Débloquer l'efficacité de production : Stratégies de fabrication pilotées par les données éprouvées

Optimiser l'efficacité de production grâce aux stratégies de fabrication pilotées par les données

Bien que diverses technologies de capture de données existent, les fabricants peinent encore à les utiliser. C'est en raison de ce défi majeur que l'objectif de la fabrication pilotée par les données semble d'autant plus inatteignable.

Cependant, il existe quelques approches pilotées par les données que vous pouvez adopter lors de l'optimisation de l'efficacité de production. Ces approches incluent l'utilisation de l'IoT industriel pour capturer les données d'atelier, le déploiement de dispositifs edge computing d'atelier, ou la saisie manuelle des statistiques des machines dans des feuilles Excel pour analyse ultérieure. Les deux premières options sont des solutions numériques avec des processus automatisés tandis que la dernière est manuelle. Comme on peut s'y attendre, la numérisation l'emporte et rend la capture des données d'atelier et leur mise au travail, un processus plus rationalisé.

Dans cet esprit, il sera utile d'approfondir ce que signifie être un fabricant piloté par les données, quels avantages et défis vous pourriez rencontrer en lançant des programmes axés sur les données, et quelles stratégies tangibles vous pouvez adopter au fur et à mesure que vous progressez dans votre maturité analytique.

Qu'est-ce que la fabrication pilotée par les données ?

Le tableau de bord de performance MachineMetrics sur l'atelier.

La fabrication pilotée par les données est une approche de la production qui permet aux faits et à un ensemble strict de KPI de fabrication de guider la prise de décision, par opposition aux suppositions, aux preuves anecdotiques ou aux « sentiments ».

C'est une approche qui tire parti des données des équipements d'atelier, des opérateurs, de la chaîne d'approvisionnement, entre autres sources, pour permettre aux fabricants de prendre de meilleures décisions alors qu'ils travaillent à réduire les coûts et augmenter l'efficacité opérationnelle.

La technologie émergente donne à plus de fabricants la capacité de collecter et traiter des données de leurs opérations, ce qui mène à une hausse des solutions qui peuvent extraire des insights des données de fabrication en temps réel. Cependant, toutes les analyses ne se valent pas.

Pour réussir à exploiter les données dans une opération, vous devez d'abord être capable de collecter des données précises qui peuvent être efficacement traitées et affichées de manière à ce qu'il soit facile pour l'utilisateur de les consommer.

Par exemple, si vous collectiez manuellement les données de performance des machines sur un presse-papiers, il n'y a pas seulement un engagement de temps important pour le compléter, mais il y a aussi une forte probabilité d'erreur humaine. D'un autre côté, collecter les données directement des machines via l'API produit un flux de données hautement précis et impartial. Les deux solutions ici peuvent être considérées comme « pilotées par les données » mais la seconde est de loin supérieure et mènera à une meilleure prise de décision.

Avantages d'être piloté par les données dans la fabrication

Visibilité accrue : L'attrait de la fabrication pilotée par les données est que les leaders sur l'atelier et au bureau corporate peuvent avoir une compréhension plus profonde de la performance basée sur les données collectées à travers l'organisation. Les données fournissent un aperçu non seulement de la performance des actifs individuels, mais des opérations dans leur ensemble. Cela aide les décideurs à identifier les domaines d'opportunité, qu'il s'agisse de quarts de travail sous-performants, de temps d'arrêt récurrents des machines ou d'autres goulets d'étranglement de production.

IA et apprentissage automatique : Avec de grands ensembles de données, les fabricants ont la capacité d'exécuter des algorithmes d'apprentissage automatique qui aident à résoudre des problèmes complexes. Par exemple, notre équipe de science des données a exploité l'apprentissage automatique non supervisé pour détecter les anomalies CNC. Ce sont avec des efforts analytiques comme celui-ci que les fabricants peuvent adopter des pratiques avancées telles que la maintenance prédictive. Sans les capacités de traitement ou l'accès aux données, même les formes simplistes de prise de décision basée sur les données ne seraient pas possibles.

Automatisation : Il y a deux catégories d'automatisation que les stratégies pilotées par les données peuvent soutenir. La première est la collecte automatisée des données. Si une opération est correctement équipée de dispositifs pour collecter les données et de logiciels pour les traiter, le processus de collecte de données ne nécessite plus d'effort manuel.

Le second composant de l'automatisation est l'utilisation des données pour la prise de décision automatisée. Au fur et à mesure que les fabricants progressent dans leur parcours analytique, ils passent de l'analytique descriptive à l'analytique prédictive. Cela signifie qu'ils utilisent d'abord les données pour comprendre ce qui s'est passé ou ce qui se passe actuellement, mais mûrissent éventuellement pour comprendre ce qui peut se passer et avoir l'opportunité d'agir sur cela de manière autonome.

Économies de coûts : Les données complètent la fabrication lean car elles donnent aux fabricants l'information dont ils ont besoin pour rationaliser les processus de production et minimiser les déchets. Sans les données concrètes, il est difficile de mesurer avec précision les améliorations de production et d'être sûr que les changements ont entraîné des économies de coûts.

Par exemple, Carolina Precision Manufacturing, un fabricant de pièces tournées CNC suisses de petit diamètre et tolérances serrées, a économisé 1,5 million de dollars en un an en déployant une plateforme IoT pour assurer une visibilité complète des données. Dans l'étude de cas, il explique comment ils ont pu augmenter l'efficacité de production, optimiser l'utilisation des machines et responsabiliser les opérateurs.

Défis de la fabrication pilotée par les données

Sources de données en silos et systèmes hérités : De nombreux systèmes et équipements n'ont pas été construits dans l'intention de se parler les uns aux autres. Cela peut être le résultat de systèmes d'exploitation séparés entre différents départements, d'équipements hérités, ou simplement d'un manque de documentation et de communication. Le problème ici est qu'il peut être difficile d'agréger les données à travers des systèmes disparates, signifiant que vous obtiendrez moins de valeur des données collectées. Une plateforme IoT qui connecte plusieurs niveaux de systèmes et met les équipements hérités en ligne aide à résoudre ce problème.

Menaces de sécurité : Le problème de la sécurité de l'IoT industriel est apparu pour deux raisons principales. Premièrement, à mesure que plus de dispositifs sont connectés, il y a une plus grande chance de créer des vulnérabilités pour une violation. Deuxièmement, la sécurité n'a pas été abordée au niveau machine auparavant, ce qui signifie qu'il n'y a pas de normes ou protocoles développés. Cependant, il existe des solutions pour atténuer les risques.

Stockage des données : Plus les dispositifs et systèmes connectés qu'un fabricant piloté par les données active, plus les données collectées seront nombreuses. En surface, c'est un fort avantage si l'utilisateur peut gagner de l'insight des données collectées. Cependant, le flux de données croissant a besoin d'un endroit pour être collecté et traité, ce qui peut être un défi difficile. C'est particulièrement coûteux si l'utilisateur doit stocker les données sur site, ce qui fait un fort argument pour l'utilisation du cloud computing.

Stratégies de fabrication pilotées par les données

Stratégie d'optimisation de processus pilotée par les données

La première étape pour optimiser la capacité de production d'une machine est d'avoir une compréhension de ses capacités et des conditions de travail autour d'elle. Ces conditions de travail pourraient inclure la connaissance de l'inventaire disponible et la vitesse à laquelle les matériaux arrivent à la machine. Pour acquérir cette connaissance, l'intégration de solutions de capture de données telles que les dispositifs d'interface homme-machine sera requise. Les données collectées et la capacité de visualiser les KPI fournissent un grand aperçu des processus industriels pour les décideurs et les employés au sein d'un atelier.

Ces insights peuvent ensuite être mis au travail dans le développement d'une stratégie d'optimisation de processus qui assure que la production continue à son niveau optimal. Une approche pilotée par les données pour l'optimisation des processus rend également possible l'identification des facteurs limitant la productivité.

Un exemple est l'utilisation de MachineMetrics pour piloter l'optimisation des processus au sein d'une installation de fabrication discrète. Dans cet exemple, les données sont collectées quotidiennement des machines, catégorisées et comparées aux KPI optimisés pour découvrir l'équipement spécifique ne répondant pas à sa cible et pourquoi. L'insight ciblé sur les défis affectant la productivité d'une machine sert alors de base pour corriger les problèmes l'empêchant de fonctionner de manière optimale.

Stratégie de maintenance prédictive pilotée par les données

Les machines dans les ateliers sont censées être continuellement maintenues pour assurer leur fonctionnement optimal, c'est pourquoi chaque fabricant a une stratégie de maintenance en place pour faire face à la défaillance des pièces. Dans de nombreuses installations, une approche réactive ou run-to-failure de la maintenance est encore déployée comme stratégie pour maintenir les machines en marche pendant de plus longues périodes. Les statistiques montrent que cette stratégie entrave la productivité d'environ 20 % et peut également entraîner des temps d'arrêt non planifiés si les machines tombent en panne pendant un cycle de production réel.

Une stratégie pilotée par les données apporte une approche préemptive à la maintenance des machines par la surveillance de chaque indice de performance qui décrit l'état de santé de la machine et des composants qu'elle contient. Avec cette approche, les temps d'arrêt non planifiés seront éliminés, optimisant ainsi l'efficacité de production.

Un exemple de ceci est l'utilisation du moteur de détection d'anomalies MachineMetrics pour suivre les composants et la performance des machines. Via une API, le moteur analyse les données des machines pour développer des stratégies de maintenance personnalisées pour les différentes machines au sein d'un atelier. Les données analysées informent le fabricant sur les pièces qui nécessitent des remplacements fréquents et donnent un aperçu de la façon de développer des calendriers de remplacement autour des cycles de production. Cela assure que l'inventaire des pièces de rechange du fabricant est toujours à jour et que la maintenance est exécutée dans les délais spécifiés.

Les trois étapes de l'optimisation de la fabrication pilotée par les données

Définir ou créer une stratégie pilotée par les données pour optimiser les processus de fabrication inclut les étapes suivantes :

1. Capture et surveillance des données : La capacité de collecter des données en temps réel fournit la base pour mettre vos données au travail. MachineMetrics est une solution plug-and-play qui collecte des données telles que la vitesse opérationnelle, la température de l'équipement et le taux de consommation d'énergie à partir d'équipements de fabrication discrets et de dispositifs IoT.
2. Catégorisation et visualisation des données : Les données collectées doivent être traitées et analysées pour recevoir des insights d'elles. MachineMetrics exploite le cloud AWS pour délivrer des applications prêtes à l'emploi qui rendent la visualisation et le reporting des données d'atelier via des flux de travail optimisés un processus rationalisé.
3. Intelligence d'affaires et action : Les rapports et flux de travail sont fournis pour faciliter le processus de prise de décision et de création de stratégie. Une fois que les données des machines ont été collectées et analysées, le développement de stratégies actionnables pour optimiser l'efficacité de production et leur mise en œuvre devient possible.

Votre parcours d'analytique manufacturière

Pour faire travailler vos données pour vous, connecter les machines de fabrication de votre entreprise à la plateforme MachineMetrics lance le parcours vers l'optimisation de la production. Les capacités de connectivité universelle de MachineMetrics supportent les machines avec E/S numériques et analogiques, ce qui rend possible la collecte de données des machines existantes dans votre atelier. Ainsi, éliminant le défi de la collecte des données utilisables nécessaires pour développer des stratégies pilotées par les données pour vos installations de fabrication. Vous pouvez en apprendre davantage sur la proposition de valeur des plateformes d'analytique industrielle de niveau entreprise en analysant les fonctionnalités de la plateforme IoT MachineMetrics.