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 précédant 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 exploitant des ensembles de données produites au sein des 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 sujets 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 de données pour soutenir les modèles d’affaires de l’industrie 4.0.
Définir le Big Data dans l’industrie manufacturière
Le terme « big data » fait référence à la collecte de grands ensembles de données et au processus d’analyse des données capturées afin de révéler des modèles, des tendances ou d’obtenir une meilleure compréhension d’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, de l’équipement de fabrication et des opérateurs.
Les ensembles de données peuvent être classés en 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 collecte de données à partir de l’atelier peut également s’accompagner de difficultés, telles que les défis liés à la collecte de données à partir des anciens équipements qui jouent encore un rôle important dans l’atelier. Les ingénieurs consacrent environ 70 % de leur temps à trouver des moyens de collecter les données produites par les anciens équipements. Notez 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 permis de créer des solutions pour résoudre les problèmes de collecte de données dans l’industrie manufacturière. Les exemples incluent l’utilisation de matériel informatique de pointe tel que des capteurs pour capturer des données à partir de 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 au sein 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 prédisant 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 favoriser les initiatives de l’industrie 4.0
L’analyse des grands ensembles de données provenant des processus industriels en vue d’obtenir des informations nécessite des outils technologiques spécifiques. Ces outils permettent de relier les points et d’envisager l’avenir des opérations des installations de fabrication. Ces outils sont les suivants :
Logiciel intelligent de simulation et d’ordonnancement basé sur le risque
La modélisation et l’ordonnancement par simulation est une puissante technologie de transformation numérique qui peut être utilisée 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’introduction de l’automatisation dans la planification signifie que les programmes optimisés peuvent être mis à jour en temps réel pour s’assurer qu’une installation répond à ses exigences de production.
Logiciel ou plate-forme de jumelage numérique
Le jumeau numérique est une représentation virtuelle d’objets ou de processus physiques. Le jumeau numérique interagit avec l’entité physique par l’intermédiaire de capteurs et de dispositifs IdO qui suivent les opérations de l’entité, en l’occurrence, 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 afin de 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 la réalisation de 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 à leur fonctionnement. Que votre stratégie Industrie 4.0 soit axée sur la maintenance prédictive ou l’optimisation d’usine basée sur les données, vous devez disposer d’un outil analytique big data pour obtenir les résultats souhaités.