Télécharger la version PDF Introduction
L'industrie 3.0 a été à l'origine de l'informatisation et de l'automatisation de l'industrie manufacturière, ce qui a entraîné la création, le stockage et l'analyse d'un grand nombre de données transactionnelles et d'exécution afin d'affiner et d'améliorer les performances du système, créant ainsi une ombre numérique de l'usine (instantané numérique). Dans le cadre de cette transformation de l'industrie 3.0, l'analyse des données a été appliquée pour découvrir et communiquer des modèles et des tendances significatifs. Bien que l'analyse des données historiques soit utile, elle est fastidieuse et tente d'aider les entreprises à prendre des décisions pour l'avenir en regardant dans le rétroviseur.
Dans le monde d'aujourd'hui, les entreprises doivent faire preuve d'une grande agilité pour faire face à un environnement commercial en constante évolution et de plus en plus incertain, tout en gérant une combinaison de produits, de services, de matériaux, de technologies, de machines et de compétences humaines en croissance rapide. Une chaîne d'approvisionnement manufacturière réussie nécessite l'orchestration, la coordination et la synchronisation de chacun de ces éléments fonctionnant de manière indépendante et cohésive. À mesure que l'industrie 4.0 se déploie, les ordinateurs sont connectés et communiquent dans le but de prendre à terme des décisions et de mener des opérations avec une implication humaine minimale, mais les entreprises peinent à gérer ces projets de transformation numérique complexes et à multiples facettes. Voici quelques-uns des principaux défis auxquels les parties prenantes et les projets de transformation sont confrontés dans leur parcours vers une chaîne d'approvisionnement manufacturière très agile et "intelligente" (low touch/no touch) :
- Comprendre les processus et les contraintes actuels - Bien que des personnes travaillent dans les usines et les chaînes d'approvisionnement depuis plus d'un siècle, il est toujours difficile de comprendre et d'articuler pleinement tous les processus en détail, car une grande partie des informations est compartimentée entre les départements ou les différentes structures organisationnelles au sein de l'entreprise. La compréhension commence par l'identification de toutes les contraintes physiques dans le processus d'approvisionnement en matériaux, ainsi que dans la production et la distribution des produits aux clients. Il existe également de nombreux documents différents décrivant les règles commerciales qui régissent le processus, souvent en contradiction avec la réalité actuelle. Dans la plupart des organisations, une grande partie du savoir-faire en matière d'exécution et de la logique décisionnelle détaillée reste une connaissance tribale, difficile à reproduire dans un système, car elle est contenue dans l'esprit des personnes qui prennent ces décisions au jour le jour dans l'atelier.
- Identifier les meilleures sources de données et agréger des données précises et pertinentes - Comprendre la qualité actuelle et la corrélation des données entre les différents systèmes de l'entreprise est un défi important, étant donné que les valeurs pour des champs identiques varient fréquemment d'un système à l'autre, ce qui rend difficile la vérification de l'exactitude. Le niveau de détail et la fréquence d'enregistrement varient d'un système à l'autre en fonction de l'application, ce qui rend la corrélation et l'agrégation des données encore plus complexes. La synchronisation des différentes sources de données pour s'assurer qu'elles sont toutes pertinentes dans le temps (même horodatage) est un défi, car certains systèmes fonctionnent presque en temps réel, tandis que d'autres sont orientés vers le traitement par lots et ne fonctionnent qu'une fois par jour. L'identification des sources et des flux de données afin d'établir un pipeline de données pertinent pour soutenir la modélisation, le contrôle, le tableau de bord et l'analyse des processus est un élément clé du processus de transformation.
- Identifier et explorer les domaines de transformation et de modernisation - Il est difficile d'identifier et de déterminer avec précision la valeur que certains changements et optimisations de processus peuvent apporter pour augmenter les performances de l'usine ou de la chaîne d'approvisionnement. Certains gains de performance ou de valeur sont souvent surévalués, ce qui entraîne d'importants investissements en capital dans la capacité et les extensions de l'infrastructure physique pour la croissance future et les nouveaux produits, sans une compréhension détaillée des exigences et de l'impact potentiel sur l'entreprise. Les initiatives d'automatisation et de numérisation visant à améliorer l'efficacité et la performance constituent également un défi. Ces projets sont souvent développés de manière isolée, manquant ainsi le coche : la valeur globale attendue et la transformation anticipée des processus nécessaires pour faire progresser l'entreprise vers la réalisation de ses objectifs de transformation numérique sont insuffisantes.
- Prévoir avec précision le comportement et les performances futurs - La transformation concerne généralement de nombreux aspects simultanés d'une entreprise, y compris, mais sans s'y limiter, le personnel, les processus, l'équipement, les nouveaux produits, les ventes, la portée mondiale et la distribution. Si l'on ne comprend pas l'impact de bout en bout des changements proposés sur les activités de l'entreprise, on risque de ne pas répondre aux attentes et de gaspiller de l'argent dans des investissements qui n'apportent pas la valeur escomptée. Il s'agit notamment de comprendre l'impact de l'automatisation (robotique, AMR, manutention, etc.), d'évaluer les alternatives pour comprendre le retour sur investissement des différentes options, et de visualiser et présenter les résultats futurs à toutes les parties prenantes pour qu'elles y adhèrent et prennent des décisions.
Sur la base d'années d'expérience en matière de simulation et d'analyse, il est clair que la manière la plus efficace de permettre et de faciliter la transformation numérique et de relever les défis évoqués ci-dessus est de créer et d'utiliser un modèle virtuel détaillé basé sur la simulation ou un jumeau numérique hors ligne du processus (c'est-à-dire l'usine et/ou la chaîne d'approvisionnement). Ce modèle peut être utilisé pour la conception et l'analyse des processus actuels et futurs en tant que solution prédictive. Le modèle virtuel peut également être connecté aux données en temps réel des systèmes de l'entreprise pour devenir le jumeau numérique du processus en ligne en vue d'un déploiement opérationnel et d'une prise de décision en temps quasi réel en tant que solution prescriptive. La technologie sous-jacente est décrite plus en détail dans le livre blanc de la solution de simulation Simio, également disponible sur le site web de Simio.
Ce livre blanc décrit la solution Simio Intelligent Adaptive Process Digital Twin et les différents chantiers de transformation numérique qui peuvent être pris en charge par cette technologie. Au cours du cycle de vie d'un projet de transformation numérique et commerciale, différentes exigences apparaissent au cours des différentes phases du projet. Un jumeau numérique de processus unique et intégré de l'entreprise peut faciliter l'évaluation continue des performances actuelles et futures. En outre, le modèle Process Digital Twin peut également être déployé sur le cloud, fournissant une aide à la décision opérationnelle ainsi que la planification et l'orchestration des opérations en cours.
Télécharger la version PDF