Un consortium international associant des partenaires canadiens et allemands vise à développer une méthodologie d’apprentissage virtuel pour former les robots à l’exploitation et à la maintenance afin de réduire les coûts, améliorer la qualité, la sécurité et accélérer l’adoption de nouveaux matériaux avancés dans l’aérospatiale.
La lenteur du rythme de production, la croissance rapide du transport aérien et l’énorme arriéré de nouvelles commandes d’avions font que l’industrie aérospatiale s’attarde sur les pratiques traditionnelles et l’empêchent d’aller assez vite pour adopter des conceptions d’avions plus efficaces et des matériaux de pointe.
Un niveau d’automatisation accru grâce à l’utilisation de robots pour la fabrication de nouveaux avions et la maintenance, la réparation et la révision (MRO) de la flotte existante est considéré comme une solution possible pour réduire les coûts et améliorer la qualité et la sécurité dans l’industrie aérospatiale. Cependant, les robots industriels traditionnels utilisés dans les chaînes d’assemblage de l’industrie automobile et des dispositifs électroniques sont inadaptés à l’industrie aérospatiale en raison de la petite taille des lots, des composants de grande taille, de la diversité des produits et de la grande complexité et variation des opérations. Ainsi, la pratique actuelle consistant à programmer ou à enseigner un robot pour chaque tâche spécifique est limitée, voire inutile, dans l’industrie aérospatiale.
Dans l’industrie 4.0, les robots sont intelligents, très adaptatifs et formés par l’apprentissage machine pour manipuler différents équipements, outils, produits et matériaux sans avoir besoin d’une programmation explicite. Cependant, l’apprentissage machine nécessite un grand volume de données pour capturer toutes les expériences physiques possibles afin de former le robot, ce qui peut être trop coûteux ou indisponible. Les récents progrès de la robotique démontrent la faisabilité de l’apprentissage à partir d’expériences et de simulations de robots synthétiques.
Dans le cadre du projet AIARA, nous visons à développer une méthodologie permettant d’utiliser les résultats de l’apprentissage à partir de simulations et d’environnements virtuels au moyen de ce que l’on appelle l’apprentissage par renforcement pour former des robots réels à un large éventail de processus de fabrication aérospatiale et d’opérations de maintenance et de réparation. Nous évaluerons et démontrerons la faisabilité de cette approche à l’aide de quatre cas d’utilisation de référence, dont
- un robot drapeur pour la fabrication de composites ;
- un robot à plusieurs bras pour la manipulation de matériaux flexibles dans la fabrication de composites ;
- un robot est formé dans un environnement virtuel afin qu’il puisse manipuler et recharger une imprimante 3D d’une manière qui nécessite généralement le travail manuel d’un humain ;
- un banc d’essai qui doit être mis en œuvre où un robot mesure les forces électrostatiques d’un effecteur final où l’influence de divers paramètres environnementaux doit être analysée au moyen de l’apprentissage machine.
Ce partenariat de recherche réunit l’UBC, Element AI et Kinova du côté canadien et le Centre aérospatial allemand (DLR), Broetje, Fraunhofer IPT et ZAL (Centre de recherche aéronautique appliquée) d’Allemagne pour offrir une voie plus productive à l’industrie aérospatiale dans le cadre de l’Industrie 4.0.
Les organismes de financement sont les suivants :
- Bundesministerium für Wirtschaft und Energie (BMWi) en Allemagne
- Ministère de l’économie et de l’Innovation du Québec (MEI) au Québec
- Le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) au Canada
Le projet de collaboration internationale AIARA s’inscrit dans le cadre du partenariat Montréal-Hambourg, qui réunit Hamburg Aviation, ZAL Center of Applied Aeronautical Research et le Consortium de recherche et d’innovation en aérospatiale au Québec (CRIAQ), Aero Montréal, dans le but d’établir des relations de collaboration fructueuses entre les compétences allemandes et canadiennes en matière de recherche collaborative.