Transformer les équipes manufacturing digitales avec des insights temps réel

Industrie 4.0 : masses de données temps réel, chaque surface capteur potentiel. Cette richesse donne-t-elle le savoir pour optimiser ?

Film avec Alexander Hill, Rob Russell (Senseye), Dr Hannah Edmonds (MTC), Jim Davison (Make UK), Peter Gagg (MCP Consulting Group). Quelles données collecter et comment, réutiliser données existantes pour nouveaux insights/valeur, redessiner processus maintenance pour besoins ingénieurs terrain.

Transcription

Défi : trop de données, pas assez d'info pertinente

Alexander Hill : On voudrait dire « vous avez les données, c'est parti ». Réalalité : beaucoup d'organisations ont TROP de données. Trouver LA bonne donnée et ce qu'il faut en comprendre = défi.

Dr Hannah Edmonds : Richesse données -> saturation data. Trop de bonnes choses.

Données surveillance conditionnelle : contexte et timing

Rob Russell : Pour PdM, clé = rassembler données surveillance conditionnelle pour évaluer état machines. Mais aussi important : données collectées AVEC CONTEXTE et au BON MOMENT.

Dr Hannah Edmonds : Surveillance conditionnelle + analytics = approche proactive maintenance. Pas attendre erreur, mais identifier dégradation état équipements dans le temps. Instrumenter, collecter, monitorer opérations -> insights production -> prévenir panne -> intervenir AVANT problème.

Au-delà des capteurs : exploiter données existantes

Peter Gagg : Première idée : données capteurs = tout ce qu'il faut pour PdM. Mais beaucoup d'autres données existent déjà dans l'entreprise :

• Systèmes gestion bâtiment (BMS)
• Historique équipements
• Données API, MES, OEE...
• + vibrato, température, pression, débit, courant, tension habituels

Tout rassembler, identifier paramètres vraiment nécessaires au régime prédictif, voir interconnexions.

Comprendre paramètres critiques du process

Jim Davison : Tout est dans la compréhension des paramètres critiques de votre process, machine, produit. Quels inputs impactent qualité pièce ou capacité machine à tourner aux specs nominales fiablement ? Une fois compris, capturer données qui influencent ces paramètres. Les afficher utilement.

Valoriser données déjà capturées par équipements modernes

Alexander Hill : Équipements industriels modernes : beaucoup de données déjà dispo et capturées (courant, température, pression, temps cycle). Souvent utilisées SEULEMENT pour contrôler le process, pas pour surveillance conditionnelle. Senseye les récupère, construit modèles machines automatiquement, aide clients à comprendre sur quels actifs – parmi centaines/milliers – porter attention. Sans dire « regardez toutes ces données brutes », on les abstrait, on s'assure qu'ils comprennent QUELS actifs surveiller.