Digitalisation de votre production, la fiabilité de vos données terrain comme enjeu
L’incertitude qui règne sur le marché oblige les entreprises manufacturières à accroître la flexibilité de leur production. Les leaders industriels ont déjà mis en œuvre des processus automatisés et connecté des équipements de haute technologie pour effectuer des analyses de données en direct. Mais les données transactionnelles générées pendant la production ne sont souvent utilisées qu’à des fins d’analyse à court terme pour détecter les problèmes et sont ensuite supprimées des systèmes d’entreprise en raison des coûts de stockage élevés. Ce rapport explique notre meilleure pratique sur la façon d’optimiser la numérisation des lignes de production industrielle avec les technologies Big Data.
Problèmes actuels des entreprises industrielles
L’analyse des données directement dans la base de données d’une ligne de production en fonctionnement pourrait provoquer des arrêts de production et des pannes. En dehors de cela, de nombreuses entreprises assemblent davantage de capteurs pour avoir une compréhension globale de chaque ligne de production. Par exemple, des capteurs permettant de détecter la température, l’humidité de l’air et la force des vibrations sont utilisés pour mesurer l’impact des facteurs environnementaux sur le rendement et la qualité des produits. La collecte de données de plus en plus nombreuses avec les systèmes d’entreprise actuels entraîne non seulement des coûts de stockage plus élevés, mais s’avère également une charge énorme pour la puissance de calcul d’un système d’entreprise. En conséquence, il ne reste plus aucune capacité d’analyse avancée. Bien que les données de fabrication puissent potentiellement générer des informations de grande valeur, elles doivent être abandonnées. Pour résoudre ces problèmes, les entreprises industrielles doivent adopter des outils d’analyse et de traitement pour la numérisation complète des chaînes de production industrielle.
Qu’est-ce qu’une chaîne de production digitale ? Et pourquoi les entreprises en ont-elles besoin ?
Une chaîne de production numérique intègre l’activité, la conception et les opérations d’une entreprise pour améliorer le processus de production.
D’une part, elle accélère le processus de production en tirant parti des robots et en détectant les défaillances plus tôt, et d’autre part, elle rend la conception de la production plus flexible et génère ainsi des capacités pour de nouvelles conceptions et géométries de produits. Pour numériser un processus de production automatisé existant, les entreprises industrielles doivent passer par les étapes suivantes :
- Connecter les journaux de production ou déployer des capteurs, des étiquettes RFID, des GPS, des robots dans l’usine.
- Construire une dorsale numérique pour connecter chaque pièce de fabrication
- Collecter toutes les données de fabrication, les enrichir et les analyser grâce aux technologies Big Data.
- Visualiser les informations et les indicateurs clés de performance sur un tableau de bord intuitif basé sur les rôles.
L’étape 3 à l’étape 4 est généralement ignorée malgré l’existence de lignes de production automatisées et connectées dans les usines. Les entreprises sont bloquées dans les étapes précédentes car elles ne disposent pas du savoir-faire nécessaire à la construction d’un Data Lake. D’un point de vue technique, le déploiement d’un cluster Big Data requiert des compétences en matière de programmation, de gestion des structures de données, d’apprentissage automatique, d’analyse et de cloud computing.
Trouver une équipe compétente dans tous ces aspects est une tâche difficile. En outre, pour véritablement exercer la valeur d’un Data Lake, il faut mettre en œuvre des indices d’efficacité de production, par exemple des indices OEE (Overall Equipment Effectiveness), de performance de production et de qualité. La plupart des entreprises n’ont pas appliqué ces indicateurs sur les lignes de production. Par conséquent, des experts ayant des connaissances à la fois sur les chaînes d’approvisionnement et la gestion d’entreprise sont nécessaires pour concevoir des tableaux de bord intuitifs et basés sur les rôles.
Les dispositifs des lignes de production numérique :
- Capteurs/passerelles (plus intelligents et plus connectés) – permettent l’informatique de périphérie, les contrôles de qualité automatiques, le mode hors ligne et différentes méthodes de transfert de données.
- Connectivité – connecter l’usine depuis le niveau des capteurs jusqu’au cloud.
- Big Data – une explosion de la quantité et de la variété des données collectées et traitées à grande vitesse
- Interfaces utilisateur : simplifier l’utilisation des technologies (et accroître la mobilité des travailleurs).
- Robots – capables de travailler “main dans la main” avec les employés.
- Fabrication additive – nouvelles conceptions et géométries de produits.
Avantages d’une chaîne de production digitale
Un bon exemple est la transition de la maintenance préventive à la maintenance prédictive, rendue possible par une ligne de production numérique. Les deux approches visent à prévenir les temps d’arrêt non planifiés et les coûts coûteux liés aux défaillances des équipements. La maintenance préventive correspond au temps d’arrêt moyen ou prévu pour le cycle de vie de l’équipement. La maintenance prédictive, quant à elle, est basée sur l’état réel de l’équipement et sur les informations provenant de l’ensemble du processus de production. Cette approche coordonne les informations provenant de l’amont et de l’aval d’une chaîne d’approvisionnement et offre un aperçu complet de l’utilisation des lignes de production. En conséquence, la maintenance prédictive promet des économies de coûts pour les actions de maintenance juste à temps et minimise les perturbations des opérations du système.
Pourquoi un Data Lake est-il indispensable ?
Un Data Lake est un référentiel qui stocke toutes les données structurées et non structurées à grande échelle. Il fournit une plateforme pour analyser et visualiser les données avec différentes méthodes, telles que les outils d’apprentissage automatique, les analyses en temps réel et les tableaux de bord de reporting.
Bien que de nombreux fournisseurs de systèmes d’entreprise proposent désormais des solutions de stockage et d’analyse des données dans le Cloud, le coût potentiellement élevé du stockage et les effets de verrouillage de certains fournisseur restent, pour certaines entreprises, les principaux facteurs qui les incitent à opter pour un Data Lake à code source ouvert.
Par rapport aux systèmes d’entreprise, un Data Lake présente les avantages suivants :
Pour résumer : Les capteurs et les robots constituent la partie physique d’une chaîne de production numérique. Un Data Lake permet à la chaîne de production de mettre en œuvre des analyses avancées. L’équipement physique et les informations forment un écosystème commun. Cet écosystème permet à l’usine d’atteindre une plus grande efficacité sans affecter la ligne de production normale et libère également les entreprises des effets des fournisseurs avec l’avantage supplémentaire d’un faible coût de stockage.
La fiabilité des données et la digitalisation de la production
Les données sont le nouveau pétrole proverbial en général, les données sont l’élément vital de l’usine “digitale” et les données sont un actif commercial depuis un certain temps déjà – ou du moins c’est ce qu’il devrait être, y compris les mesures appropriées pour les protéger, les traiter et les valoriser comme vous le feriez pour n’importe quel actif commercial. En fait, si vous examinez de plus près l’industrie 4.0 et certains des aspects clés de son modèle d’architecture de référence, comme la dimension du cycle de vie et du flux de valeur du “Modèle d’architecture de référence Industrie 4.0”, vous constatez immédiatement qu’il s’agit de données, depuis la collecte et l’approvisionnement des données au cours de la phase de développement en passant par toutes les autres étapes de ce cycle de vie, jusqu’à la fin de vie ou EOL. Il en va exactement de même pour la logistique 4.0.
Évidemment, lorsque nous parlons de données, nous parlons de données exploitables qui mènent à des informations, des connaissances, des idées et toute autre forme d’intelligence et d’analyse fondées sur les données, où l’intelligence artificielle et la cognition entrent en jeu, qui permettent d’atteindre plusieurs objectifs. Ces objectifs, ainsi que les activités liées aux données, s’étendent à l’ensemble de la chaîne de production : de l’idéation, du prototypage et du développement à la maintenance, à la production et aux écosystèmes d’informations favorisant l’innovation, la logistique et pratiquement tous les processus industriels, jusqu’à l’élimination ou le recyclage.
- Oui, mais qu’en est-il de tous les autres aspects au-delà des technologies, des données et des nombreuses dimensions de l’industrie 4.0 en termes d’applications et de domaines de génération de valeur dans la fabrication et l’industrie intelligentes ?
- Qu’en est-il des dimensions organisationnelles allant au-delà, par exemple, des objectifs directs tels que l’amélioration de la maintenance, une meilleure utilisation des actifs, l’automatisation et la collaboration entre l’homme et la machine, une meilleure gestion de la qualité, de nouvelles techniques de production, etc. où les données jouent également un rôle clé ?
- Qu’en est-il de tous les aspects de la transformation numérique de l’industrie liés au changement ? Et qu’en est-il de l’aspect humain, par exemple ? L’industrie 4.0 est aussi une affaire de personnes.
Ce sont les personnes qui collaborent avec les robots, qui doivent être formées, qui ont besoin de nouvelles compétences dans plusieurs cas (et, en fin de compte, de compétences plus anciennes si la digitalisation veut réussir), qui doivent être capables d’exploiter les données, qui doivent encore être capables d’entretenir et de réparer, et la liste continue… Bien sûr, elles comptent beaucoup, tout comme les processus et bien plus encore. Mais quelque part, les données sont toujours présentes, cela dépend juste de la façon dont vous les regardez.
Les données industrielles vivent aussi en silos
Dans un billet de blog, Andy Rowland de BT écrit que les données accélèrent la digitalisation de votre production . C’est certainement le cas et, comme le souligne Andy, seul un très faible pourcentage des données industrielles est actuellement utilisé d’une manière qui a du sens ou qui apporte une valeur ajoutée (un problème qui n’affecte pas seulement la chaine de production et les données industrielles, mais pratiquement toutes les activités liées aux données et qui, soit dit en passant, nécessite également des personnes et des cerveaux).