Manufacturing Intelligence, un Levier de Croissance Industrielle

Tracer la voie vers l’industrie 4.0 nécessite de développer des dispositifs numériques  afin de capturer et transformer les données constamment croissantes en actions précises. C’est le rôle du Manufacturing intelligence…

Industrie 4.0

La digitalisation du secteur industriel accélérée par l’avènement des technologies émergentes (comme les systèmes cyber-physiques, l’impression 3D, cloud computing, big data, etc.) a gagné en importance et en popularité en Europe. Cette transformation numérique en cours est communément appelée la quatrième révolution industrielle “Industrie 4.0” également connue en tant que Industrie 2025 en Suisse et est considérée comme la prochaine ère de croissance et d’innovation mondiale.

Représentation Inspirée de W. Wahlster, DFKI GmbH

Afin de capturer le potentiel de l’industrie 4.0, les entreprises manufacturières ont besoin de construire les dispositifs numériques pour la collecte, le suivi,  l’intégration et l’analyse des données de production qui représentent un avantage précieux pour la création de valeur. Le Manufacturing Intelligence est un élément clé pour le développement de ces dispositifs.

Manufacturing Intelligence

Le but du Manufacturing Intelligence est d’améliorer les performances industrielles à travers l’interfaçage de l’ensemble des systèmes de l’entreprise en partant de l’atelier (shop floor) jusqu’au management (top floor), permettant ainsi une gestion intégrée et intelligente de l’information produit tout au long de son cycle de vie.

Trois piliers sont à la base du Manufacturing Intelligence. Tout d’abord, des solutions pour la capture de données en temps réel doivent être acquises afin de collecter les données de production. Deuxièmement, une stratégie d’intégration doit être réalisée afin de fédérer les données provenant de sources de données dispersées. Enfin l’analyse des données à travers l’utilisation des techniques d’apprentissage pour des fins d’utilisation intelligente des données recueillies.

RoundSchema_FR_1

Les dimensions clés du Manufacturing Intelligence

Infrastructure pour la collection en temps réel des données du shop floor
Différentes industries nécessitent différent instruments d’automatisation, dispositifs, systèmes et robots pour leurs procédés de fabrication et produisent différentes sorties (température, pression, poids, vitesse, temps d’arrêt, etc.). Lorsqu’elles sont enregistrées, ces informations permettent le suivi de la qualité, de la consommation des ressources, de l’état de la production et d’autres indicateurs clés offrant un terrain riche pour la création de valeur. L’analyse de l’état actuel des installations existantes telles que les automates programmables (PLC) ou les systèmes de contrôle distribué (DCS) aide à définir dans quelle mesure elles couvrent un ensemble ou une partie des installations et si de nouvelles installations doivent être acquises.

Solutions pour l’intégration de l’écosystème informatique industriel
D’une importance capitale pour le Manufacturing intelligence est l’interfaçage entre le shop floor et le top floor. Les systèmes MES (Manufacturing Execution Systems) sont considérés comme l’épine dorsale pour permettre un tel interfaçage. Ils sont destinés d’une part à gérer et à planifier les commandes et les ressources de production et d’autre part à analyser et à générer des rapports sur le rendement de la production en temps réel. Les MES communiquent aux PLC et DCS des instructions de travail et recueillent les résultats de production pour leur analyse. Ils communiquent également aux ERP (Enterprise Resource Planning) les informations sur la production pour mettre à jour l’inventaire, les coûts et l’approvisionnement. Bien que chaque système ait un rôle spécifique dans l’écosystème IT, leur intégration assurera un flux d’information produits unifié et renforcera les performances industrielles.

Analyses avancées et apprentissage approfondis

Lors de l’analyse de quantité massives de données provenant de diverses sources de données, il est possible que certains résultats restent inaperçus simplement parce qu’ils n’ont pas été supposés lors du paramétrage des indicateurs de performance. C’est dans ce contexte que les techniques statistiques et d’apprentissage automatiques entrent en jeu. Elles visent à comprendre le comportement des données au fil du temps, analyser les corrélations et les dépendances entre les données, identifier des groupes distincts, extraire des motifs cachés et prédire des événements futurs. 

Avec cette approche intégrée et globale accompagnée d’analyses approfondies, les données industrielles peuvent être transformées en actions intelligentes soutenant ainsi les industries dans leur transition vers l’industrie 4.0.

Nos clients