Exploiter les données : comment les usines intelligentes boostent l'efficacité dans l'Industrie 4.0

Submergé par la promesse digitale de l'Industrie 4.0 ? Ne le soyez pas. L'usine intelligente est toute une question d'obtenir une information précise et exacte qui devrait aider les fabricants à sortir plus de pièces et éliminer les gros problèmes d'outillage et d'usinage.

L'usine intelligente : elle était partout au Salon International de la Technologie de Fabrication 2018. De la commande d'une machine CNC par commande vocale aux grands fabricants d'outillage s'étendant dans le logiciel et l'usinage digital, de nouvelles directions se lèvent. La technologie connectée à Internet est une partie majeure du futur pour l'industrie.

Pourquoi ? Parce qu'il est maintenant possible d'extraire des informations plus précises sur les opérations que jamais auparavant.

Les capteurs ne sont pas nouveaux. L'identification par radiofréquence n'est pas non plus nouvelle. Mais l'information opérationnelle avec beaucoup plus de contexte qui peut être facilement distribuée et mise à usage est nouvelle, disent les sources de fabrication industrielle.

« Aujourd'hui est le « moment Internet » pour la fabrication, » dit Graham Immerman, directeur marketing chez MachineMetrics dans une interview avec Better MRO. « Alors que beaucoup d'industries ont eu leur « moment Internet » il y a 10 ans ou plus, la fabrication a son moment right now. »

« Les données sont le sang vital de l'usine du futur, » écrit Tom Leeson, un expert en fabrication, dans le post Open Text « Six Trends Challenging the Factory of the Future. »

Leeson place les données dans ce contexte technologique : « Par l'IA appliquée et l'analytique avancée, les données piloteront tous les processus, détecteront les erreurs opérationnelles, fourniront un retour utilisateur et amélioreront le volume et la qualité de la production. »

Malgré le jargon technologique lourd sur l'Internet 4.0, les fabricants croient en sa promesse, aussi. En 2017, 76 % des fabricants disaient avoir des initiatives d'usine intelligente « en cours ou en formulation », avec plus de 55 % d'entre eux investissant 100 millions de dollars, selon une recherche de Capgemini. Malheureusement, seulement 14 % étaient satisfaits de leurs efforts.

Le hic ? L'adoption demande des efforts — ce qui signifie investissement et temps.

Des données précises et complètes sont le moteur de l'usine intelligente

« Un plancher d'usine avec potentiellement des milliers de dispositifs connectés a maintenant une valeur significative d'un point de vue données, » dit Raj Batra, président de la division usine digitale pour Siemens aux États-Unis, dans un article IOT Evolution World. « La question est, pendant que vous êtes maintenant capable de collecter ces données, comment les analysez-vous et les rendez-vous significatives et précieuses pour vos objectifs d'affaires ? »

C'est une question légitime. Il y a tellement de choses qui peuvent être analysées — donc faire de toutes les données un récit de prise de décision cohérent n'est pas nécessairement facile. Cela requiert un peu plus de systèmes et de compétences du monde de la technologie de l'information — et de nouvelles façons de penser à comment tout cela fonctionne ensemble dans un monde de technologie opérationnelle traditionnel.

Ce qui ne change pas ? La pression de livrer plus de pièces en moins de temps.

Besoin d'aide pour booster la production de pièces ? Lisez « 5 façons de prolonger la durée de vie d'outil et amplifier la productivité. »

Une information d'usinage et d'outillage plus précise pourrait aider cette cause, mais sans précision des données, cela pourrait être un défi. Aujourd'hui, de nombreux fabricants capturent les données machine pertinentes sur des tableaux blancs et bouts de papier, dit Immerman. Mais une fois que vous commencez à mettre en réseau cette information et la rendre transparente, les données peuvent devenir utiles de plus de façons — et pour plus d'équipes que juste celles près du tableau blanc.

« Je peux vous donner un aperçu de nos données (MachineMetrics) : La plupart des fabricants pensent qu'ils travaillent à environ 60 à 80 % de capacité et d'utilisation de leur équipement. Ces chiffres sont complètement inexacts, » dit Immerman. « L'utilisation machine moyenne à travers l'industrie est de 27 %. Il y a un énorme décalage entre ce qui se passe réellement sur le plancher d'atelier et ce que les fabricants pensent qui se passe dans leur entreprise. »

Le mensonge est dans ce décalage, dit Immerman.

Il y a simplement un manque de visibilité sur le plancher d'atelier, un manque d'intégration de données entre le plancher d'atelier, et d'autres pièces de leur système d'affaires, que ce soit le système de planification des ressources d'entreprise (ERP), qualité ou assemblage, ou usinage ou outillage.

« La vérité est dans les données, et la plupart des gens n'ont pas les données pour dire la vérité. Donc, c'est l'état de l'industrie, » dit Immerman.

Le défi des données de l'usine intelligente : Le volume des systèmes de fabrication discrète

Les données de Capgemini ressortent vraiment : seulement 14 % des entreprises sont satisfaites des résultats d'usine intelligente ?

Voici pourquoi : La visibilité totale à travers tout l'écosystème opérationnel est dure — et pour de nombreux fabricants, ça semble accablant.

« Les entreprises réagissent, en disant des trucs comme, 'Alors, ce que vous me dites c'est que j'ai besoin de construire cette usine digitale entière ? Et j'ai besoin d'implémenter huit types différents de logiciels ? Et comment diable je vais faire ça ?' » dit Immerman.

Que les données viennent de l'ERP (planification des ressources d'entreprise), systèmes qualité, machines à mesurer tridimensionnelles (CMMS), données d'inspection, systèmes d'assemblage, cellules d'usinage CNC, outillage — et plusieurs autres processus de fabrication — il y a beaucoup à connaître et rendre visible, explique Immerman.

« Un des défis plus pressants est l'énorme quantité de données qu'une usine intelligente implique, » dit l'entreprise de sécurité digitale Trend Micro, dans le post de blog « A Look Into Smart Factories: A Model of IIoT Innovation. » « À cause de cette [énorme quantité de données], l'entreprise doit avoir des protocoles et systèmes en place pour l'utilisation et la gestion appropriée d'une telle grande quantité de données avant de mettre en place une usine intelligente. »

Un point de départ : Isoler les données machine sur l'API et travailler avec

Ce n'est peut-être pas dans l'intérêt de tout le monde d'essayer de s'attaquer à tout l'Industrie 4.0 d'un coup. Une usine intelligente peut prendre vie en commençant petit avec les machines de fabrication de pièces sur le plancher d'atelier.

Dans le cas de MachineMetrics, il extrait les données directement de l'API des machines et envoie l'information via un petit dispositif « edge » sans fil. L'information est chiffrée et distribuée via un cloud sécurisé pour être vue par les clients. À son cœur, MachineMetrics est une plateforme analytique qui offre des données de production, santé système pour équipes de maintenance, et services à distance pour fabricants d'équipement d'origine et distributeurs d'équipement.

« Donc on obtient le compte de pièces, et on obtient jusqu'à 200 points de données de l'API… On obtient aussi des données sur la machine-outil, comme quel outil est utilisé, » dit Immerman. « On obtient l'information de charge, la pression sur la broche… On obtient les alarmes directement de la machine. »

Ce sont des données de performance et disponibilité. En substance : le comment, le quoi et le pourquoi. Avec toutes ces données, les entreprises peuvent alors commencer à s'aider elles-mêmes à éviter les temps d'arrêt et répondre à des questions, telles que :

• Nos machines sont-elles en panne parce qu'on change les outils ?
• Les machines sont-elles en panne parce qu'on met trop de temps à régler ?
• Avons-nous mal estimé combien de temps le travail prendrait ?

« Vous avez entendu parler de TRG (taux de rendement global) ? » demande Immerman. « Souvent quand on travaille avec nos clients on trouve que la raison principale pour laquelle les machines sont sous-utilisées est parce que leurs attentes de performance sont complètement inexactes… Quels sont les temps de cycle attendus pour chaque pièce produite ? Combien de temps les réglages devraient-ils prendre ? Combien de pièces pensons-nous pouvoir produire dans un quart donné ? »

Les attentes de performance sont pilotées par un système ERP, dit Immerman, et si c'est inexact, alors « ça laisse beaucoup sur la table pour d'autres entreprises pour prendre votre business. »

En fin de compte, l'usine intelligente est à propos d'aider les fabricants à s'améliorer, gagner du temps et prendre de meilleures décisions avec la meilleure information qui peut être partagée.

MachineMetrics dit que tous les fabricants n'utilisent que 27 % de leur capacité machine. Croyez-vous ça ? Réagissez dans le forum. [inscription requise]