Les 5 étapes clés pour une digitalisation industrielle réussie
Aujourd’hui, le concept de digitalisation industrielle ou d’usine intelligente gagnent en pertinence à une époque où la pandémie de COVID-19 a poussé les entreprises à se réinventer afin de fournir des produits à des clients éventuellement inattendus.
L’article suivant est un résumé sous forme de cinq étapes générales qui montrent le chemin à suivre pour commencer à travailler selon la philosophie de la fabrication intelligente.
Les cycles de produits et de développement sont de plus en plus courts. Par conséquent, la capacité d’une entreprise à préparer la production d’une pièce pour un client de manière agile sera un critère central pour la décision de qui remporte le contrat. Par exemple:
Les entreprises industrielles devront de plus en plus accompagner leurs clients avec leur savoir-faire. Les ateliers devraient inclure des services de soutien dans la phase de développement du produit afin de garantir une conception efficace pour la fabrication et en termes de coûts dès le début du processus. .
Clairement, voici l’application des nouvelles technologies logicielles et même du prototypage rapide pour valider les concepts le plus rapidement possible. Même l’utilisation de systèmes de capteurs intégrés dans les produits livrés; qui peuvent renvoyer des informations lors de leur utilisation finale pour des améliorations futures dans les versions ultérieures, est nécessaire.
En principe, une usine intelligente fonde son succès sur l'échange efficace d'informations entre opérateurs, machines et ressources en temps réel.
Chaque entreprise industrielle doit être en mesure de produire efficacement pour les exigences du marché actuel: fabriquer de petits lots de manière économiquement viable; respecter les délais avec ses clients et répondre aux plus hauts standards de qualité.
Ainsi, chacune des étapes présentées ci-dessous sera accompagnée d’un ensemble de tâches visant à la mise en œuvre pratique des concepts au sein de l’organisation.
1. Gestion des connaissances
L’industrie tire traditionnellement l’essentiel de son savoir-faire à partir des connaissances générées par ses travailleurs qualifiés au sein de l’organisation. Ces connaissances ne se trouvent normalement qu’à l’intérieur de la tête de chacun d’eux et ne sont pas systématiquement stockées ou mises à la disposition d’autres personnes.
Dans de nombreux cas, les connaissances se trouvent encore dans des textes et manuels physiques difficiles d'accès et probablement obsolètes.
Dans le contexte de la digitalisation industrielle, les connaissances et l’apprentissage acquièrent beaucoup de sens. La collecte de données de toutes les étapes du processus grâce à la connexion de tous les systèmes; machines, produits et travailleurs devient une nouvelle source de connaissances. Pour cela, les travailleurs doivent avoir accès au réseau de manière intuitive; définir qui a accès à quel type d’informations; et faire preuve de discipline pour maintenir les bases de données à jour.
Pour les travailleurs, l'utilisation de ces systèmes signifie sécuriser leur emploi grâce à la transparence des coûts.
Cela pourrait même signifier une augmentation de leur rémunération grâce aux économies générées par la découverte de coûts cachés dans le processus. Une réduction de leur charge de travail car un problème peut être détecté plus facilement. Cela signifie également un type de reconnaissance sociale; qui commence à être compris avec l’utilisation des réseaux sociaux, qui est généré avec l’échange réussi d’expériences à travers le système.
Un défi actuel pour l’industrie; c’est que son personnel doit commencer à avoir une connaissance minimale de la commande des machines; des techniques de réseau et des systèmes d’exploitation afin de tirer pleinement parti de ces nouvelles technologies.
Mise en œuvre pratique
Les entreprises doivent numériser les informations physiques qu’elles possèdent et les rendre disponibles dans une base de données interne ou une page Web; afin qu’elles puissent être gérées de manière participative pour générer un échange de connaissances continu et sain entre les collaborateurs de l’entreprise. Une façon de faciliter cette mise en œuvre est de mettre en place un terminal d’accès à l’information pour les travailleurs et; dans le meilleur des cas, de leur donner des tablettes électroniques mobiles pour saisir les données dans le système.
2. Surveillance en ligne
Dans la mesure du possible, toutes les données clés d’un processus doivent être acquises, numérisées et structurées. Dans les premières étapes de la mise en œuvre des processus de suivi; il est important d’obtenir des données sur le nombre de pièces (et si possible, le nombre de bonnes pièces). Acquérir les heures de production réelles (temps d’utilisation de la broche); à partir desquelles les temps de montage et de configuration; les temps morts (erreurs, réparations, machine sans ordres de fabrication, etc.) peuvent être calculés. D’autres données à acquérir peuvent être le type d’outil utilisé, l’usure; les premières heures d’utilisation, le type de panne en fin de vie utile, etc. Ce type d’informations doit encore être complété par les opérateurs.
L'objectif de l'acquisition de ces données est d'augmenter la productivité; d'augmenter l'occupation de la machine; de minimiser les temps d'assemblage et les temps d'arrêt; en plus de comprendre la raison d'un incident avec la machine.
Son utilité pour la planification des réparations et de la maintenance est également très élevée puisque les heures réelles de fonctionnement des composants critiques peuvent être déterminées. Enfin, disposer d’un historique des données de l’ensemble de la chaîne de production permet de faire un calcul des coûts plus réaliste. C’est aussi un début pour la modélisation du comportement du procédé en fonction de ses variables d’entrée et donc; la prédiction des effets possibles sur les pièces fabriquées.
À moins que les machines n’aient la capacité de fournir ces données à un système d’analyse et de gestion des informations de production de type MES (Manufacturing Execution Systems); et même avant d’investir dans un système de surveillance automatique externe; toutes ces données doivent être collectées manuellement par les travailleurs de manière stricte et disciplinée.
Dans le cadre de la construction d'une culture de gestion des connaissances, il est essentiel que les gens comprennent clairement l'importance de conserver ces données à des fins d'analyse..
Les dernières solutions de systèmes d’acquisition de données d’exploitation enregistrent les valeurs directement depuis la machine et depuis les capteurs auxiliaires; en les synchronisant avec des paramètres de production réels (vitesses de rotation, avances, profondeur de coupe, efforts, consommation d’énergie, etc.); permettant en plus, sa visualisation en temps réel afin que vous puissiez connaître les raisons pour lesquelles des changements de productivité et de qualité se produisent réellement.
Avoir les données à portée de main et acquérir des connaissances sur l’influence des différents paramètres de production sur le résultat final; permet une plus grande flexibilité lors de la prise de décision en cas de changement inattendu.
De cette manière, quelque chose de radical se produit dans les entreprises..
L’organisation de chaque processus en fonction de ses propres conditions élimine le besoin d’une planification rigide et stricte qui prend également du temps. De plus, le type de travail purement routinier qui a empêché de nombreux opérateurs d’usines d’utiliser leurs compétences analytiques pour résoudre des problèmes; leur permet désormais de prendre des décisions pendant le processus en raison des conséquences des variations de différents paramètres. De cette manière, ils sont habilités à générer des solutions alternatives qui rendent la production plus efficace; augmentant ainsi les connaissances internes de l’entreprise et ajoutant ainsi de la valeur à la chaîne de production.
Mise en œuvre pratique
Investissez dans des logiciels pour la collecte; le stockage et l’analyse des données. En outre, il est nécessaire d’investir dans des systèmes de communication directe entre les commandes des machines et les systèmes logiciels; en plus de systèmes de surveillance externes supplémentaires pour mesurer les variables de processus critiques que les machines elles-mêmes ne fournissent pas. Cela comprend la fabrication, le contrôle qualité, l’assemblage et le conditionnement. Tous ces systèmes doivent être connectés au réseau central et les données doivent être stockées synchronisées dans le temps pour une analyse détaillée. Il est recommandé aux entreprises de commencer par étapes; et de choisir un système clé en main pour réduire la durée de mise en place ainsi que les investissements en temps et en argent .
3. Planification de la production numérique
La transparence de la production générée par l’acquisition automatique de données permet aux entreprises de planifier leur chaîne de fabrication de manière beaucoup plus efficace. Un système d’acquisition et d’analyse des informations nous permet d’observer en temps réel l’état de production « attendu »; par rapport à l’état « actuel »; non seulement du point de vue des pièces fabriquées; mais aussi de la disponibilité du personnel et des matériaux matières premières; machines; outils; etc.
En effectuant cette procédure numériquement; les travailleurs disposent toujours d'une version actualisée de l'état de l'ensemble de la chaîne et peuvent agir avec les dernières informations et souvent sans attendre la commande du responsable de production..
Les systèmes de planification de la production permettent d’inclure des règles normalisées de hiérarchisation des décisions; contribuant ainsi encore plus loin à la chaîne de travail. Il est même possible; sur la base de l’expérience acquise à partir des données passées; de simuler l’effet du changement de l’ordre des étapes de fabrication sur le délai de livraison final; y compris en incluant les étapes d’assemblage et de contrôle qualité.
Tout cela est une base fondamentale pour des démarches d'amélioration continue dans lesquelles les travailleurs des ateliers sont clairement de plus en plus impliqués..
L’étape suivante, dérivée de l’utilisation de ce type de système; est celle du contrôle automatisé de la chaîne de production à partir des prédictions générées à partir de l’analyse des informations suivies de toutes les étapes productives. Cette étape, qui nécessite une communication efficace à tous les niveaux de l’entreprise; est alimentée par les données historiques et ne devient effective que plusieurs mois après la mise en service.
Mise en œuvre pratique
Les travailleurs devraient avoir la responsabilité de remplir les informations nécessaires (obligatoires) qui complètent celles reçues par les systèmes automatisés. Le remplissage de ces informations garantit que les données stockées dans le système pourront être analysées ultérieurement. Par conséquent, la direction de la production doit s’assurer que l’interface de collecte des données est intuitive et rapidement accessible dans l’atelier.
4. Intégration dans la phase de développement produit
L’objectif de l’innovation intelligente est d’accélérer le chemin vers le produit final pour le client; en l’accompagnant avec des connaissances propres de l’entreprise. Pour y parvenir, il est conseillé de s’intégrer dans la phase de développement du client pour augmenter le degré d’innovation du produit final et s’assurer que le design est facilement manufacturable.
De nos jours, il existe de nombreuses solutions concernant le concept de jumeaux numériques.
Un fabricant de produit peut l’utiliser pour décrire numériquement sa chaîne de production; y compris tous les mouvements CN de la machine, l’équipement de maintien, l’automatisation et même l’assemblage; sans jamais avoir à consommer aucun élément de sa matière première.
Ainsi, cela peut aider à une détection précoce des défauts de conception de votre client; ce qui s’avère être une excellente occasion d’utiliser l’expérience de l’atelier de fabrication pour améliorer les performances d’un produit. De plus, une approche de jumelage numérique peut être utilisée pour générer des études de faisabilité; pour aider le client à vérifier si le produit est également optimisé du point de vue des coûts.
Mise en œuvre pratique
Investissement dans l’utilisation de systèmes de réalité augmentée pour la comparaison de géométries ou d’assemblages avec la CAO existante. Les systèmes de simulation pour les processus de production et la conception structurelle nous permettent d’entrer dans la phase de développement du client en fournissant les connaissances de fabrication clés qui peuvent faire défaut. L’utilisation de systèmes d’impression 3D à des fins de prototypage peut également augmenter la réactivité du client dans certaines conditions.
5. Changement du modèle économique
En raison de la collaboration entre l’atelier de fabrication et ses clients, la frontière entre le produit et le service est floue. De cette manière, un client ne demande pas un produit spécifique; mais demande une solution complète.
Idéalement; la digitalisation industrielle devrait amener les usines à augmenter leur portefeuille de services vis-à-vis de leurs clients.
Dans le cas des ateliers qui usinent des pièces complexes, comme les fabricants d’outils et de matrices; ils doivent compléter leurs moules avec des capteurs et des traitements de données. Ce dernier parce que les moules peuvent augmenter l’efficacité de la production de pièces plastiques pour le client; en étant connectés aux machines de production et aux opérateurs; afin de contrôler le processus sur la base d’informations plus complètes; garantissant une plus grande productivité avec une qualité supérieure. Le fabricant de moules devient un fournisseur de services de données; et «pas seulement» un coupeur de métal.
Mise en œuvre pratique
Inclure dans la structure de l’organisation la capacité de générer des solutions intelligentes qui aident les clients à améliorer leur productivité avec les produits proposés, grâce à des services qui utilisent la capacité de rupture de la technologie développée pour l’industrie 4.0.
Vous avez besoin d'un avis d'expert ?
Suivez nos innovations sur les réseaux sociaux
Nous publions fréquemment sur les réseaux sociaux (Linkedin, Twitter et Medium) nos innovations et les nouvelles fonctionnalités de nos solutions de gestion industrielle.
De même, nous serions heureux de vous faire profiter des dernière tendance de la gestion industrielle 4.0 au travers de contenu d’excellente qualité que vous pourriez repartager.
French 
English 
Spanish 
German