La fabrication connectée
Digitaliser les systèmes de production est l’une des missions de l’industrie 4.0 ou l’usine du futur. Ils sont parfois vieillissants, peu fiables et peu agiles.
Il est possible aujourd’hui en ajoutant une série de capteurs de collecter une immensité de données afin de visualiser et contrôler un nombre considérable de machines. Toutes ces data seront recoupées entre les différents secteurs de l’entreprise pour former une mise en réseau : au fond, lier les services de production avec la qualité, la logistique mais aussi les services clients.
C’est à dire ajouter une couche supplémentaire et intelligente aux ERP actuels.
En créant cette mise en réseau de l’ensemble des secteurs, l’entreprise peut envisager de répondre plus rapidement au besoin de leurs clients, d’être plus agile et de coller au plus profond des tendances du marché.
Il y a derrière des atouts majeurs :
- être le premier à pouvoir produire une pièce pour un prospect
- améliorer la satisfaction client.
Au delà de la demande client, les processus de fabrication connectés intégreront également les matériaux et la simulation des procédés avant qu’ils ne soient produits.
La pièce doit être de la meilleure qualité possible. La machine apprendra de ses erreurs grâce au Machine Learning, mettra en place des actions correctrices que ce soit en fonction des matériaux en entrée, de l’usure de la machine ou de la demande client. La gamme de produits peut être élargie tout en améliorant sa qualité.
Vous l’aurez compris – la fabrication connectée, c’est d’abord :
- un parc de machine qui collabore avec l’ensemble des secteurs de l’entreprise
- un parc intelligent qui est capable de simuler son futur à partir de son passé
La maintenance prédictive
La maintenance du parc de machines coûte énormément d’argent à une entreprise pour deux raisons :
1. Le TRS diminué
La première étant que la machine est hors-service pendant sa maintenance, ce qui diminue lourdement le taux de rendement synthétique (TRS).
Le taux d’utilisation de la machine impacte directement la rentabilité de celle-ci.
Les machines dans l’industrie sont de plus en plus complexes et donc de plus en plus coûteuses. Pour rentabiliser l’investissement, il faut donc l’utiliser le maximum de temps possible.
2. Des dégats potentiels
La seconde vient du fait que la maintenance intervient régulièrement trop tard. Des dégats peuvent être causés sur ces machines. Des pièces qui n’auraient pas dû sont alors à changer et les machines sont immobilisées plus longtemps.
On comprend alors assez visite tout l’enjeu de la maintenance prédictive.
La logistique prédictive
La logistique prédictive est une autre application de l’intelligence artificielle. Grâce aux algorhytme d’intélligence artificelle et au Machine Learning, les logisticiens sont désormais capables d’anticiper les retards et les incohérences sur toute la Supply chaine. Cela est possible grâce à la combinaison de données récupérées en temps réel grâce aux capteurs posés sur les objets en usine (comme par exemple les badges de géolocalisation de Zozio).
La logistique prédictive permet de prédire non seulement le mouvement des stocks à l’intérieur de l’usine, mais aussi tous les déplacements entre les usines ou lors que les produits sont en transit chez le fournisseur.
En conclusion
Il y a deux points communs entre l’ensemble de ces applications : la data et la collaboration.
L’ensemble de ces algorithmes intelligents ne fonctionnera pas sans une quantité importante de données.
Tout l’enjeu est donc de récolter un maximum de données pertinentes puis réaliser une fouille de données performante.
La finalité étant de capitaliser sur ces données et d’en extraire un maximum de connaissances.
Enfin, la collaboration, puisque l’ensemble de ces algorithmes interviennent en soutient du collaborateur. Ils n’ont en aucun cas pour objectif de le remplacer mais plutôt de le seconder pour qu’il puisse : se concentrer sur son coeur de métier, être soulagé ou être plus performant.
