Le continuum numérique : la feuille de route de la transformation numérique

1. Introduction

Dans le monde d'aujourd'hui, les entreprises doivent faire preuve d'une grande souplesse 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. Aujourd'hui et à l'avenir, alors que l'industrie 4.0 se déploie, que les ordinateurs sont connectés dans le but de prendre à terme des décisions et de diriger des opérations avec une implication humaine minimale, les entreprises s'efforcent de 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 les gens travaillent dans leurs usines et leurs chaînes d'approvisionnement depuis de nombreuses années, il est encore difficile de comprendre et d'articuler pleinement tous les processus en détail, car la plupart des informations sont compartimentées entre 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 et de production et de distribution des produits aux clients. Il existe également de nombreux documents différents décrivant les règles commerciales que la direction souhaite appliquer pour régir le processus, souvent en contradiction avec la réalité actuelle. Dans la plupart des organisations, une grande partie de la connaissance de l'exécution et de la logique décisionnelle détaillée est encore une connaissance tribale contenue dans la tête des personnes qui prennent ces décisions quotidiennes dans l'atelier, ce qui est très difficile à reproduire dans n'importe quel système. Ces connaissances se perdent souvent avec le vieillissement de la main-d'œuvre et les départs à la retraite.

Identifier les meilleures sources de données et agréger des données pertinentes et précises

Comprendre la qualité actuelle et la corrélation des données entre les différents systèmes de l'entreprise est un énorme défi, car les valeurs pour les mêmes champs dans les différents systèmes diffèrent souvent, ce qui rend difficile la détermination des valeurs correctes. Le niveau de détail entre les systèmes varie en fonction de l'application du système, ce qui rend la corrélation et l'agrégation des données très 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. La clé du processus de transformation consiste à identifier les sources et les 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.

Identifier et explorer les domaines de transformation et de modernisation

Il est difficile d'identifier et d'évaluer la valeur des changements et des optimisations de processus visant à améliorer les performances de l'usine ou de la chaîne d'approvisionnement. Certains gains de performance ou de valeur sont souvent perçus comme entraînant 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 ou de l'impact potentiel sur l'entreprise. Il en va de même pour les initiatives d'automatisation et de numérisation destinées à améliorer l'efficacité et la performance, car ces projets sont souvent développés de manière isolée. Il en résulte que les projets ne fournissent pas la valeur globale attendue et la transformation anticipée des processus nécessaires pour faire avancer l'entreprise dans ses objectifs de transformation numérique.

Prédictions précises du comportement et de la performance futurs.

La transformation implique souvent de nombreux aspects simultanés tels que les personnes, les processus, l'équipement, les nouveaux produits, les ventes, la portée mondiale, la distribution et plus encore. Sans comprendre l'impact de bout en bout des changements proposés dans les opérations commerciales, y compris les politiques ou les processus, les entreprises ne parviennent pas à répondre aux attentes, gaspillant potentiellement de l'argent dans des investissements qui n'apportent pas la valeur attendue. Les éléments clés d'une transformation numérique comprennent la compréhension de l'impact de l'automatisation, l'évaluation des alternatives pour comprendre le retour sur investissement des différentes options, la visualisation et la présentation des résultats futurs à toutes les parties prenantes pour qu'elles y adhèrent et prennent des décisions.

La manière la plus efficace de permettre et de faciliter la transformation numérique et de relever les défis évoqués ci-dessus est de créer un modèle virtuel détaillé basé sur la simulation ou un jumeau numérique hors ligne des processus/de l'usine/de la chaîne d'approvisionnement/de l'entrepôt pour une conception et une analyse étape par étape des processus actuels et futurs, ce que l'on appelle une solution prédictive. Puis, à terme, connecter les données réelles des systèmes d'entreprise au modèle virtuel pour devenir le jumeau numérique de processus en ligne en vue d'un déploiement opérationnel et d'une prise de décision en temps quasi réel, ce que l'on appelle la 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 les principales étapes et tâches à accomplir dans le cadre de la transformation numérique. Celles-ci sont cartographiées sur un diagramme d'étapes de processus de haut niveau appelé "Continuum numérique". De nombreuses organisations souhaiteraient réaliser ces projets de transformation numérique et commerciale le plus rapidement possible, mais il existe de nombreux défis sous-jacents liés aux personnes, aux processus et à la technologie, qui doivent être relevés pour garantir la réussite du projet de transformation afin de placer l'entreprise sur une nouvelle trajectoire d'efficacité et de performance.

2. Principaux défis liés à la technologie, aux personnes, aux processus et aux données dans le cadre de la transformation numérique

Les entreprises s'efforcent de gérer les défis liés aux personnes, aux processus, aux données et à la technologie afin de répondre aux exigences croissantes requises pour prospérer et rivaliser efficacement dans le nouveau monde VUCA (Volatilité, Incertitude, Complexité et Ambiguïté). Certains des défis et contraintes les plus importants sont mis en évidence et examinés plus en détail ci-dessous :

1. L'accès à un modèle de contraintes unique et détaillé ou à un jumeau numérique du système comprenant tous les équipements, la main-d'œuvre, l'outillage, le transport et les matériaux, permet de mieux comprendre les processus actuels. Il permet également de prédire le comportement et les performances futurs, ce qui permet de prendre des décisions éclairées pour les investissements et les opérations à venir.
2. Un autre défi consiste à créer un modèle de simulation Process Digital Twin qui capture l'impact de toutes les règles commerciales qui régissent les opérations, telles que les politiques d'inventaire, les politiques de main-d'œuvre, les procédures opérationnelles et les restrictions en matière de transport. Ces règles sont souvent créées par la direction sans qu'elle en comprenne l'impact total sur les opérations. Il est tout aussi important de pouvoir saisir la logique décisionnelle quotidienne détaillée appliquée par les planificateurs, les opérateurs et les superviseurs qui dirigent et gèrent les opérations au jour le jour, ce que l'on appelle la connaissance tribale. Ces règles opérationnelles et cette logique de décision ne sont souvent pas entièrement documentées ou transparentes pour le reste de l'organisation. Ce modèle de processus ou jumeau numérique de processus doit devenir la base de connaissances des opérations pour permettre une reproduction et une analyse précises en vue de prévisions futures.
3. L'un des plus grands défis de tout projet de transformation numérique est l'accès et la fourniture des données d'entreprise requises, à la fois statiques (ERP, SCP, etc.) et dynamiques (MES, IoT, etc.), avec la précision requise pour soutenir la création de modèles de processus détaillés axés sur les données et/ou de jumeaux numériques de processus (Process Digital Twins). Ces données sont souvent réparties entre plusieurs systèmes utilisant des conventions de numérotation et de dénomination différentes, avec des données incohérentes enregistrées à différents niveaux de détail pour l'évaluation et la comparaison.
4. Les rôles des personnes et les incitations à la performance qui motivent et orientent le comportement actuel ne sont pas toujours alignés sur les objectifs globaux de l'entreprise et sur les principaux indicateurs clés de performance. Les incitations des employés ne sont pas toujours correctement alignées sur les objectifs de l'entreprise et sont souvent limitées à des fonctions spécifiques au sein du processus global. Ces objectifs cloisonnés vont souvent à l'encontre des objectifs généraux de l'entreprise sans que l'on comprenne l'impact global des plans d'incitation et/ou de rémunération localisés et la manière dont ils peuvent affecter les performances globales de l'entreprise.
5. Les entreprises s'efforcent toutes de devenir plus agiles afin de pouvoir réagir plus rapidement aux changements des conditions commerciales ou des environnements opérationnels (VUCA). Les méthodes d'optimisation traditionnelles basées sur des solveurs et utilisées pour l'aide à la décision ne sont plus assez rapides et agiles. L'optimisation rapide avec des agents d'IA tels que les réseaux neuronaux profonds (DNN) et l'apprentissage automatique (ML) pour prendre en charge les ICP multi-objectifs est un facteur clé pour la replanification et l'optimisation rapides en temps quasi réel.
6. Pour que les organisations deviennent agiles et confiantes en matière d'exécution, elles doivent planifier et programmer leurs activités de manière continue, sous la forme d'un plan ou d'un calendrier glissant, au lieu de l'approche actuelle de planification par tranches de temps, généralement par tranches hebdomadaires, actuellement utilisée par la plupart des systèmes d'entreprise. Cette approche temporelle crée une impression trompeuse de capacité et de faisabilité matérielle, car la disponibilité des ressources et des matériaux doit être synchronisée avec le calendrier d'exécution réel pour garantir une parfaite préparation à l'exécution. Actuellement, les systèmes typiques de planification et d'ordonnancement basés sur le calendrier des ressources, pris en charge par la plupart des fournisseurs d'ERP et d'APS, n'évaluent la faisabilité que dans le cadre d'une enveloppe de capacité calculée pour une période spécifique, au lieu d'assurer une véritable synchronisation avec le plan d'exécution.
7. La capacité d'effectuer une planification intégrée à travers tous les silos organisationnels et les plages temporelles pertinentes au sein de la chaîne d'approvisionnement est essentielle pour éviter l'infaisabilité lors de l'exécution du plan. Aujourd'hui, la planification est généralement effectuée par différentes équipes et composants logiciels sur l'ensemble de l'horizon de planification (opérationnel, tactique et stratégique) en utilisant des contraintes incomplètes ainsi que des modèles optimistes de capacité et de disponibilité des matériaux. En raison de la complexité, la planification détaillée est souvent effectuée dans des silos organisationnels afin de simplifier la tâche et de se concentrer sur des fonctions spécifiques, ce qui entraîne des retards de synchronisation entre les unités opérationnelles lors de l'exécution de ces plannings.
8. La capacité à capturer le processus commercial de bout en bout et la base de connaissances associée dans une réplique numérique de ce processus qui peut reproduire avec précision le comportement du processus sur n'importe quel horizon temporel (c'est-à-dire des heures, des jours, des mois) est essentielle pour effectuer des analyses et des évaluations détaillées des performances actuelles et futures de l'entreprise, garantissant une prise de décision éclairée en utilisant un modèle de référence numérique unique.
9. Un jumeau numérique de processus permet aux parties prenantes d'accéder à une tour de contrôle centralisée qui constitue une source unique de vérité pour toutes les prises de décision et les mesures de performance. Aujourd'hui, les parties prenantes des différentes fonctions opérationnelles et des différentes échéances utilisent des applications et des sources de données différentes pour l'analyse et l'aide à la décision, ce qui se traduit par une planification et une prise de décision déconnectées dans l'ensemble de l'entreprise.

3. Le continuum numérique

La transformation numérique et/ou commerciale est très complexe, et les entreprises sous-estiment souvent l'ensemble des activités et des étapes à franchir pour mener à bien leurs initiatives de transformation. Il s'agit d'un processus systématique, et chaque organisation souhaite l'achever le plus rapidement possible, mais certaines phases nécessitent plus d'efforts et de temps pour réussir la phase suivante. Le phasage et le temps nécessaire pour achever chaque phase dépendent largement de la maturité actuelle de l'organisation en matière de numérique et de processus. Les entreprises surestiment souvent leur niveau de maturité et pensent que leurs processus sont bien documentés et que leurs données et systèmes sont plus précis et mieux préparés qu'ils ne le sont. On s'en aperçoit généralement après avoir effectué des analyses détaillées des processus et systèmes opérationnels actuels.

Afin de fournir aux organisations et aux équipes de transformation numérique des conseils basés sur l'expérience, Simio a produit une feuille de route de transformation numérique qui met en évidence les étapes et les activités clés à réaliser dans le cadre du voyage de transformation totale. Cette feuille de route de transformation pour le phasage et l'exécution du projet s'appelle le Continuum numérique et sera décrite à un niveau élevé comme illustré dans la Figure 1 ci-dessous.

Les six (6) étapes présentées dans la figure 1 ci-dessous servent de lignes directrices pour le calendrier et les étapes de la transformation et ne sont en aucun cas absolues. Ce qu'il est important de discuter ici, ce sont les apprentissages et les progrès qui doivent être réalisés pour avancer dans ce parcours et ce calendrier de transformation. Le calendrier réel sera déterminé par la vitesse à laquelle l'entreprise peut réaliser les apprentissages clés et les progrès requis à chaque étape. Ce processus est également axé sur le développement d'un jumeau numérique de processus pour reproduire le comportement actuel du système afin d'analyser et d'évaluer les performances actuelles et futures. Cette feuille de route soutient les étapes permettant de passer de la fonction "conception" (simulation, analyse et prédiction) à une fonction "exploitation" entièrement intégrée (planification, ordonnancement et prescription).

Il existe quatre (4) phases de transformation clés et un ensemble d'exigences qui seront examinées plus en détail ci-dessous et qui sont illustrées sur la figure 1 par des cases surlignées (vertes et grises) entre les étapes.

Figure 1 : Le continuum numérique

3.1 Extraire, modéliser et visualiser

Il s'agit d'une phase critique qui permet aux organisations d'évaluer et de comprendre en profondeur leurs processus opérationnels existants, d'examiner les règles et les meilleures pratiques actuelles et de déterminer la manière la plus efficace de configurer et de gérer leurs opérations actuelles. Elle permet également d'examiner et d'évaluer les systèmes actuels et l'état de préparation des données afin de développer un jumeau numérique complet des processus qui deviendra la base de connaissances et le modèle de référence actuel de l'entreprise pour soutenir les futures initiatives d'amélioration ou de transformation des processus. Dans le cadre des deux premières étapes initiales, "Modéliser" et "Analyser", l'équipe de projet doit atteindre les objectifs clés suivants pour garantir un succès continu et le soutien des principales parties prenantes, comme indiqué dans la figure 2 ci-dessous :

Figure 2 : Extraire, modéliser et visualiser

1. Identifier tous les acteurs clés qui bénéficieront directement ou indirectement des résultats et de la prise de décision, en s'assurant qu'ils sont impliqués dans le processus de conception et qu'ils peuvent offrir des connaissances, un soutien et des ressources pour aller de l'avant.
2. Identifier tous les experts des processus primaires qui peuvent fournir une connaissance détaillée des processus et décrire avec précision les étapes des processus avec suffisamment de détails pour modéliser correctement au bon niveau de détail, en veillant à ce que les résultats soient précis et pertinents pour la prise de décision à tous les niveaux.
3. Comprendre et saisir tous les flux de processus, les besoins en ressources et en matériaux, les exigences de performance et les défis actuels. Cela permettra à l'équipe de développement d'élaborer le jumeau numérique des processus et le modèle de données associé de manière à représenter avec précision tous les processus et les contraintes associées.
4. Identifier et évaluer toutes les sources de données potentielles afin de trouver les sources les plus pertinentes à utiliser pour les flux de données hors ligne et les flux de données en ligne potentiels. Identifier également les données requises qui pourraient devoir être générées et maintenues manuellement jusqu'à ce que d'autres sources puissent être obtenues ou mises en œuvre en tant que sources de données formelles pour les données supplémentaires requises.
5. Obtenir et comprendre toutes les règles commerciales générales créées et appliquées par l'équipe de direction, telles que les politiques du travail, les politiques d'inventaire, les exigences des fournisseurs, les mesures du service à la clientèle, les exigences en matière de sécurité, etc. Souvent, l'impact de ces règles n'est pas pleinement compris et est simplement accepté comme une exigence de l'entreprise. Le jumeau numérique de processus permet alors une analyse détaillée pour comprendre pleinement et éventuellement modifier certaines de ces règles commerciales afin de mieux répondre aux besoins de l'entreprise.
6. Extraire la logique de décision détaillée en s'engageant avec les superviseurs et les opérateurs de l'atelier ou les équipes de gestion de l'exécution, car ces règles de décision détaillées sont principalement basées sur l'expérience, ne sont généralement pas officiellement documentées et varient souvent d'un site à l'autre, voire d'un département à l'autre sur le même site. Ces décisions détaillées prises au jour le jour dans l'atelier ne sont souvent pas visibles pour l'équipe de direction car elles ne sont pas documentées dans un système d'enregistrement formel, ce qui rend difficile leur saisie dans le cadre du processus de développement.
7. Trouver et obtenir des données historiques suffisantes et de bonne qualité à utiliser pour les tests et la validation. Les données historiques constituent l'épine dorsale du processus de test et de validation qui permet d'évaluer les performances du jumeau numérique de processus par rapport aux données réelles d'une période passée.
8. Effectuer une vérification et une validation détaillées du modèle et des résultats pour garantir la production de résultats crédibles. Cela nécessite à la fois des données historiques de bonne qualité et la contribution de tous les processus et experts opérationnels pour évaluer à la fois la représentation du processus et les résultats fournis par le jumeau numérique.

3.2 Analyser, prévoir et expérimenter

Après avoir créé, testé et validé le jumeau numérique de processus dans le cadre des étapes précédentes, le jumeau numérique de processus est maintenant prêt à être utilisé pour évaluer les performances actuelles et futures. Dans le cadre des étapes "Analyse" et "Prévision" (2 & 3), l'équipe de projet doit atteindre les objectifs suivants pour garantir un succès continu et le soutien des chefs d'entreprise et des principales parties prenantes, comme indiqué dans la figure 3 ci-dessous :

Figure 3 : Analyser, Prévoir et Expérimenter

1. Identifier les contraintes du processus et les goulots d'étranglement causés par des problèmes tels que la disponibilité des ressources et/ou des matériaux, le dimensionnement des stocks tampons et des lots, la planification de la main-d'œuvre et d'autres encore, qui pourraient entraver le déroulement du processus et empêcher l'entreprise d'atteindre ses indicateurs clés de performance.
2. Identifier les possibilités d'amélioration, qui peuvent inclure des modifications des flux de processus, des équipements supplémentaires, une meilleure gestion du matériel, des changements d'agencement, de nouveaux horaires de travail, l'automatisation, des politiques d'inventaire basées sur les flux, etc.
3. Obtenir, gérer et transformer les données pour les présenter sous la forme requise qui correspondra aux exigences du modèle Process Digital Twin convenu pour le modèle hors ligne, avec une vision claire des exigences d'intégration en ligne ou du pipeline de données pour soutenir un flux de données automatisé pour l'avenir.
4. Effectuer des expérimentations en créant divers ensembles de données et configurations de modèles (de préférence générés par des données) pour exécuter des scénarios d'évaluation afin de mieux comprendre le comportement actuel ainsi que les résultats futurs prévus sur la base de différentes initiatives de transformation ou d'opportunités d'amélioration continue.
5. Évaluer les propositions alternatives des différentes parties prenantes et des équipes de gestion de l'exécution, telles que les nouveaux projets d'investissement en capital et les opportunités d'amélioration des processus, afin d'analyser l'impact sur l'amélioration globale de l'entreprise et de déterminer le retour sur investissement de chacune de ces initiatives avant d'engager des capitaux et des ressources pour la mise en œuvre.
6. Déterminer les meilleurs critères et mesures deperformance globale pour satisfaire les parties prenantes opérationnelles et financières ainsi que les exigences de la direction générale, telles que le chiffre d'affaires, les coûts, l'efficacité, le retour sur investissement et le service à la clientèle, étant donné que certaines de ces mesures sont souvent en concurrence, ce qui nécessite de convenir d'objectifs commerciaux clairs.
7. Finaliser la configuration préférée du processus pour commencer à fournir des prédictions prospectives basées sur les changements de paramètres fournis par les principales parties prenantes, tels que les changements dans la demande, l'introduction de nouveaux produits, les nouveaux secteurs de marché, les horaires de travail, la disponibilité des ressources et des matériaux, etc.
8. Fournir des prévisions claires sur le comportement attendu des processus et les résultats associés et obtenir des approbations sur les performances futures souhaitées en fonction de la mise en œuvre et de l'échelonnement des changements sélectionnés dans les activités et les processus.

3.3 Données, stockage et systèmes normalisés

Entre les étapes "Prédire" et "Intégrer" (3 & 4), les objectifs sont principalement techniques pour réaliser l'intégration entre les sources de données identifiées et le développement nécessaire d'un pipeline de données normalisé et d'une plateforme de stockage pour soutenir le jumeau numérique de processus en ligne. En outre, dans le cadre des étapes "Intégrer" et "Prescrire" (4 et 5), qui permettront à l'équipe de planifier et de programmer à l'aide du Process Digital Twin en temps quasi réel ou à la demande pour générer des plans et des calendriers prospectifs à des fins de comparaison ou d'exécution, l'équipe de projet doit atteindre les objectifs suivants pour garantir un succès continu et le soutien des opérations, comme indiqué dans la figure 4 ci-dessous :

Figure 4 : Normaliser les données, le stockage et les systèmes

1. Le paysage des systèmes d'entreprise comprend généralement une variété de systèmes à la fois au niveau de l'entreprise et au niveau opérationnel, tels que ERP, MES, SCP, QA, LIMS, PM, ainsi que des dispositifs IoT et diverses feuilles de calcul utilisées par les planificateurs et les opérateurs. Ces systèmes ne suivent généralement pas les mêmes conventions de numérotation et de dénomination et ne sont souvent pas intégrés et synchronisés. Il en résulte des problèmes importants de corrélation entre les systèmes, ce qui se traduit par des données contradictoires qui ne peuvent pas être fusionnées dans une source de données centrale ou un Process Digital Twin sans une transformation et une manipulation approfondies des données.
2. En fonction de l'application spécifique du système, les données sont souvent implémentées à différents niveaux de détail pour répondre aux exigences de chaque système spécifique. Certaines données liées à la production peuvent être conservées au niveau d'un groupe, d'une famille ou d'une unité de stock et ne peuvent pas être mises en correspondance ou traduites dans une source de données unique.
3. Il est souvent difficile de déterminer l'exactitude réelle des données étant donné que la valeur d'éléments de données spécifiques, tels que le temps de production d'un composant spécifique sur une ressource particulière, diffère non seulement entre les systèmes ERP et MES, y compris les feuilles Excel spécifiques aux planificateurs, mais aussi avec les chiffres réels utilisés par les opérateurs dans l'atelier. Le Process Digital Twin joue un rôle important dans la détermination des valeurs valides qui correspondent le mieux aux résultats réels mesurés du processus physique.
4. Les différents systèmes de l'entreprise sont souvent mis à jour à des rythmes différents, comme les cycles quotidiens de nuit pour le système ERP, les mises à jour de fin d'équipe pour les systèmes MES et les mises à jour en temps quasi réel pour les systèmes de surveillance ou de contrôle. Il en résulte des données qui ne sont pas synchronisées pour porter le même horodatage des données entre lessystèmes à un moment donné lorsqu'elles sont nécessaires pour l'analyse, la planification ou l'ordonnancement, ce qui donne des résultats inexacts.
5. En fonction du niveau de détail et de la portée du jumeau numérique de processus, l'identification des systèmes sources pertinents pour fournir les données les plus exactes et les plus pertinentes en termes de temps est une partie essentielle du processus. Ce processus peut minimiser de manière significative le niveau d'intégration et/ou de transformation des données nécessaire pour fournir au jumeau numérique les données requises.
6. En fonction des divergences et des inexactitudes entre les systèmes, il peut être nécessaire de mettre à jour ou d'améliorer certains systèmes sources afin qu'ils respectent les mêmes conventions de numérotation et de dénomination, voire de modifier le niveau de détail de certains articles ou de valeurs d'attributs spécifiques, telles que les durées de production ou les tailles de lots.
7. L'absence des données requises dans les systèmes actuels aidera l'équipe à identifier de nouveaux systèmes et leurs exigences spécifiques afin d'étendre et d'améliorer les données disponibles, telles que des systèmes MES, IoT ou de surveillance supplémentaires. Cela permettra d'accroître la précision, la facilité d'utilisation et la couverture des processus du jumeau numérique des processus.
8. Sur la base de l'infrastructure informatique actuelle et planifiée, des décisions doivent être finalisées concernant la plateforme et la technologie de stockage et de pipeline de données. L'intégration et le flux de données peuvent se faire de point à point, via une base de données intermédiaire, ou en utilisant une capacité de stockage centralisée dans le cloud avec un espace de nom unifié (UNS), pour ne citer que quelques exemples.

3.4 Harmoniser les personnes, les processus et la technologie

Une fois que le jumeau numérique de processus est entièrement intégré et validé pour produire les plans et les calendriers réalisables approuvés par les superviseurs et les opérateurs, le système est prêt à être utilisé en mode "low-touch/no-touch" pour la prise de décision autonome afin d'améliorer l'agilité et l'efficacité globales de l'entreprise. Dans le cadre des étapes "Prescription" et "Prise de décision autonome" ("Usine intelligente") (5 et 6), l'équipe de projet doit atteindre les objectifs suivants pour garantir un succès continu et l'adhésion de tous les niveaux de l'organisation, comme le montre la figure 5 ci-dessous :

Figure 5 : Harmoniser les personnes, les processus et la technologie

1. Les différents services de l'organisation s'appuient sur des données provenant de différents systèmes pour analyser, planifier et programmer les activités de l'entreprise. Pour garantir une prise de décision cohérente à tous les niveaux, ces processus doivent être normalisés et alignés, de sorte que les décisions soient fondées sur les mêmes données précises et pertinentes en temps voulu, selon une méthodologie unifiée.
2. Souvent, les différentes unités opérationnelles d'une même usine ou de plusieurs usines effectuant les mêmes tâches opérationnelles peuvent suivre des flux de travail différents en fonction de l'expérience et de la formation des divers opérateurs et superviseurs de chacune de ces installations. Grâce au jumeau numérique de processus, une analyse peut être effectuée pour identifier les flux de travail les plus performants ("meilleures pratiques") afin de normaliser les flux de travail mis en œuvre à l'échelle de l'usine ou même de l'organisation pour permettre d'améliorer les performances globales, la mesure, la reproductibilité et la formation du personnel.
3. Dans les environnements très performants où l'automatisation devient un élément clé de l'agilité et de l'augmentation estimée du débit, il est souvent difficile de comprendre exactement comment mettre en œuvre et gérer chaque domaine spécifique de l'automatisation. Le Process Digital Twin aidera les entreprises à comprendre l'impact de l'automatisation et comment concevoir et intégrer l'automatisation dans chaque domaine spécifique et déterminer le retour sur investissement attendu.
4. À mesure que le contrôle opérationnel s'améliore, il est essentiel d'obtenir des informations plus précises en temps quasi réel, d'où l'intégration aux systèmes compatibles IoT qui devient un facteur clé pour obtenir des informations d'état précieuses telles que les niveaux des réservoirs, les emplacements AMR et l'état des équipements pour soutenir la prise de décision en temps quasi réel.
5. Dès que le jumeau numérique de processus reproduit avec précision le comportement détaillé et la prise de décision du processus, il peut être utilisé pour générer des données d'entraînement synthétiques pour l'entraînement des réseaux neuronaux profonds (DNN) et/ou des agents d'apprentissage automatique (ML). Ces agents peuvent ensuite être utilisés pour l'optimisation en temps quasi réel pour des applications autonomes ou intégrées en tant que composant du jumeau numérique de processus. Cela fournit une plateforme bien gérée pour former et tester des algorithmes d'IA à utiliser dans l'organisation tout en comprenant parfaitement le comportement et l'application prévus, ainsi que la capacité de se recycler lorsque les circonstances changent.
6. Au fur et à mesure que le Process Digital Twin est utilisé pour être plus prescriptif et pour prendre des décisions en temps quasi réel, il faut de plus en plus de précision. L'un des points clés est de capturer les décisions prises au jour le jour dans l'atelier par les opérateurs et les superviseurs pendant qu'ils dirigent et gèrent les opérations. Cela permet à l'équipe d'effectuer les dernières mises à jour détaillées de la logique de décision pour que le jumeau numérique de processus reproduise les opérations avec plus de précision.
7. Pour permettre à l'atelier de fournir des informations détaillées sur les opérations, il peut être nécessaire de développer des systèmes spécifiques et des interfaces MM (homme-machine) pour capturer des données basées sur certaines étapes opérationnelles dans l'atelier ou dans le cadre du processus d'exécution afin d'obtenir des données en temps quasi réel sur l'état et l'avancement des opérations.
8. Pour obtenir une monétisation complète et une utilisation efficace du jumeau numérique, il est important de définir et de distribuer des résultats spécifiques à chaque rôle et à chaque exigence des parties prenantes. Cela permettra une prise de décision transparente grâce à l'accès direct aux données et décisions actuelles, synchronisées et pertinentes des systèmes de bout en bout.

4. Créer de la valeur pour l'entreprise à chaque étape du continuum numérique

En suivant les étapes décrites par le continuum numérique, les organisations devraient être en mesure de générer une valeur commerciale, à la fois quantitative et qualitative, à chaque étape clé du parcours. C'est important pour continuer à soutenir et à financer le développement continu du jumeau numérique des processus dans le cadre de la transformation totale de l'entreprise. Le processus doit répondre aux questions qui se posent à la fois dans les phases de conception et d'investissement du processus de transformation et de réorganisation de l'entreprise, et dans la gestion opérationnelle quotidienne du processus actif et continu. Vous trouverez ci-dessous quelques facteurs de valeur clés associés aux six étapes principales, comme le montre la figure 1.

4.1 Modélisation

Au cours de cette étape, l'équipe rassemblera toutes les informations nécessaires concernant le déroulement du processus de bout en bout, les règles de gestion et la logique décisionnelle détaillée appliquée dans l'atelier pour planifier, programmer et exécuter les opérations de l'usine. L'équipe examinera également toutes les sources de données afin d'en vérifier l'exactitude et la disponibilité et d'identifier les lacunes et les données manquantes. Les principaux éléments de valeur pour l'entreprise sont les suivants :

1. Un jumeau numérique de processus qui capture toutes les contraintes physiques, les flux de processus, les règles commerciales et la logique de décision dans une base de connaissances unique du processus/de l'usine de bout en bout.
2. Des rapports sur l'état des données et des systèmes pour déterminer le niveau de maturité numérique tout en identifiant les mises à jour/réparations spécifiques requises pour les systèmes et même les exigences pour des systèmes nouveaux ou supplémentaires.
3. Un modèle de référence de l'entreprise numérique pour tester et évaluer toute initiative d'amélioration de l'entreprise en cours, ainsi que les changements ou extensions futurs qui pourraient être requis par l'entreprise. Ce modèle de référence devient la version unique de la vérité pour soutenir la prise de décision basée sur les données par toutes les parties prenantes de l'entreprise.

4.2 Analyse

Une fois que le jumeau numérique de processus a été entièrement vérifié et validé, il est prêt à être utilisé pour l'analyse des processus, de l'usine, de la chaîne d'approvisionnement et de l'entrepôt actuels. Il est important de bien comprendre et d'optimiser les performances des processus actuels avant de prendre des décisions concernant l'introduction de nouveaux changements ou la mise à niveau des processus actuels (nouveaux équipements, automatisation, etc.). Les principaux éléments de valeur pour l'entreprise sont les suivants (valeurs représentatives) :

1. 25 % de réduction des délais de synchronisation (temps d'arrêt non planifiés)
2. 10 % de réduction de la main-d'œuvre
3. 20 % d'amélioration du débit
4. 20 % d'amélioration de l'efficacité des ressources
5. 15 % de réduction des stocks et des encours
6. 12 % d'amélioration de la ponctualité des livraisons
7. Réduction de 16 % des coûts de production
8. Réduction de 25 % du délai de fabrication

4.3 Prévision

Une fois que le processus, l'usine, la chaîne d'approvisionnement et l'entrepôt actuels ont été entièrement analysés et optimisés, le jumeau numérique de processus peut être utilisé pour évaluer d'autres possibilités d'amélioration de l'entreprise ainsi que de nouveaux processus, usines, chaînes d'approvisionnement et entrepôts afin de répondre à la demande future ou d'évaluer de nouvelles initiatives stratégiques spécifiques. Les principaux éléments de valeur pour l'entreprise sont les suivants :

1. Optimiser le déploiement du capital en évaluant et en sélectionnant les projets ayant le meilleur retour sur investissement en vue de leur mise en œuvre.
2. Optimiser la conception et évaluer l'amélioration globale des performances des nouveaux systèmes tels que l'automatisation avant la passation des marchés et la mise en œuvre.
3. Évaluer les stratégies commerciales futures, telles que l'introduction de nouveaux produits, l'expansion du marché entraînant une augmentation de la demande, ou la croissance telle qu'une capacité de production supplémentaire, afin de comprendre pleinement l'impact sur les activités actuelles ainsi que sur le retour sur investissement et les performances commerciales futures.

4.4 Intégrer

Une fois que le jumeau numérique de processus est prêt et validé avec le modèle de données convenu, il peut être intégré dans le pipeline de données des systèmes d'entreprise pour initialiser et exécuter le jumeau numérique avec des données actuelles et réelles afin d'obtenir les meilleurs résultats pour toute évaluation ultérieure (résultats prédictifs) ou pour la planification et l'ordonnancement (résultats prescriptifs). Les principaux éléments de valeur pour l'entreprise sont les suivants :

1. Finalisation des sources de données, du stockage et des mécanismes d'intégration pour permettre au pipeline de données d'assurer un flux de données en temps réel à l'appui du Process Digital Twin et d'autres outils d'analyse de l'entreprise.
2. Révision, correction et alignement des sources de données et du système de l'entreprise pour garantir l'exactitude des informations au niveau de détail nécessaire. Le Process Digital Twin agit comme une loupe pour aider à valider et à mettre à jour les données afin de répondre aux exigences et aux normes pour une transformation numérique réussie.
3. Analyse et expérimentation dynamiques et agiles basées sur les données actuelles, permettant à l'organisation de réagir en temps quasi réel aux événements internes et externes à l'entreprise tels que les changements dans la demande, les problèmes de main-d'œuvre, l'approvisionnement en matériel, les retards de transport et plus encore.

4.5 Prescription

Après l'intégration, la normalisation et la mise à jour des données, le jumeau numérique peut être utilisé pour analyser, planifier et programmer les opérations. Cela permet d'utiliser le jumeau numérique de processus pour prescrire les opérations jusqu'au niveau de la tâche par ressource (c'est-à-dire équipement, main-d'œuvre, transporteurs) ainsi que les besoins en matériaux à chaque point d'exécution. Les principaux éléments de valeur pour l'entreprise sont les suivants :

1. Planification et ordonnancement en temps quasi réel sur la base de déclencheurs manuels ou automatisés.
2. Des plannings prêts pour l'atelier, basés sur les données et l'état actuels du processus/de l'usine/de la chaîne d'approvisionnement/de l'entrepôt, afin d'éviter ou de minimiser toute perturbation des opérations en raison de changements ou d'événements, en optimisant les opérations pour répondre efficacement à la demande.
3. Maximiser le flux (débit des bons articles) à travers le système/la chaîne d'approvisionnement pour répondre à la demande en évaluant et en traitant continuellement les contraintes en temps quasi réel afin d'éviter les retards de synchronisation, de minimiser les mises en place et les changements inutiles et d'assurer une utilisation efficace des matériaux.

4.6 Prise de décision autonome

Lorsque le jumeau numérique de processus est entièrement intégré et opérationnel, et que toutes les contraintes liées aux employés et aux flux de travail sont alignées à travers le processus/l'usine/la chaîne d'approvisionnement/l'entrepôt pour garantir une précision et une faisabilité totales, il peut être connecté aux systèmes d'exécution tels que le MES pour les équipements de fabrication ou les gestionnaires de flotte AMR pour les transporteurs, ce qui permet une orchestration directe de l'exécution au niveau des tâches dans l'atelier. Les principaux éléments de valeur pour l'entreprise sont les suivants :

1. Des opérations complètes avec ou sans contact pour maximiser la productivité, l'utilisation des équipements et le débit afin de répondre à la demande en fonction des conditions actuelles du système (processus/usine/chaîne d'approvisionnement/entrepôt).
2. Un contrôle total pour maximiser l'agilité opérationnelle en permettant au système de réagir aux changements dans le processus, la demande, la disponibilité des matériaux ou toute autre contrainte ayant un impact direct sur le flux de produits dans le système.
3. Atteindre l'objectif de l'"usine intelligente" en prenant des décisions autonomes pour toutes les ressources du système sans intervention humaine, à moins qu'elle ne soit sélectionnée ou requise en fonction de conditions spécifiques ou d'événements déclencheurs.

La proposition de valeur sera différente pour chaque entreprise en fonction de la phase du projet, des initiatives en cours d'examen ou des opérations gérées. Elle dépendra également de la maturité numérique et organisationnelle de l'entreprise et de sa capacité à passer à des opérations entièrement autonomes. Certaines entreprises pourraient tout simplement toujours avoir besoin d'un niveau important d'intervention humaine en raison de la nature de leurs activités.

5. Conclusion

Simio fournit un cadre de modélisation de simulation basé sur des objets intelligents pour optimiser à la fois la conception et l'exploitation de systèmes complexes. Les principales caractéristiques de Simio qui soutiennent le continuum de la conception à l'exploitation comprennent l'architecture de modélisation orientée objet sans code, le cadre centré sur les données pour prendre en charge les modèles pilotés et générés par les données, les fonctions d'expérimentation et de reporting de simulation et de planification, les réseaux neuronaux pour optimiser les décisions et les options de déploiement d'entreprise pour l'expérimentation et la planification sur les clouds privés et publics. Simio fournit une plateforme de simulation complète pour un parcours de transformation numérique complet.

Ce parcours sera différent pour chaque entreprise en fonction de ses caractéristiques spécifiques et de sa maturité numérique, ainsi que de l'état de préparation de l'organisation à devenir une opération agile, automatisée et potentiellement autonome. Le continuum numérique fournit un cadre pratique pour guider les entreprises et leurs équipes de transformation tout au long de ce parcours, afin de les aider à franchir les principales étapes de la réussite et à ne pas essayer d'accélérer le processus pour devenir une "usine intelligente"

Le jumeau numérique Simio Intelligent Adaptive Process constitue à la fois un véhicule idéal pour faciliter et soutenir ce parcours de transformation totale, de la conception à l'exploitation, et un cadre éprouvé pour guider les étapes de développement et de transformation afin d'en garantir le succès.