Expert Insight : façonner l'avenir de la gestion des déchets à l'ère numérique

Les déchets. C'est un mot que nous connaissons tous dans l'industrie manufacturière et un défi avec lequel nous luttons continuellement. Il prend de nombreuses formes différentes, pas seulement des matières premières, composants, ou produits défectueux qui n'arrivent jamais dans les mains des clients payants, mais dans les ressources utilisées à chaque étape du processus de fabrication — comme la main-d'œuvre, l'énergie, le stockage, le transport et les actifs incluant l'usine et les machines — qui sont consommés mais ne contribuent pas au chiffre d'affaires global. Simplement dit, le déchet est le coût des intrants qui ne sont pas monétisés, et donc les outputs en efficacité, productivité, agilité et qualité sont tous des proxys pour le déchet.

Bien que le déchet soit devenu un concept plus formalisé sous la philosophie du Lean Manufacturing, c'est un défi qui a imprégné l'industrie depuis la naissance de la fabrication moderne. Quand Matthew Boulton et son partenaire d'affaires John Fothergill ont ouvert la Manufacture de Soho à Birmingham, Angleterre en 1766, ils ont introduit le concept de « production de masse » pour révolutionner les industries artisanales inefficaces de l'époque. En 1782, ils ont remplacé leur laminoir à métal entraîné par l'eau par une nouvelle source de pouvoir révolutionnaire — la machine à vapeur de Watt — et ainsi, la « guerre au déchet » a commencé.

Depuis lors, nous avons continuellement inventé de nouvelles techniques, méthodes, processus et technologies pour réduire le déchet. Quand des innovations majeures comme la machine à vapeur de Watt ont émergé, nos prédécesseurs ont réalisé des bénéfices sismiques en efficacité et productivité, suivi par une période d'améliorations continues et d'affinage. Cela a maximisé les bénéfices de ces innovations encore plus et a continué jusqu'à ce que les prochaines innovations majeures émergent, comme l'électricité, où les moteurs électriques ont remplacé la vapeur et ont permis à l'énergie d'être hautement distribuée, plus rentable et fiable. Puis la chaîne de montage a introduit le nouveau paradigme pour la division et l'utilisation de la main-d'œuvre et le transistor a donné naissance au contrôle informatique industriel et à l'automatisation.

Chacun de ces jalons majeurs a vu l'impact initial suivi par une période de raffinement et d'amélioration continue, où les améliorations successives délivrent des retours sans cesse décroissants jusqu'à l'émergence du prochain changement sismique. Quand on cherche des domaines pour améliorer le processus de fabrication, la plupart des organisations tendent à cueillir le « fruit le plus bas » d'abord, avant de chercher des améliorations plus difficiles et subtiles alors qu'elles s'efforcent continuellement de trouver de nouvelles façons d'éliminer le déchet. Cependant, elles atteindront bientôt un point où le coût pour éliminer une source de déchet devient égal ou supérieur au bénéfice réalisé — hélas, la loi des rendements décroissants.

À ce stade, il devient simplement antéconomique de faire ces améliorations et, en résultat, les gains d'efficacité et de productivité commencent à stagner. Je crois que c'est là où la plupart des fabricants sont aujourd'hui, et cela aide à expliquer partiellement le paradoxe de la productivité si appelé. Malgré l'investissement dans de nouveaux équipements, processus et techniques, la croissance de la productivité reste plate parce que le fruit le plus bas a été cueilli et les entreprises se retrouvent coincées dans un cycle de rendements décroissants par unité d'investissement. Le paradoxe de la productivité ne peut être brisé que quand le prochain changement sismique émerge pour délivrer des améliorations significatives de performance.

Comme l'histoire l'a montré, ces changements ne se produisent pas du jour au lendemain. Ils sont initialement rencontrés avec scepticisme et souvent dérision, avant de passer par une période de battage, suivie de désillusion alors que les bénéfices perçus ne se matérialisent pas. Cette transition peut souvent prendre plusieurs années, possiblement des décennies, avant que progressivement, les bénéfices tangibles commencent à émerger à travers ce que la firme d'analystes IT, Gartner, nomme la « pente de l'illumination » — la quatrième phase du Cycle de Hype. La numérisation, Usines Intelligentes, l'Usine du Futur, l'Industrie 4.0 et l'Internet Industriel des Objets (IIoT), sont toutes des variations du même thème, et représentent les racines de ce prochain cycle majeur. Bien que beaucoup ait été, et continue d'être, rapporté sur ces thèmes, ils sont tous basés sur l'exploitation d'un ingrédient fondamental unique — l'information, la prochaine arme critique dans la guerre au déchet.

VOIR AUSSI :

• L'édition de mars de Manufacturing Global est en ligne
• Salon de Genève : les top tendances technologiques automobiles à ne pas manquer
• Siemens va acquérir KACO new energy pour améliorer ses capacités manufacturières
• Bray International : changer l'état d'esprit de la fabrication de vannes par la transformation numérique

Les retours d'efficacité et productivité décroissants des technologies de shop floor existantes comme l'automatisation et les méthodologies d'amélioration de performance hors ligne comme le six-sigma ont atteint un plafond de verre proverbial. Prenez, par exemple, la mesure de l'Efficacité Globale des Équipements (OEE) couramment utilisée pour évaluer à quel point une opération manufacturière est utilisée efficacement. Un OEE de 100 % indique un environnement de production parfait, avec seulement de bons produits produits aussi vite que possible et zéro temps d'arrêt. Atteindre ce niveau d'OEE est sans doute impossible, cependant, la recherche générale à travers une large gamme d'études suggère que les fabricants de classe mondiale visent un OEE d'environ 80-85 % avec 50-60 % étant plus typique, et 30-40 % pas rare. Non seulement cela illustre qu'il reste encore une place significative pour l'amélioration en termes d'efficacité et productivité, cela révèle aussi que nos efforts pour améliorer la performance « bougent rarement l'aiguille ». Au lieu de cela, les fabricants comptent sur la culmination d'un grand nombre d'améliorations plus petites, et parfois coûteuses, pour faire un impact réel.

Pour percer ce plafond de verre, nous devons exploiter les actifs d'information et de données en développant un niveau d'acuité opérationnelle plus grand que nous avons aujourd'hui. Dans les systèmes physiques, nous aurons toujours un niveau de variabilité naturelle et d'imprévisibilité, mais nous ne devrions pas continuer à utiliser cela comme excuse pour des processus de fabrication sous-optimaux. Au lieu de cela, nous devons utiliser cette information pour comprendre quand et où ceux-ci se produisent (en temps réel ou quasi temps réel) et avoir les mécanismes en place pour répondre à et atténuer cette variabilité et imprévisibilité « au moment où cela se passe », ou mieux encore « avant que cela ne se passe ».

Ce n'est pas facile, et nécessite une compréhension et une surveillance continues de nombreuses variables, pas juste à travers une seule mesure, processus ou caractéristique de produit, mais à travers tout le paysage causal. Dans un environnement manufacturier, les processus sont rarement entièrement isolés, car la performance d'un processus sera probablement causée by a myriad d'autres influences — à la fois directes et ambiantes. Cela est souvent appelé la « Malédiction de la Dimensionalité » — plus nous avons de dimensions, plus nous avons besoin de données et plus il devient difficile de dériver un insight actionnable. Malheureusement, le cerveau humain n'est pas conçu pour gérer ce niveau de complexité, car nous luttons pour comprendre les inférences à travers un très faible nombre de dimensions et à un rythme très sédentaire.

Heureusement, plusieurs technologies émergentes convergent et mûrissent pour former les fondations pour le prochain changement dans l'efficacité et la productivité manufacturières. Le coût et la miniaturisation des capteurs avancés permettent aux organisations de toutes tailles de capturer des quantités inconcevables de données en continu depuis leurs chaînes de demande et d'approvisionnement ou même embarquées dans les produits eux-mêmes. Selon leur niveau de sophistication, cela peut permettre des opérations de calcul autonomes en utilisant des algorithmes avancés embarqués directement dans les capteurs (connu sous le nom de Edge Computing) pour travailler directement avec d'autres capteurs et appareils en boucle fermée (Machine-à-Machine). Grâce à l'essor des réseaux de communication ubiquitaires (une tendance qui sera transformée à nouveau quand la nouvelle norme 5G deviendra grand public), ces capteurs peuvent communiquer les données collectées à haute vitesse depuis n'importe quel endroit dans le monde.

Ces flux de données nécessitent d'immenses quantités de stockage et de ressources de calcul capables de filtrer, trier et analyser l'information à une vitesse telle que des insights en temps réel peuvent être générés, et cela est permis par le big data et le cloud computing qui découple rapidement la valeur business des données et de l'information de l'infrastructure coûteuse sur site. Finalement, l'analyse et les insights dérivés de ces données doivent être rendus disponibles au bon endroit au bon moment pour que des actions efficaces puissent être prises, toujours disponibles sur pratiquement n'importe quel appareil, sous une forme hautement visuelle et intuitive que les travailleurs peuvent facilement interpréter et actionner. Cela est rendu possible par l'évolution des interfaces SaaS (Software-as-a-Service) basées sur le cloud et les Applications Web Riches (RWA) qui deviennent grand public aujourd'hui.

La numérisation de l'usine, du shop floor et de la chaîne d'approvisionnement permettra aux fabricants d'identifier et d'éliminer rapidement le déchet de façons pas précédemment possibles ou économiquement faisables et cela inauguera une nouvelle ère d'efficacité et de productivité. Une fois que le fruit le plus bas a été cueilli, nous continuerons à faire évoluer les technologies et techniques pour trouver de nouvelles façons innovantes de réduire le déchet davantage encore, jusqu'à ce que les lois des rendements décroissants commencent à mordre, et que nous cherchions le prochain grand changement à émerger. Cependant, comme le gourou de l'IA Andrew Ng nous le rappelle, s'inquiéter de cela maintenant, c'est comme s'inquiéter de la surpopulation sur Mars.

InfinityQS - le fournisseur leader de Contrôle Statistique des Processus (SPC) logiciels et services aux fabricants du monde entier. Ses solutions automatisent la collecte et l'analyse de données pendant le processus de fabrication, pour permettre des décisions d'amélioration de processus en temps réel et prévenir les défauts avant qu'ils ne surviennent. Développé par des statisticiens industriels utilisant des méthodologies éprouvées pour l'analyse et le contrôle qualité, les solutions InfinityQS font économiser des millions de dollars chaque année aux grands fabricants.