L'introduction de l'industrie 4.0 en 2011 pourrait être considérée comme une mesure nécessaire pour réveiller une industrie en déclin. Au cours de la décennie qui a précédé son introduction, la productivité manufacturière mondiale a chuté à 1 % et, pour stimuler la croissance, un groupe d'étude allemand a envisagé des modèles commerciaux qui exploitent les ensembles de données produites dans les ateliers.
Ces ensembles de données devaient être analysés pour mieux comprendre le processus de fabrication à un niveau jamais atteint auparavant, mais il fallait d'abord mettre en place un moyen de capturer les données structurées et non structurées.
Ce billet aborde les points suivants :
- Le processus de capture des big data dans le secteur industriel
- Le rôle de l'architecture unifiée et de l'interconnectivité des ateliers dans l'industrie 4.0
- L'application de solutions technologiques d'analyse des données pour soutenir les modèles d'affaires de l'industrie 4.0
Définition du Big Data dans l'industrie manufacturière
Le Big Data fait référence à la collecte de grands ensembles de données et au processus d'analyse des données capturées pour révéler des modèles, des tendances ou pour mieux comprendre un processus. Le fabricant moyen produit de grands ensembles de données à chaque étape du cycle de production. Ces ensembles de données comprennent des données provenant de la demande des clients, de la chaîne d'approvisionnement, des équipements de fabrication et des opérateurs.
Les ensembles de données peuvent être classés comme des données structurées ou non structurées. La capture et l'analyse des données structurées est généralement un processus simple car il s'agit de données définies produites par l'équipement. Les données non structurées sont générées par les processus et peuvent nécessiter des technologies analytiques étendues pour les analyser.
La capture de données à partir de l'atelier peut également s'accompagner de difficultés, telles que celles liées à la collecte de données à partir des équipements existants qui jouent encore un rôle important dans l'atelier. Les ingénieurs passent environ 70 % de leur temps à concevoir des moyens de collecter les données produites par les anciens équipements. Il convient de noter que les équipements anciens dépendent de systèmes de communication analogiques et ne disposent pas de modules d'E/S numériques ou de capacités Wi-Fi pour faciliter le processus de collecte et de transfert des données.
Les progrès technologiques ont créé des solutions pour résoudre les problèmes de collecte de données dans l'industrie manufacturière. Les exemples incluent l'utilisation de matériel informatique périphérique, comme les capteurs, pour capturer des données à partir des processus et la connexion d'actifs existants à des interfaces homme-machine (IHM) ou à des dispositifs intelligents pour collecter des données.
L'industrie 4.0 entend apporter l'automatisation à l'atelier et, pour ce faire, les actifs de l'atelier doivent être capables de prendre en charge les échanges de données de machine à machine et de machine à nuage. Il convient ici de mentionner tout particulièrement l'introduction d'une architecture unifiée par la fondation OPC. OPC UA fournit des normes qui permettent aux fabricants d'unifier les actifs anciens et modernes dans un réseau à l'échelle de l'usine. Le réseau prend en charge l'échange de données qui alimente l'automatisation industrielle.
Cas d'utilisation des Big Data dans l'industrie manufacturière
Les big data soutiennent l'application de divers modèles commerciaux de l'industrie 4.0 dans l'industrie manufacturière. Les données historiques des cycles de demande des clients précédents jouent un rôle important dans la prévision de la demande et il en va de même pour l'élaboration de stratégies de maintenance prédictive. Le big data et ses analyses soutiennent également la vision industrielle lors de la mise en œuvre de l'utilisation de robots mobiles autonomes au sein des installations industrielles.
Parmi les autres cas d'utilisation du big data dans l'industrie 4.0, on peut citer l'optimisation de la gestion de la chaîne d'approvisionnement en prévoyant les délais de livraison et en élaborant des plans alternatifs pour faire face à une chaîne d'approvisionnement perturbée. L'analyse du big data permet aux fabricants de détecter les anomalies susceptibles d'affecter les cycles de production, ainsi que d'optimiser la durée de vie des outils utilisés dans le processus de fabrication.
Utiliser l'analyse des big data pour mettre en œuvre les initiatives de l'industrie 4.0
L'analyse des ensembles de big data issus des processus industriels pour en tirer des enseignements nécessite des outils technologiques spécifiques. Ces outils permettent de relier les points et de voir l'avenir des opérations des installations de fabrication. Ces outils comprennent :
Logiciels intelligents de simulation et de programmation fondés sur le risque
La modélisation et la planification de la simulation sont des technologies de transformation numérique puissantes qui peuvent être utilisées pour évaluer divers scénarios afin d'obtenir des informations. Par exemple, une entreprise manufacturière qui s'attend à une augmentation de la demande peut répondre à des questions telles que "comment augmenter la capacité de production, décider du nombre de ressources nécessaires et de la manière dont ces ressources doivent être allouées ?"
La planification basée sur le risque permet également aux fabricants d'anticiper les risques et d'automatiser la création de calendriers optimisés qui tiennent compte de ces facteurs de risque. L'automatisation de l'ordonnancement permet de mettre à jour les plannings optimisés en temps réel afin de s'assurer qu'une installation répond à ses besoins de production.
Logiciel ou plateforme de jumeau numérique
Le jumeau numérique est une représentation virtuelle d'éléments ou de processus physiques. Le jumeau numérique interagit avec l'entité physique par l'intermédiaire de capteurs et de dispositifs IoT qui suivent les opérations de l'entité, dans ce cas, les opérations d'une installation de fabrication. Ainsi, le jumeau numérique s'appuie sur des ensembles de données provenant de l'atelier pour fonctionner.
Avec un jumeau numérique, les fabricants peuvent mettre en œuvre des stratégies de surveillance à distance et évaluer les capacités d'une installation de fabrication en temps réel pour résoudre des problèmes opérationnels complexes.
Logiciel de prévision de la demande
La capacité à prévoir les cycles de demande futurs est la base d'une planification précise de la production. Les logiciels de prévision de la demande utilisent les données historiques et l'analyse des tendances pour déterminer les fluctuations de la demande des clients. Pour garantir l'exactitude des résultats des prévisions, les ensembles de données historiques utilisés pour l'analyse doivent également être exacts.
Logiciel d'entreprise manufacturière ou plateforme IIoT
Ces solutions technologiques sont les outils que les fabricants utilisent pour soutenir l'interconnectivité des processus de l'atelier. Les plateformes IIoT capturent les données de fabrication et prennent en charge la création d'applications pour analyser les données capturées. Les applications et les fonctionnalités de ces plateformes d'entreprise permettent aux fabricants de capturer des données provenant de la gestion des stocks, de la génération de bons de travail, de la chaîne d'approvisionnement et des logiciels de planification afin d'optimiser chaque aspect du processus de production.
Conclusion
L'importance du big data pour réaliser l'industrie 4.0 ne peut être remise en question. La capacité à capturer des ensembles de données précises provenant de l'atelier garantit que les solutions de l'industrie 4.0 disposent du carburant nécessaire pour fonctionner. Que votre stratégie Industrie 4.0 soit axée sur la maintenance prédictive ou l'optimisation de l'usine en fonction des données, vous devez disposer d'un outil analytique big data pour obtenir les résultats souhaités.