Qu'est-ce que le Smart Manufacturing et pourquoi est-ce important ?

À l’évidence, les adeptes les plus performants du Smart Manufacturing sont ceux qui savent le mieux acquérir, gérer, analyser et partager les données. Les technologies de l'industrie 4.0 font exactement cela : générer, partager et/ou analyser les données. L'énorme quantité de données qui accompagne ces technologies crée un besoin équivalent de gouvernance et de gestion

L’Internet des objets (IoT)

L'IoT est la technologie de base du Smart Manufacturing. Elle consiste à connecter des machines, des capteurs et des appareils à Internet ou au cloud, ce qui permet de collecter et d'analyser des données en temps réel. La question brûlante est la suivante : Quelle valeur comptez-vous obtenir de l'IoT ? Les cas d'usage sont multiples :

• Les capteurs et les machines connectées peuvent surveiller les performances des équipements, détecter les problèmes et programmer la maintenance de manière proactive. Cette approche aboutit à une augmentation de la productivité, à une réduction des temps d'arrêt et à des économies.
• Les caméras et les capteurs peuvent être utilisés pour vérifier l’absence de défaut des produits et leur conformité avec les normes de qualité définies. Une fois analysées, les données de ces appareils permettent d’identifier des modèles et des tendances. Les fabricants peuvent ainsi optimiser leurs processus de production, réduire les déchets et améliorer la qualité des produits.
• Lorsque des matières premières atteignent le point de réapprovisionnement, des déclencheurs vous mettent en relation avec le fournisseur intégré à l’entreprise et qui détient un stock conforme à ses exigences.
• Des traceurs GPS et des étiquettes RFID peuvent être apposés sur les envois et les articles en stock. Il en résulte un suivi en temps réel du mouvement et de l'emplacement des marchandises tout au long de la chaîne d'approvisionnement. Connaître l'emplacement exact des marchandises permet d'identifier les perturbations potentielles, telles que retards dus à la circulation ou aux conditions météorologiques. Les plannings de livraison peuvent ainsi être rapidement réajustés.

Intelligence artificielle et machine learning

Les technologies d'IA et de machine learning jouent un rôle central dans l'analyse et l'interprétation des données IoT. Elles permettent d’identifier des modèles et apportent des éclairages qu'il serait difficile, voire impossible, de discerner avec l’analyse traditionnelle. Pour l’exécution de certaines tâches de routine, l'IA est devenue incontournable face à l’énorme quantité de données générées par les appareils IoT et d’autres logiciels.

Maintenance prédictive

Avantage de l'IoT (qui, en soi, n’est pas une technologie) la maintenance prédictive permet de planifier de manière proactive les activités de maintenance en fonction des données des capteurs et des modèles prédictifs. La surveillance des équipements de fabrication est un impératif. L'IoT, associé à des capteurs intelligents, répond à cet impératif en autorisant une maintenance prédictive efficace. Il n'y a pas de limite à ce qui peut être surveillé par des capteurs et analysé avec le bon logiciel :

• Température
• Vibrations
• Qualité de la tension
• Performances des batteries
• Dégradation des matériaux

Edge computing

Tout comme l'IA, l'Edge computing ou informatique de périphérie a gagné en importance en raison des grandes quantités de données générées par les dispositifs IoT. L'Edge computing traite et analyse les données au plus proche de leur source, ce qui réduit la latence et permet des prises de décision plus rapides.

Prenons l'exemple d'une caméra intelligente. Elle peut être équipée d'une unité de traitement, ce qui en fait un dispositif de périphérie. Elle peut effectuer un premier traitement des données vidéo capturées directement sur l'appareil lui-même, sans avoir à tout envoyer dans le cloud. La caméra intelligente peut analyser localement les données détectées. Elle peut effectuer en temps réel des tâches telles que la reconnaissance d'objets ou l'analyse de motifs sonores. En fonction de l'analyse, un appareil en périphérie peut prendre des mesures immédiates, comme envoyer une alerte ou activer une alarme, le tout sans avoir à attendre la réponse d'un serveur distant. L'Edge computing réduit donc considérablement la latence, car les décisions critiques sont prises localement. L’Edge computing réduit également la quantité de données à transmettre au cloud. Au lieu d'envoyer des flux vidéo de façon continue, la caméra envoie uniquement des alertes ou des extraits vidéo pertinents. Ce système réduit l'utilisation de la bande passante et les coûts de stockage dans le cloud.

Réseaux 5G

Le déploiement des réseaux 5G est déterminant pour l'évolution de l'IoT. La 5G offre de plus grandes vitesses, une latence réduite et une plus grande capacité. Elle est cruciale pour les applications nécessitant un traitement des données en temps réel, par exemple les véhicules autonomes. Plus les véhicules doivent se déplacent rapidement et plus le temps de réaction doit être court. Ce qui implique de transmettre et de traiter encore plus de données en temps réel.

L'IIoT représentera un marché de 500 milliards de dollars d'ici 2025, car les progrès de ses technologies font grimper la demande. (McKinsey & Company, 2020)

Automatisation des processus robotisés (RPA)

Le RPA utilise des robots logiciels qui font appel à l'automatisation, à la vision par ordinateur et au machine learning pour exécuter des tâches basées sur des règles et impliquant de gros volumes, sans aucune intervention humaine. C'est un élément fondamental de l'industrie 4.0 qui permet de réduire les défauts et le gaspillage des processus de fabrication.

Les tâches RPA nécessitent souvent l'extraction de données à partir de diverses sources, telles que documents, bases de données, feuilles de calcul, e-mails ou sites web, puis l’insertion de ces données dans d'autres systèmes ou applications. Une gestion efficace des données est indispensable avant le traitement par le robot RPA pour garantir l'exactitude et l'exhaustivité des données extraites et l’adéquation de leur format.

Souvent, les robots RPA doivent en outre valider et vérifier l’exactitude et la cohérence des données. Par exemple, lors du traitement des factures ou des commandes clients, ils peuvent comparer les données avec des règles prédéfinies, des enregistrements existants, et effectuer des calculs. Des pratiques de gestion de données appropriées préservent l'intégrité des données et permettent aux robots RPA de prendre des décisions fiables en fonction des informations à traiter.

Jumeaux numériques

Un jumeau numérique est une représentation virtuelle d'un actif, d'un processus ou d'un système du monde réel. Il reproduit son apparence et son comportement ce qui facilite le développement de produits, la planification en usine ou l'évaluation des changements potentiels. Le jumeau numérique peut s'avérer particulièrement utile si vous utilisez du matériel haut de gamme.

Prenons l'exemple d'une compagnie aérienne qui exploite des avions. Pour garantir la sécurité et l'efficacité de ses opérations, cette compagnie aérienne crée un jumeau numérique pour chaque avion de sa flotte. Chaque avion est équipé de différents capteurs et systèmes de collecte de données qui permettent de créer le jumeau numérique. Ce jumeau numérique est une représentation virtuelle de l'avion réel. Il reflète ses caractéristiques physiques, ses composants et ses systèmes. Grâce à la réception continue des données des capteurs intégrés à l'avion, le jumeau numérique est synchronisé en permanence avec l'avion réel. Ces données incluent des informations sur les performances du moteur, la consommation de carburant, l'état de la structure, la température, la pression, etc.

Le jumeau numérique permet aux ingénieurs d’essayer différents scénarios et d’effectuer des analyses de simulation. Il peut par exemple, tester l'impact de différentes conditions de vol, d'événements météo ou de programmes de maintenance sur les performances et la longévité de l'avion.

Le jumeau numérique peut également servir à la formation des pilotes et des équipes de maintenance. Il fournit un environnement de simulation réaliste qui permet aux stagiaires de s'entraîner à gérer différentes situations et urgences.

Réalité augmentée (AR)

La réalité augmentée est liée au jumeau numérique. Elle mêle les informations digitales au monde réel, améliore l'interactivité et offre une expérience enrichie de l'environnement physique. Elle est particulièrement utile dans les scénarios de maintenance et de formation. Par exemple, sur les chaînes de montage, elle peut fournir des instructions et des conseils visuels qui sont superposés aux objets physiques. Les employés peuvent porter des lunettes AR ou utiliser des appareils mobiles avec des applications AR pour voir les instructions étape par étape, ce qui réduit les erreurs et améliore l'efficacité.

Technologies Cloud

Compte tenu de la grande quantité de données collectées par l'IoT, des plateformes cloud évolutives et rentables sont vitales pour centraliser et gérer les différentes sources de données. Les technologies cloud facilitent le traitement et l'analyse en temps réel des données transmises en continu.

Master Data Management (MDM) – Éliminer les silos

Les appareils et programmes IoT et RPA ont pour point commun de générer de grandes quantités de données volatiles. Pour maîtriser toutes ces données et les rendre utilisables pour tous les départements, l’entreprise doit disposer d'une plateforme de stockage permettant une gouvernance généralisée et unifiée des données.

C’est un aspect important et qui est souvent négligé dans les projets de Smart Manufacturing. Selon Gartner, seuls 32 % des feuilles de route pour chaîne d'approvisionnement digitale sont alignées sur un processus de gouvernance unique et sur des objectifs d'entreprise communs. (Gartner: Supply Chain Technologies and Digital Transformation)

Les infrastructures de données cloisonnées sont l’une des raisons les plus courantes d'échec des projets de transformation digitale. L’absence de données unifiées et facilement accessibles rend difficile d'intégrer de nouvelles technologies génératrices de données.

Qu’est-ce qu'un silo de données et pourquoi est-ce problématique ?

Une plateforme centralisée dotée de capacités multidomaines et de la gouvernance des données peut sécuriser la qualité des données, rationaliser le partage des données et créer une version unique de la vérité pour les données relatives aux produits, aux clients, aux fournisseurs, aux actifs et à la localisation. Vous disposez ainsi d'un contexte pour vos données IoT. Les données IoT sont toujours des données relatives à des actifs. Pour les comprendre correctement, vous devez avoir une connaissance approfondie des actifs surveillés, c'est-à-dire de leurs données de base.

« Les plateformes sont utiles parce qu'elles masquent un grand nombre de fonctions communes de la logique spécifique de l'application. Les développeurs d'applications veulent simplement se concentrer sur le problème spécifique à résoudre. Pour la puissance de traitement, le stockage ou la sécurité, ils veulent utiliser des capacités communes. Une bonne plateforme réduit donc considérablement le coût de développement et de maintenance des applications. »

McKinsey & Company, Leveraging Industrial IoT and advanced technologies for digital transformation (2021)

La gestion des données de référence vous aide à construire la base de données nécessaire pour l'IA, l'IoT, les jumeaux numériques, le RPA et d'autres initiatives de smart manufacturing.

De nombreuses technologies de l'industrie 4.0 peuvent contribuer à préparer le futur de votre entreprise. Mais la vraie question est la suivante : De quelles données avez-vous besoin et comment pouvez-vous les exploiter ?