Pour assurer la sécurité des travailleurs dans son usine de Wevelgem, Alpro explore le potentiel de l'apprentissage machine pour une détection précise des chutes. Les résultats obtenus jusqu'à présent sont prometteurs.
L'usine Alpro de Wevelgem (Belgique) s'élève à environ 50 mètres au-dessus de la Lys. Ici, toutes les fèves de soja destinées aux usines de Kettering et Wevelgem sont transformées (pour les boissons de soja et autres produits alimentaires à base de plantes). Pour mieux protéger les employés à l'intérieur de la tour contre les blessures, Alpro étudie l'utilisation de la détection des chutes basée sur l'apprentissage machine, en collaboration avec les experts de delaware.
« À tout moment de la journée, plusieurs employés montent et descendent les nombreux escaliers de la tour principale pour vérifier les produits et les machines », explique Stijn Raemdonck, CIO d'Alpro. « Pendant les week-ends et la nuit, ils sont souvent seuls. Cela constitue un risque de sécurité majeur : que se passe-t-il s'ils tombent ou se blessent lorsqu'il n'y a personne à proximité ? »
Aujourd'hui, le risque qu'un « travailleur isolé » soit blessé à l'intérieur de l'usine Alpro et se retrouve sans défense est atténué par des appels automatiques vers son téléphone mobile DECT toutes les heures environ. « Cela a fonctionné jusqu'à présent, mais ce n'est tout simplement pas suffisant », ajoute Stijn, dont la principale préoccupation est qu'un employé blessé doive peut-être attendre longtemps avant d'être remarqué. Le système actuel déclenche également un certain nombre de faux positifs parce que les travailleurs n'entendent pas toujours les appels près de machines bruyantes.
« Ces fausses alarmes nuisent gravement à la confiance des gens dans le système », dit Stijn. « Si cela se produit trop souvent, le sentiment d'urgence disparaît. Dans une entreprise précédente, j'ai été témoin de la mort de deux pompiers à cause de systèmes de sécurité inadéquats. C'est donc un problème très personnel pour moi. Nous devons faire mieux pour que chaque employé puisse rentrer chez lui sain et sauf. »
Lorsque le partenaire IT de longue date d'Alpro, delaware, a lancé sa campagne d'innovation annuelle DEL20, Stijn a profité de l'occasion pour placer la sécurité des travailleurs au premier plan. Stijn : « Nous voulions déployer toute la puissance de feu innovante disponible pour développer un système intelligent capable d'assurer la sécurité des travailleurs isolés. Avec l'aide de delaware, nous avons participé au hackathon delaware : nous avons mis au défi un groupe d'étudiants en IT, soutenus par des experts de delaware, de trouver des solutions pendant une session de brainstorming de 24 heures. »
Le hackathon a été une révélation pour l'équipe de Stijn. « Au départ, nous étions convaincus qu'il s'agirait d'un projet IdO, basé sur des capteurs de vibrations. Mais nous nous sommes vite rendu compte que toute la technologie des capteurs dont nous avions besoin pour la détection des chutes était facilement disponible dans les smartphones grand public d'aujourd'hui, sous forme d'accéléromètres et de gyroscopes à 3 axes. »
C'est une chose pour un smartphone de détecter une chute probable à l'aide d'une application. Dans le cas d'Alpro, cependant, les enjeux étaient bien supérieurs. « Il n'y a pas de place pour l'erreur, » explique Stijn. « Nous devons atteindre des niveaux élevés de précision pour que cela fonctionne. Par exemple, nous ne voulons pas que le système déclenche une alarme chaque fois qu'un employé fait un mouvement inattendu ou saute. Il doit y avoir une différence claire entre une "vraie" chute et ce que nous considérons comme un "comportement dangereux", comme sauter quelques marches d'escalier. »
Cette prise de conscience a poussé Alpro et delaware à se tourner vers l'apprentissage machine. « C'est à ce moment que ce projet est devenu un projet de données », explique Stijn. Pour collecter les données nécessaires pour commencer, des employés d'Alpro ont commencé par jeter des mannequins d'essai dans les escaliers de l'usine, des téléphones intelligents et tout le reste. Après avoir collecté environ 100 points de données, le modèle avait déjà atteint une précision de 88 % pour ce qui est de discerner une chute de l'absence de chute. Dans un contexte multiclasses – avec une catégorie « problème de sécurité » en plus des catégories « chute » et « pas de chute » – la précision est demeurée au niveau impressionnant de 84 %. Ce nombre augmentera assurément à mesure que l'on recueillera plus de données.
Le rêve à long terme de Stijn – et d'Alpro – est de créer une usine où la sécurité est gérée de manière préventive, plutôt que réactive ou même proactive. « Il y a encore beaucoup de potentiel qui va au-delà de la conformité aux règlements de sécurité en vigueur », ajoute-t-il. « Avec la bonne quantité de données de haute qualité, nous pouvons identifier les dangers potentiels avant qu'ils ne se produisent. »
Bien sûr, il y a toujours la question de la protection de la vie privée des employés. « Si les gens se sentent constamment surveillés, ils résisteront à l'adoption d'une nouvelle technologie de sécurité. La dernière chose que nous voulons faire, c'est créer une atmosphère "big brother" sur le lieu de travail en suivant le comportement individuel des employés. C'est pourquoi, avec l'aide de delaware, nous mettons en place un système en deux parties qui désindividualise efficacement les données. Dans le système A, les données sont stockées pendant une très courte période : juste assez longtemps pour analyser si une alarme doit être déclenchée ou non. Le système B anonymise les données, mais les conserve plus longtemps pour être en mesure de reconnaître certaines tendances et améliorer les capacités prédictives du système. »
Avec l'aide de delaware, nous implémentons un système en deux parties qui anonymise les données tout en nous permettant d'améliorer les capacités prédictives du système.Stijn Raemdonck, CIO chez Alpro
