencontré d’erreur. L’un des principaux défis à relever consiste à rendre les algorithmes généralisables et leur développement évolutif.

Quelle est la grande idée que vous essayez d'utiliser pour la résoudre?

Il y a plusieurs idées sous-jacentes. L’un d’eux consiste à développer des algorithmes d’intelligence artificielle qui ne sont pas seulement applicables à un système spécifique, mais permettent également de transférer l’expérience d’exploitation et les types de pannes d’un système à l’autre. C'est comme si quelqu'un qui parle portugais veut apprendre l'espagnol: il ne commencera pas à parler espagnol à un espagnol, mais ne commencera pas non plus à apprendre l'espagnol à partir de zéro – ils peuvent transférer certains des concepts sous-jacents, la grammaire et le vocabulaire.

L’une des autres orientations que nous suivons consiste à combiner les connaissances en ingénierie et des algorithmes d’intelligence artificielle afin de tirer le meilleur parti des deux mondes.

Comment expliqueriez-vous cela à un enfant de 5 ans?

Notre tâche ressemble à celle d’un médecin, à la différence que nos patients sont des actifs industriels complexes tels que des centrales électriques, des moteurs de navires et des trains. Puisque nos patients ne peuvent pas nous parler pour nous dire qu'ils ne se sentent pas bien, nous nous appuyons sur des systèmes de surveillance de l'état qui collectent des preuves sur l'état de santé du système. Nous utilisons ensuite ces mesures pour détecter quand un système commence à tomber malade, en diagnostiquer la cause et prévoir le temps pendant lequel le système peut toujours être utilisé en toute sécurité. L’objectif ultime n’est pas seulement de prédire ce qui ne va pas, mais également d’indiquer au système comment il doit être utilisé pour prolonger sa durée de vie, de la même manière que sur ordonnance d’un médecin qui conseille au patient d’adapter son régime alimentaire et de faire plus de sport. pour prolonger leur durée de vie.

Olga Fink

Olga Fink

Image: ETH Zurich

Quelle a été la partie la plus difficile / difficile du voyage?

La partie la plus difficile a été de trouver des jeux de données à partir d’applications réelles qui permettent de démontrer l’efficacité de nos approches.

Quel est le fait le plus choquant que les gens ignorent?

Ce n'est pas choquant mais probablement surprenant: notre plus grand défi provient du fait que les systèmes critiques pour la sécurité sont très fiables et ne rencontrent pas beaucoup de défauts. Il est donc difficile pour nous d’apprendre à partir des données, mais également de vérifier les solutions développées. Si nous voulions attendre d'avoir collecté suffisamment de schémas défectueux pour apprendre, il nous faudrait attendre des centaines d'années (et selon la taille de la flotte, même pour des milliers).

Un autre fait surprenant est que même si de grandes quantités de données sont collectées pour de nombreuses applications, elles ne sont pas utilisées de manière proactive dans de nombreux cas.

Le dernier élément est qu'il n'y a pas de magie derrière les algorithmes d'intelligence artificielle. Ils peuvent seulement apprendre ce qui est contenu dans les données. Cependant, cela peut être caché et pas évident.

Y a-t-il une histoire intéressante dans votre travail?

Quand j'étais enfant, je voulais devenir médecin. Quand j'ai grandi, mes intérêts ont changé et j'ai découvert que mon amour pour les mathématiques était plus grand et je suis devenu ingénieur. Mais à la fin, je suis devenu médecin pour les machines.

Partager

Laisser un commentaire