Yuma Proving Ground mise sur l’intelligence artificielle pour optimiser ses données !

L’Armée américaine cherche à réduire les délais entre la détection d’une menace et la réponse, tout en intégrant l’ensemble de ses systèmes et moyens disponibles pour mieux se préparer à une guerre symétrique avec des adversaires de capacité comparable.

Les dirigeants militaires ont souligné que pour dissuader efficacement des adversaires similaires capables de mener des opérations de combat à grande échelle, il est essentiel d’adopter des opérations interdomaines et d’exploiter les nouvelles technologies à travers toutes les branches des forces armées.

Ce défi complexe repose sur le terrain d’essai de Yuma, où l’on réalise des tests de développement d’équipements destinés aux futures forces armées.

Historiquement, Yuma Proving Ground (YPG) a toujours été centré sur la collecte de données pour l’Armée. En collaboration avec le Commandement des tests et des évaluations (ATEC), la base travaille à développer l’architecture locale et les procédures de gouvernance des données pour préparer l’utilisation, plus concrète, de l’intelligence artificielle (IA) dans le cadre de sa mission de test. Les groupes de travail qui tracent l’avenir des données d’essai et de celles d’entreprise devraient influencer l’ensemble de l’ATEC.

“Yuma a une mission assez diversifiée, car nous testons dans des environnements naturels extrêmes,” explique Ross Gwynn, Directeur Technique de YPG. “Nous optimisons les processus qui prennent beaucoup de temps pour la mise en place des essais ou le nettoyage des données après collecte. Cela nous permet de nous concentrer davantage sur le système testé et d’analyser les données plutôt que de passer le plus clair de notre temps sur des tâches répétitives.”

De l’apprentissage automatique basé sur la vision à l’automatisation des processus d’étalonnage de montage de suivi cinétique, le terrain d’essai tire déjà des bénéfices des technologies les plus récentes, et d’autres améliorations sont à prévoir avec l’augmentation des gains d’efficacité.

“Nous avons maintenant plus de temps pour réfléchir à la manière d’améliorer d’autres procédés que nous utilisons,” déclare Gwynn. “Nous commençons à penser de manière plus précieuse et à rechercher des manières d’avancer les capacités, plutôt que de simplement exploiter les capacités actuelles.”

L’un des avantages dont dispose YPG est son vaste réservoir de données historiques issues de décennies d’événements de test. Cette information est particulièrement précieuse pour entraîner des modèles d’IA destinés à automatiser ou à accélérer la réduction et l’analyse des données. Un exemple récent a été le développement d’un algorithme fonctionnel pour faciliter la trilatération acoustique des missiles air-sol et d’autres munitions collectées via un réseau de microphones et d’hydrophones.

“Nous avons des sources de données très discrètes et isolées que nous comprenons bien, en collaboration avec des experts en instrumentation, pour en arriver à une structure de données où nous automatisons le début du processus,” détaille Gwynn. “Si nous parvenons à rationaliser la collecte, la réduction et l’analyse des données, nous gagnerons en efficacité, ce qui nous donnera plus de temps pour une réflexion analytique sur les essais réalisés.”

Les données commerciales jouent également un rôle important dans la gouvernance des données, notamment pour le suivi des cycles de vie des équipements et des taux d’utilisation. Par exemple, pour évaluer si un équipement passe trop de temps en maintenance.

“C’est un énorme avantage pour nous en tant que gestionnaires,” ajoute Gwynn. “Si nous pouvons automatiser le flux de données commerciales de la même manière que les données de test, cela aura d’importants gains d’efficacité.”

Le YPG est également en mesure d’améliorer sa capacité de test non destructif, qui est considérée comme l’une des meilleures au sein de l’Armée. Grâce à des décennies de données sur l’usure des tubes d’artillerie, une IA pourrait aider à évaluer les problèmes éventuels et à prédire la durée de vie des tubes. Cette capacité pourrait même être confiée à des soldats sur le terrain.

“En utilisant des images en alésage, des scans laser et d’autres mesures physiques grâce à diverses technologies d’inspection, une IA pourrait analyser les pannes passées et présentes de manière globale,” explique Savanna Silva, Responsable de la Branche Métrologie à YPG. “Nous voulons aller plus loin en développant une IA capable d’effectuer une analyse prédictive de l’usure sur les systèmes d’armement. L’objectif est de perfectionner ce processus ici à YPG et d’offrir une solution systématique aux soldats pour l’inspection de leurs matériels.”

La branche de métrologie cherche également à entraîner une IA pour suivre le cycle de vie des transducteurs de pression piézoélectriques utilisés lors des tests d’artillerie.

“Nous n’avons jamais complètement caractérisé le comportement des cristaux de tourmaline dans nos transducteurs,” déclare Silva. “Nos tests à haute pression ont toujours été à usage unique. Maintenant, il est temps de raffiner notre approche. En exploitant nos données et en utilisant l’IA pour les analyser, nous pourrons mieux comprendre leur performance.”

Les efforts en cours portent également leurs fruits de manière moins mesurable.

“C’est motivant,” conclut Gwynn. “Les gens s’enthousiasment lorsque l’on sort des sentiers battus et que l’on fait une différence.”