LA SÉRIE EN ROUTE VERS L'INDUSTRIE 4.0 (PARTIE 2)

Cet article a été publié pour la première fois dans Instrumentation Monthly et UK Manufacturing.

Le processus de fabrication implique de grandes quantités de données et d'informations. Les matériaux et composants consommés dans la production de biens, les instructions de montage, les spécifications client, les informations sur les machines telles que les vibrations et la température sont tous produits en permanence dans le flux des activités de fabrication. Les données sont également recueillies à des vitesses beaucoup plus rapides, car les fabricants déploient de plus en plus de capteurs pour recueillir des preuves supplémentaires sur l'efficacité des processus et l'état des machines dans la chaîne de montage.

Cependant, des recherches récentes ont montré que seulement un tiers de ces données sont exploitées - le reste n'est pas exploité en raison d'obstacles tels que des données cloisonnées ou des pratiques de gestion des données inefficaces. Cela signifie une occasion perdue.

Les applications numériques telles que le tableau de bord et l'analyse, l'intelligence artificielle (IA), la réalité augmentée et virtuelle et la vision par ordinateur offrent aux entreprises le potentiel d'améliorer l'efficacité, de réduire les coûts et d'atténuer les risques, ce qui se traduit par des améliorations potentielles des performances allant jusqu'à 20 %.

Dans ce deuxième article de notre série "Industrie 4.0", John Lawson explique comment les entreprises manufacturières peuvent exploiter leurs données d'atelier pour réaliser leur pleine valeur et utiliser des applications numériques pour obtenir un retour sur investissement maximal.

Dans le premier article, nos experts ont exploré des techniques pour fournir des solutions rapides pour aider les entreprises à mettre à niveau leurs applications héritées et à obtenir les avantages de l'industrie 4.0.

Alors que les personnes, les processus, les systèmes et les machines de l'atelier produisent de grandes quantités de données, il y a souvent un problème avec la façon dont les organisations les collectent et les gèrent. En règle générale, cela se fait via des feuilles de calcul et des rapports papier - des méthodes manuelles sujettes aux erreurs et chronophages.

Apporter de nouvelles capacités d'acquisition de données est essentiel dans ce contexte. L'adoption de solutions de capteurs Internet des objets (IoT) intégrées dans les kits PLC (contrôleur logique programmable) et de contrôle de supervision et d'acquisition de données (SCADA) existants, par exemple, peut permettre aux organisations d'acquérir plus de données, en temps réel, améliorant la visibilité et traitement des événements de l'atelier et de la chaîne d'approvisionnement.

L'utilisation d'outils d'harmonisation et de visualisation est une autre étape importante de ce parcours. Les outils d'harmonisation aident à unifier les champs de données, les formats, les dimensions et les colonnes disparates dans un ensemble de données combiné, réduisant à la fois le temps passé à créer des informations précises et le coût de l'analyse des données.

Les outils de visualisation permettent de générer des informations et de mieux intégrer les points de données dans les processus métier en aval. Les tableaux de bord numériques peuvent extraire et afficher des mesures clés telles que la production, le taux de rebut, le temps de cycle et l'efficacité globale de l'équipement de manière visuelle et à un seul endroit, offrant aux dirigeants de l'organisation la possibilité de collaborer et de travailler plus efficacement.

Des versions de tableau de bord plus avancées ont des fonctionnalités qui prennent en charge les processus d'amélioration continue, y compris l'analyse des causes profondes et le dégoulottage. L'amélioration de la visibilité et de l'analyse des données profite également au développement de produits, aidant les ingénieurs et les équipes produit à prendre en compte l'impact des fonctionnalités améliorées sur la chaîne de production avant de lancer de nouveaux produits.

Une meilleure utilisation des données peut également aider les fabricants à optimiser les activités de maintenance. Par exemple, dans l'industrie aérospatiale et aéronautique, les solutions technologiques portables peuvent remplacer les tâches manuelles telles que la vérification de la certification d'un ingénieur ou l'enregistrement de son temps de travail. Cela augmente l'utilisation de l'ingénieur qualifié et contribue à améliorer l'efficacité, réduisant finalement les coûts.

En raison de leur connectivité sans fil, les capteurs IoT placés dans les machines et autres infrastructures de fabrication peuvent extraire des données qui étaient auparavant difficiles à collecter, telles que la température, les vibrations, l'humidité, la lumière, le rayonnement et le niveau de CO2.

De nombreux fabricants qui manipulent des matières premières sensibles placent désormais de petits appareils dans des conteneurs dans les entrepôts et les lignes de production pour détecter et alerter immédiatement les responsables lorsque les lectures dépassent les seuils de sécurité et de qualité. Cela offre aux opérateurs un temps de réaction plus rapide, réduisant les dommages et le gaspillage et, en fin de compte, améliorant la fiabilité et l'utilisation de leurs actifs.

L'accès en temps réel à ces données aide également à prévenir les fuites toxiques et autres incidents, critiques dans des industries telles que la chimie ou le pétrole et le gaz. Au-delà de l'atelier, les appareils IoT font progresser la gestion des stocks et de la distribution en surveillant les produits finis en transit.

Alors qu'un nombre croissant d'entreprises adoptent l'IoT dans les paramètres d'usine, elles sont confrontées à certains obstacles à la mise en œuvre. Un problème commun est la gestion de l'intégration des applications IoT industriel (IIoT) avec la technologie existante ; souvent les entreprises n'établissent pas les principes de base lors de la conception de leur structure d'architecture de référence.

Pour permettre l'intégration des données inter-entreprises, les données ERP, MES et PLC doivent être combinées dans des applications numériques telles que le désengorgement de la production en temps réel et les tableaux de bord de performance, la gestion de la qualité par vision par ordinateur et certaines applications de contrôle de l'apprentissage automatique (ML). La sélection de la bonne plate-forme IIoT et d'une conception de données correspondante, qui permet d'intégrer les données provenant des différents systèmes, est essentielle pour maximiser l'utilité de l'IoT.

L'apprentissage automatique et d'autres technologies basées sur l'IA peuvent aider à débloquer des informations supplémentaires à partir des quantités croissantes de données collectées dans les ateliers et les chaînes d'approvisionnement.

Alors que l'IA fait référence à un large éventail de capacités informatisées qui imitent certaines des capacités cognitives des humains, le ML est un sous-ensemble de l'IA qui permet aux machines d'apprendre à partir des données pour fournir des informations prospectives, sans être directement programmées pour le faire.

Actuellement, l'une des applications les plus puissantes du ML dans la fabrication se situe dans le domaine du contrôle prédictif des processus et de la définition des prescriptions pour un fonctionnement optimal. Il s'agit d'un domaine critique car les pannes de machines et les temps d'arrêt imprévus des équipements peuvent coûter aux fabricants des millions de dollars chaque année.

Un logiciel de maintenance prédictive alimenté par des algorithmes ML exploite les données collectées par les capteurs de la machine pour surveiller les performances 24h/24 et 7j/7 et prévoir les pannes techniques, en évitant les arrêts ou les pannes imprévus. Il a été prouvé que ces solutions permettent de réduire les temps d'arrêt des machines et les coûts de maintenance globaux de 10 à 20 %.

Les solutions Enhanced Vision System intègrent désormais l'IA et le ML pour fournir des niveaux élevés d'automatisation et une précision accrue dans le contrôle et l'inspection de la qualité. La technologie permet une "lecture" numérique dans les environnements de fabrication et peut prendre en charge le processus de production en effectuant des tâches visuelles traditionnellement effectuées par des humains - par exemple lors de la sélection de pièces, de l'assurance qualité ou de la détection de défauts. Les systèmes de vision combinés à l'IA peuvent accomplir des tâches dans un délai plus court et avec une plus grande précision que les opérateurs humains, éliminant souvent les erreurs et le potentiel de biais cognitif. L'effet net étant une efficacité améliorée, des taux de fonctionnement plus élevés et des coûts réduits associés aux rebuts et aux retouches en aval. Dans un marché de plus en plus difficile, il est essentiel que les organisations de fabrication réalisent la pleine valeur des données d'atelier. Les solutions numériques et technologiques telles que celles décrites ci-dessus sont essentielles pour offrir aux entreprises manufacturières la possibilité de passer à la vitesse supérieure tout en obtenant un retour sur investissement maximal.