La fabrication basée sur les données est arrivée

Qu'est-ce que la fabrication basée sur les données ?

Les décisions importantes qui ont un impact sur le processus de fabrication doivent toujours être basées sur des faits, et non sur des suppositions, des souhaits, des théories ou des opinions. La technologie émergente d'aujourd'hui aide en permettant aux personnes et à l'équipement de collecter et de traiter les faits dont ils ont besoin pour obtenir de meilleurs résultats.

Le déploiement accéléré de capteurs à faible coût et leur connexion à Internet a créé beaucoup de battage médiatique sur l'avenir de la fabrication. L'Internet des objets (IoT) et son application des mégadonnées et de l'analyse ont conduit à la création de la prochaine génération de fabrication. Cela implique l'utilisation des données pour réduire les coûts grâce à une nouvelle ère de planification des ventes et des opérations, une productivité considérablement améliorée, une optimisation de la chaîne d'approvisionnement et de la distribution et de nouveaux types de services après-vente.

Fabrication basée sur les données est clairement la prochaine vague d'opérations de fabrication pour conduire des systèmes de production efficaces et réactifs. Les fabricants sont enfin mieux placés pour intégrer les données dans leurs activités de prise de décision quotidiennes de manière significative et productive.

Avantages de la fabrication basée sur les données

VISIBILITÉ AMÉLIORÉE

La fabrication basée sur les données peut garantir que les responsables des opérations dans l'atelier ont une compréhension plus approfondie des performances en fonction de ces mesures de données collectées dans l'ensemble de l'organisation. Des données précises peuvent donner les informations nécessaires non seulement sur les performances des actifs individuels, mais aussi sur les opérations de fabrication dans leur ensemble. Cela aide les décideurs à se concentrer sur les domaines d'opportunité, y compris les quarts de travail peu performants, les temps d'arrêt récurrents des machines ou d'autres goulots d'étranglement de la production.

TECHNOLOGIES ET ANALYSES IOT

Avec de grands ensembles de données présents dans l'atelier, les fabricants ont la possibilité d'exécuter des algorithmes d'apprentissage automatique capables de résoudre des problèmes complexes. C'est grâce à des efforts analytiques comme celui-ci, axés sur l'intelligence artificielle et l'apprentissage automatique, que les fabricants peuvent adopter des pratiques avancées telles que la maintenance prédictive. En utilisant ces capacités de traitement ou l'accès aux données, ils peuvent accéder à des formes détaillées de prise de décision basée sur les données.

AUTOMATISATION

L'automatisation existe en deux catégories utilisant l'approche axée sur les données. Le premier est la collecte automatisée de données où des appareils spécifiques collectent des données à l'aide d'un logiciel pour les traiter. Cela ne nécessite aucune intervention manuelle d'aucune sorte. Le deuxième élément de l'automatisation est l'utilisation des données pour la prise de décision automatisée. Grâce à l'analyse prédictive, les fabricants utilisent d'abord les données pour comprendre ce qui s'est passé ou ce qui se passe actuellement, mais finissent par mûrir pour comprendre ce qui peut arriver et avoir la possibilité d'agir de manière autonome.

RÉDUCTION DES COTS D'EXPLOITATION

Les données ainsi que la production au plus juste offrent aux fabricants la possibilité de rationaliser les processus de production et de minimiser les déchets. Sans ces données en temps réel, il est difficile de mesurer avec précision les améliorations de la production et de s'assurer que les changements ont entraîné des économies de coûts.

Les défis de la fabrication basée sur les données

FRAGMENTS DE DONNÉES EN SILOS ET SYSTÈMES HÉRITAGE TRADITIONNEL :

Avoir des systèmes d'exploitation disparates qui ne sont pas connectés, entre différents départements et qui manquent de documentation et de communication communes peut être un grand défi. Il peut être difficile d'agréger ces données sur des systèmes disparates, ce qui peut également impliquer de tirer une valeur moindre des données collectées. Une plate-forme pilotée par l'IoT qui peut connecter plusieurs niveaux de systèmes traditionnels et mettre en ligne cet équipement hérité peut être une excellente solution ici.

MENACES POTENTIELLES POUR LA SÉCURITÉ :

Avec des appareils plus complexes connectés, il y a une plus grande chance de vulnérabilités possibles pour une violation de données ou de sécurité. De plus, étant donné que la sécurité n'a pas été abordée au niveau de la machine auparavant, il peut y avoir une absence de normes solides de protection des données ou de protocoles développés.

STOCKAGE DE DONNÉES SÉCURISÉ :

Avec l'augmentation du volume de données connectées en raison de plusieurs appareils et systèmes connectés qu'un fabricant axé sur les données permet, cela pose un défi de stockage de données. Tout ce flux de données croissant a besoin d'un référentiel central pour être collecté et traité, ce qui peut être coûteux si l'utilisateur souhaite stocker des données sur site.

UN PASSAGE DE LA FABRICATION DÉCLENCHÉE AU TEMPS À LA FABRICATION DÉCLENCHÉE PAR ÉVÉNEMENT :

Aujourd'hui, la plupart des entreprises manufacturières fonctionnent sur le modèle de fabrication à déclenchement temporel. Toutes les entrées sont transmises au système ERP qui convertit les matières premières en produits finis dans la forme et le temps souhaités. Mais lorsque la fabrication basée sur les données devient une norme, les machines suivront le style de fabrication déclenché par des événements, ce qui implique un changement de ce modèle et de la perspective de production pour les fabricants.

Pourquoi les données sont-elles un atout unique pour les fabricants ?

Les données sont l'un des actifs les plus importants pour toutes les entreprises. Il est clair qu'une approche de fabrication basée sur les données ne produit pas seulement de vagues « améliorations » :elle améliore considérablement le débit et augmente le résultat net.

PepsiCo l'a découvert après avoir mis en œuvre un logiciel d'analyse pour l'aider à suivre la façon dont il distribuait les saveurs de soda. Les données ont révélé comment résoudre le problème de l'expédition d'une telle quantité de produits qu'ils ont fini par expirer avant d'être utilisés. Après avoir ajusté le solde, PepsiCo a réduit les expéditions et, par conséquent, les déchets.

Amazon est un autre exemple convaincant de ce que les données peuvent faire pour les chaînes d'approvisionnement. L'entreprise a beaucoup investi dans l'automatisation afin de transformer ses centres de distribution en écosystèmes cohérents. Grâce aux innovations de fabrication basées sur les données, Amazon a réduit les coûts de planification de la chaîne d'approvisionnement et atteint une croissance annuelle des bénéfices.

Avec ces chiffres, on pourrait supposer que les fabricants voudraient maîtriser les données. Cependant, la transformation numérique échoue souvent en raison d'un manque d'adhésion au sommet. Les dirigeants voient souvent la technologie de pointe comme un risque. On craint également que les nouvelles technologies ne remplacent les travailleurs. Par conséquent, seulement 31 % des entreprises se considèrent comme une fabrication véritablement axée sur les données, contre 37 % il y a deux ans.

Ces angoisses ne sont pas fondées. Lorsque les usines utilisent des données pour améliorer les processus et l'intelligence artificielle pour accélérer l'efficacité, ces usines deviennent plus compétitives. La recherche montre que les fabricants ont engagé 907 milliards de dollars (5 % des revenus) pour améliorer la connectivité et que 72 % s'attendent à être « avancés numériquement » d'ici 2020. Par conséquent, l'adoption des données est essentielle pour rester pertinent.

Les fabricants devront surmonter plusieurs obstacles en cours de route. Avant tout, l'entreprise a besoin de la bonne pile technologique et du personnel pour la gérer. Au-delà de cela, il doit améliorer l'accès aux données afin que les décideurs (pas seulement l'informatique) disposent des informations les plus précises. Enfin, quelles que soient les technologies mises en place, elles doivent être suffisamment dynamiques pour incorporer de nouveaux types de données et d'analyses si nécessaire.

Défis de la fabrication basée sur les données

1. L'intégration avec les systèmes existants

Bien que l'automatisation industrielle soit un processus évolutif et que l'introduction de technologies avancées soit passionnante, il est également crucial de trouver un moyen de les faire fonctionner avec des systèmes existants bien établis et éprouvés. Une usine moderne a plusieurs niveaux de système. Cela peut devenir un défi lorsque le développeur d'origine des systèmes hérités locaux ne peut pas s'interfacer complètement avec les systèmes de la nouvelle ère avec une documentation rare. Il est important de comprendre qu'il ne s'agit pas de partir d'une feuille de papier vierge, mais de s'intégrer efficacement dans l'environnement de conception et de fabrication existant.

2. Défis de sécurité du système :

Les systèmes de contrôle distribués connectés via Internet peuvent exposer les systèmes existants à un accès non autorisé par des attaquants. Comme de plus en plus d'appareils IoT sont de plus en plus connectés via des passerelles, cela ouvre également des voies pour permettre le contrôle et l'accès depuis n'importe où. La plupart des passerelles de systèmes de fabrication traditionnels auraient besoin d'un grand renforcement contre les défis de sécurité de la nouvelle ère auxquels les services informatiques sont confrontés. Cela implique d'ajouter une puissance de calcul suffisante pour gérer les tâches de mise en réseau et de sécurité.

3. Au-delà du simple échange de données vers le partage de données

Créer un modèle de données unifié et intégrer ensemble tous les systèmes indépendants dans le processus de fabrication peut être un défi. Ces données doivent être mappées de manière transparente et partagées avec chaque unité commerciale afin de minimiser le gaspillage de ressources et de matériaux. L'utilisation de capteurs pilotés par l'IoT qui peuvent détecter les défaillances potentielles d'un équipement peut être un moyen de minimiser les défaillances d'échange de données.

4. Données inexactes ou incomplètes

Lorsque les données de fabrication existantes elles-mêmes sont incomplètes ou inexactes, cela peut avoir un impact sur la prise de décision, en particulier pour les projets critiques où les données sont l'épine dorsale du succès. Cela signifie également que beaucoup de temps, d'efforts et de ressources sont utilisés pour compléter les enregistrements daa ou s'assurer qu'ils sont factuels et authentiques.

Comment la fabrication basée sur les données peut-elle aider ?

Selon Forrester , les organisations axées sur les données enregistrent une croissance annuelle de 30 % en plus d'être rentables et d'acquérir et de fidéliser de nouveaux clients.

1. TIRER DES APERÇUS INATTENDUS POUR LA PRISE DE DÉCISION :

Le développement d'informations inattendues basées sur les données à l'aide d'analyses avancées peut révéler d'autres opportunités de prendre des décisions rapides et précises. Les bonnes données permettent aux fabricants de se concentrer sur les problèmes et les opportunités les plus importants. Une compréhension claire de la question de savoir si les fabricants mesurent les bonnes choses en établissant des KPI pour les problèmes peut aider à les résoudre facilement

2. APERÇU PROFOND DES PROCESSUS DE FABRICATION :

Des analyses avancées peuvent aider les fabricants à découvrir des opportunités inédites d'augmenter les rendements de production. Souvent, ils peuvent supposer que toutes les améliorations possibles des processus ont été mises en œuvre, en utilisant des données, ils peuvent creuser davantage dans des perspectives d'amélioration plus profondes. Grâce à ces informations basées sur les données, des solutions aux problèmes qui persistent depuis un certain temps peuvent également être trouvées, améliorant ainsi la portée des opérations en utilisant les ressources existantes.

3. ÉCONOMIES :

Une entreprise de fabrication qui utilise des données d'atelier en temps réel ainsi que des évaluations statistiques sophistiquées peut facilement prendre ce qui était autrefois des ensembles de données isolés, agréger les données, puis les analyser pour révéler des informations critiques. coûts tout en accélérant la vitesse des résultats.

4. PRÉDIRE LES TENDANCES DU MARCHÉ :

Le fabricant axé sur les données peut tirer parti des plates-formes d'analyse pour une prévision améliorée des demandes de personnalisation. Cela se produit en identifiant les modèles et les tendances fluctuants dans le comportement des clients. L'analyse des données permet une vue granulaire des processus de fabrication qui permettent des décisions de production plus intelligentes et plus précises guidées par une analyse prédictive.

Intelligence artificielle pour la fabrication basée sur les données

Comme la plupart des processus de fabrication basés sur les données nécessitent des niveaux de précision élevés, des améliorations continues de la qualité de la production et des processus de maintenance de la plus haute qualité, l'intelligence artificielle (IA) parvient à fournir facilement ces résultats pour cette industrie.

Grâce à l'IA, la fabrication devient davantage axée sur les données, donnant aux fabricants la possibilité d'augmenter leur productivité ainsi que leurs bénéfices. Il les aide également à montrer la voie pour continuer à se développer avec ses nombreuses applications analytiques basées sur l'IA, notamment la maintenance intelligente, la qualité 4.0, l'intelligence prédictive, la collaboration homme-robot, etc.

5 étapes pour mettre en œuvre la fabrication basée sur les données

Les fabricants ne deviennent axés sur les données qu'après avoir subi une transformation systématique. Suivez ces étapes :

1. Enquêter sur les goulots d'étranglement du temps.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

Towards data-driven bottleneck elimination technology

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.