Le « Machine Learning» permet aux ordinateurs d’apprendre par le biais de données et d’expériences sans qu’une intervention humaine soit nécessaire.
Avant d’approfondir le sujet du « Machine Learning» et des algorithmes de gestion des ressources de laboratoire, nous allons aborder le thème de l’intelligence artificielle.
L’intelligence artificielle – au-delà du raisonnement et du comportement humain
La discipline informatique connue sous le nom d’intelligence artificielle permet de concevoir des systèmes matériels et logiciels capables de traiter électroniquement des processus de raisonnement ou de comportement, qui se rapprochent à l’intelligence humaine.
Les systèmes intelligents sont aujourd’hui présents dans divers domaines, ainsi que dans nos activités quotidiennes. Ils sont souvent associés à l’industrie du jeu-vidéo et ont été employés par la NASA pour plusieurs missions spatiales. Certaines de nos voitures modernes, par exemple, sont équipées d’un système d’autoconduction.
Cela peut sembler surprenant mais dès 1623, Willhelm Sickhart, ancêtre de la calculatrice, était capable d’effectuer des calculs mathématiques avec des nombres allant jusqu’à six chiffres avec des machines, même si ce n’était pas de façon autonome.
Dans le cadre de l´industrie 4.0 et de la qualité, de nombreux projets se mettent en place. Les algorithmes ont pour objectif de vérifiés, anticipés ou alertés des problèmes de qualité au long de la chaine de production.
L’intelligence artificielle apporte une valeur inestimable aux industries et aux différents secteurs, y compris les laboratoires où l’exécution de projets et l’organisation d’activités nécessitent des ressources, du temps, des équipements. Mais surtout les ressources, puisqu’elles constituent un aspect critique au sein des laboratoires lorsqu’il s’agit de les répartir efficacement.
Mais, plus précisément, comment un algorithme peut-il optimiser les processus de gestion des ressources des laboratoires ?
Algorithmes pour la planification des ressources de laboratoire
Les algorithmes pour gérer les ressources du laboratoire doivent procéder de manière rationnelle. Le processus conduit le système intelligent à résoudre le problème, permettant d’obtenir le meilleur résultat attendu, compte tenu des informations disponibles, comme l’aurait fait un humain.
La planification des ressources peut être un processus extrêmement complexe. Sur plusieurs marchés, l’optimisation des ressources est considérée le centre même de l’entreprise. La gestion de projet est en général l’exemple parfait pour illustrer les défis à relever pour optimiser les ressources, afin de mener à bien les projets dans les délais, le budget et conformément aux attentes.
Les processus de fabrication par exemple, doivent continuellement optimiser les ressources afin de livrer leurs produits conformément aux objectifs de l’entreprise (temps, budget, standards, qualité…)
« Machine Learning » – exigences du laboratoire
Comment le « Machine Learning » peut-il répondre aux exigences des laboratoires ?
Les laboratoires sont des organismes complexes et leur objectif commercial est de mener à bien les activités scientifiques dont ils sont responsables. Par conséquent, la gestion des ressources des laboratoires est un processus sophistiqué et des personnes compétentes sont chargées de planifier les tâches quotidiennes. Elles doivent avoir connaissance du procédé dans les laboratoires, de bonnes compétences en matière d’optimisation des processus et elles doivent faire des compromis entre différents paramètres dans le seul but de fournir les résultats d’analyse à leurs clients dans les meilleurs délais et avec un niveau adéquat de qualité.
De plus, les tâches analytiques sont relativement simples à comprendre – mesurer un paramètre analytique spécifique sur un échantillon donné. Toutefois, elles se décomposent en une série d’étapes qui assure le traitement correct des échantillons. Par conséquent, des milliers d’étapes – en série ou en parallèle – sont effectuées dans un laboratoire chaque jour.
Les superviseurs de laboratoire effectuent cette activité difficile de gérer leur ressource, souvent soutenue par des capacités logicielles limitées : plus de 90 % des laboratoires utilisent encore des fichiers Excel.
Toutefois, pour fonctionner de manière efficace, les laboratoires ont besoin de systèmes capables de trier des enseignements des données, d’identifier des modèles et de prendre des décisions avec un minimum d’intervention humaine.
Ils auraient besoin d’adopter des logiciels automatisés, comme Optima : Optima est un outil innovant d’automatisation des processus dédié à la gestion des ressources des laboratoires.
Introduire le concept d’intelligence artificielle dans le secteur des laboratoires grâce à Optima
Lorsqu’Optima reçoit des informations d’un système externe, tel que LIMS, ERP, ELN par exemple, la liste des activités sollicitées est disponible pour sa planification. Très souvent les demandes transmises à Optima n’incluent pas tous les détails nécessaires à la réalisation des tests analytiques. Une demande typique envoyée par l’un des systèmes mentionnés est, par exemple, la quantité de fer qui doit être mesurée dans un échantillon d’eau. Les détails manquants sont liés à toutes les étapes à effectuer pour analyser la quantité de fer dans l’échantillon.
Optima est en mesure de convertir les demandes en une liste de tâches pouvant être programmées. Il s’agit d’une activité configurable qui permet aux clients de choisir le niveau de précision requis pour effectuer la programmation des ressources du laboratoire.
Lorsque les éléments réalisables sont automatiquement créés par Optima, le « moteur » commence à fonctionner.
Un algorithme sophistiqué est capable d’assigner les tâches aux ressources, à la fois au personnel du laboratoire et aux instruments, selon les paramètres définis préalablement dans le système.
Optima, grâce au temps consacré à la recherche de la meilleure automatisation du processus critique, est capable d’automatiser la plupart des tâches de planification des ressources du laboratoire.
Il suffit aux utilisateurs d’activer le processus et toutes les tâches sont visibles dans le calendrier en quelques secondes. Le gain de temps pour les laboratoires est énorme. La réduction des coûts grâce à l’implémentation d’Optima justifie l’introduction de cette technologie et le retour sur investissement est visible en seulement quelques mois.
Le « moteur » de ce système se base sur une technologie avancée qui est capable d’ajuster les paramètres de planification et d’améliorer le rendement du processus au fil du temps. Le concept de « machine Learning » est mis en œuvre au sein d’Optima, ce qui permet aux laboratoires d’améliorer leurs performances et de fournir les résultats attendus dans un délai plus court que prévu.
Chez Optima, nous avons investi beaucoup pour concevoir le « moteur » et nous avons effectué un grand nombre de tests pour confirmer que la disposition des ressources est automatisée efficacement. Cette activité critique que nous avons réalisée a été possible grâce à la grande quantité de données générées au cours du processus de planification des ressources du laboratoire.
Les tâches effectuées dans un laboratoire se comptent par centaines de milliers, voire par millions, en une année. Cette énorme quantité de données, aujourd’hui appelée «data Lake », est la plateforme qui permet au « moteur » Optima d’analyser les informations et d’adapter la planification en fonction des données historiques.
Chaque jour, Optima est capable de remanier la planification des tâches et de modifier la configuration pour obtenir un calendrier d’activités optimisé.
Optima examine en permanence les performances du « moteur » pour s’assurer que les nouvelles versions de produits amélioreront la façon dont le «data Lake » est analysé et que la configuration est adaptée aux demandes des clients.
