Exploiter l'analytique prédictive dans la fabrication : cas d'usage prouvés et bénéfices tangibles

Depuis des décennies, les fabricants utilisent les données pour gagner un avantage concurrentiel. Peut-être le plus grand changement aujourd'hui est la façon dont les données sont collectées. Certaines entreprises ont des techniciens qui font le tour de l'usine en vérifiant les jauges, remplissant des formulaires, et notant l'historique d'opération et de maintenance des machines. Tout cela est fastidieux, sujet aux erreurs, et des méthodes inexactes de collecte et d'utilisation des données pour piloter la prise de décision. Cependant, avec la prolifération des dispositifs IoT et capteurs, les équipements et opérations connectés changent la façon dont les fabricants tirent parti des données et de l'analytique.

Les entreprises ont commencé à transitionner vers des logiciels digitaux et dispositifs connectés pour réduire le travail associé à la collecte manuelle de données et à la documentation. Comparé aux méthodes manuelles, ces technologies augmentent aussi la fidélité qui amplifie la puissance de l'analytique et mène à des modèles plus précis. Ce qui suit présente les bénéfices et cas d'usage de l'analytique prédictive dans la fabrication.

La maturité de l'analytique dans la fabrication

Aussi connu sous le nom de Parcours de l'Analytique Manufacturière, il y a plusieurs étapes que les fabricants traversent en s'efforçant vers des stratégies prédictives et prescriptives.

Étape 1 : Données

Collecter des données pour l'analytique descriptive établit une baseline pour répondre à ce qui s'est passé.

Étape 2 : Information

Traiter ces données en analytique diagnostique pour répondre à pourquoi quelque chose s'est passé transforme efficacement les données en information. Une solution d'analytique manufacturière peut être utilisée pour permettre cela.

Étape 3 : Compréhension

Une fois assez d'information collectée, une meilleure compréhension des processus peut être atteinte et des modèles statistiques peuvent prévoir ce qui pourrait arriver dans le futur en utilisant l'analytique prédictive.

Étape 4 : Connaissance

À mesure que des modèles plus précis sont produits, les données transitionnent en connaissance et l'analytique prescriptive répondra à ce qui devrait être fait.

Bien qu'il puisse être tentant de tout connecter et traverser ces étapes, il est important d'établir des objectifs clairs et de fixer des baselines pour surveiller les améliorations de performance. Sachez quelles données, et combien de données sont nécessaires pour transitionner de l'analytique descriptive à la prescriptive. En commençant ce parcours, il sera bénéfique d'établir une plateforme unique pour toutes données collectées. De plus, assurez-vous que toutes les parties prenantes — qu'il s'agisse de dispositifs, personnes ou fournisseurs — ont un accès approprié à cette plateforme.

Les données et la surveillance en temps réel peuvent offrir une haute fidélité qui aidera à établir des baselines, atteindre des N-valeurs, et alerter les parties prenantes aux changements plus vite que les méthodes manuelles ou dispositifs non connectés. Ces étapes prennent du temps, mais chaque étape offre ses propres bénéfices. Un des plus grands bénéfices de l'utilisation de l'analytique est la capacité de prédire ce qui va se passer avec un haut degré de précision.

Bénéfices et cas d'usage de l'analytique prédictive pour les fabricants

Les dispositifs connectés temps réel peuvent collecter plus de points de données. Cela peut aider à prédire combien de temps ou combien de pièces peuvent être produites avant une panne. Les plans de maintenance traditionnels peuvent suggérer quand remplacer des pièces ou effectuer la maintenance basée sur des estimations moyennes, pas nécessairement quand c'est nécessaire. Prédire les pannes avec les données et l'analytique manufacturière réduit les temps d'arrêt non planifiés, et peut éliminer la maintenance inutile et coûteuse.

Analytique de maintenance prédictive

Cas d'usage : Réduire les temps d'arrêt, pannes d'outils et demandes de maintenance

Il y a beaucoup de bénéfices en ce seul terme : maintenance prédictive. Premier, le fait que la collecte de données peut aider à prédire quand la maintenance est nécessaire, pas supposée. Cela augmente le temps de fonctionnement de l'équipement, donnant aux managers une chance de planifier la maintenance nécessaire ou faire les ajustements nécessaires avant qu'une panne ne survienne.

L'analytique prédictive devient de plus en plus précise à mesure que plus de données sont collectées et que des corrélations sont faites. Dans un exemple, la panne d'outil a été trouvée pour se produire quand l'ampérage de l'équipement augmentait. Suivre l'ampérage était difficile, mais les données de charge de broche pouvaient être fournies en activant une fonctionnalité dans le tableau de bord logiciel de l'équipement.

Les chercheurs ont pu prouver qu'il y avait plus de 80 % de corrélation entre l'augmentation de la charge de broche et l'ampérage du transducteur. En surveillant la charge de broche, plus facile et plus rentable, il était possible de prédire combien de pièces pouvaient être faites depuis le moment de la charge augmentée jusqu'à la panne d'outil. Pour cet exemple, la fourchette pièces-à-panne était de 1 à 68. Selon le montant de charge augmentée, il pourrait être possible de réduire cette fourchette davantage. Corréler les données et remarquer les patterns élargit ce qui est possible par l'analytique vers la qualité et la prise de décision.

Mesurer la vitesse de broche pour identifier une panne d'outil imminente. En utilisant des données comme ça, il est possible de construire des algorithmes qui détectent automatiquement la panne, et vous donnent la capacité de la prévenir.

Analytique qualité

Cas d'usage : Alertes sur les problèmes qualité, minimiser les rebuts

En suivant la performance, il est possible d'être notifié quand les processus sont hors tolérance ou peuvent générer des préoccupations qualité. Pouvoir arrêter ou ajuster un processus plus tôt peut grandement réduire ou éliminer le gaspillage de matière ou les retouches. Dans un exemple, un cylindre pneumatique dérivait avec le temps. Au moment où les travailleurs le remarquaient et l'ajustaient, environ 1 000 unités étaient faites et des heures de production étaient mises au rebut. Prédire la maintenance et les problèmes qualité plus tôt peut ajouter de la valeur aux applications impliquant des matières aux prix instables ou fluctuations de marché.

Analytique de prévision de la demande

Cas d'usage : Identifier et utiliser KPI et ERP

Suivre les processus individuels et les délais globaux offre un insight sur les demandes de matière et de production. À mesure que les capacités connectées s'étendent, des KPI seront identifiés qui augmenteront la capacité, la valeur et la précision d'outils logiciels comme l'ERP. De plus, dans les applications où les prix des matières peuvent être grandement affectés par la politique, catastrophes naturelles, etc., utiliser les données pour prédire les taux de consommation et l'expédition peut offrir de grands bénéfices pour rationaliser la gestion de la chaîne d'approvisionnement. Prédire les volumes, délais et demande de marché aidera à gérer l'économie et les coûts pour nouveaux équipements, produits ou processus.

Analytique main-d'œuvre

Cas d'usage : Prédire les besoins en formation et main-d'œuvre

Dans des marchés fluctuants, l'analytique de prévision de la demande peut même être utilisée pour gérer le travail et l'acquisition de talents plus efficacement. Une des plus grandes préoccupations est le Skills Gap dans la fabrication. En étendant les données du processus, à l'usine, à la planète, les fabricants peuvent prédire quelles compétences et main-d'œuvre seront nécessaires dans le futur. Cela permet aux entreprises de travailler plus efficacement avec les éducateurs, poster des offres plus tôt, ou former/réentraîner la main-d'œuvre actuelle pour répondre aux besoins en main-d'œuvre.

L'avenir de l'analytique prédictive dans l'industrie manufacturière

Cas d'usage futur : Maintenance à distance des outils

Utiliser la technologie et l'analytique transforme les données en connaissance. À mesure que la connectivité s'étend, il y a une tendance vers une augmentation du suivi et de la surveillance d'actifs à distance et mobile. La capacité de livrer des données haute fidélité augmentera l'analytique diagnostique à distance et mobile. Cette tendance réduira le besoin de techniciens terrain. Avec des diagnostics à distance à haute confiance, il peut aussi être possible de donner des recommandations de maintenance ou informations aux opérateurs sur site pour réduire davantage le besoin de techniciens terrain.

Cas d'usage futur : Évaluations de risque et d'assurance

Avec une capacité accrue de suivre et surveiller l'équipement, l'analytique peut augmenter les abonnements, polices d'assurance ou garanties. Les dispositifs connectés peuvent mener à de l'équipement plus flexible. Par exemple, les abonnements donnent aux OEM la capacité d'ajouter ou retirer des fonctionnalités, le suivi de données, et le logiciel à distance. À mesure que la demande change, l'abonnement et les fonctionnalités peuvent changer aussi.

De plus, l'analytique diagnostique pourrait changer jusqu'où ou ce que les polices d'assurance et garanties couvrent. L'analytique manufacturière et la technologie connectée peuvent prouver ou réfuter les erreurs d'opérateur, d'équipement, ou de conception. Les maths ont été un moyen efficace d'expliquer, comprendre et compétitionner. Les futurs succès dans la fabrication pourraient être celui qui a la connaissance la plus précise et expansive des modèles digitaux et de l'analytique.

Piloter des stratégies prédictives avec la plateforme IoT MachineMetrics

Explorer la plateforme