Patrice Le Franc, Digital Manufacturing, Global Head MES – Smart Manufacturing Operations Management (MOM)

Amélioration continue de la performance industrielle en temps réel

Depuis le Taylorisme de multiples méthodes d’amélioration de la performance industrielle ont vu le jour, les plus fréquemment utilisées à ce jour sont : le Lean Manufacturing, le Six Sigma et la Théorie des Contraintes (TOC).  La plupart des industries qui mettent en place des processus d’amélioration continue utilisent une combinaison de ces méthodes auxquelles ils adjoignent des systèmes d’information qui viennent supporter ces processus et mesurer les progrès réalisés. Ces différentes méthodes sont généralement orientées sur l’analyse des processus de production et cherchent à les simplifier afin de les rendre plus performants. Diverses données de production issues des systèmes et machines sont ainsi captées et des indicateurs de performance : vitesse, efficience, qualité, erreurs, gaspillage, retard, … sont scrutés en permanence. Certains outils plus avancés comme les cartes de contrôle SPC détectent des dérives sur les procédés afin de déclencher des actions correctives minimisant l’impact sur l’appareil de production.

Comme nous l’avons vu plus haut, la généralisation de la connexion des hommes et des moyens de production et logistique permet de capter d’énormes quantités de données que l’on peut maintenant analyser à l’aide d’outils informatiques et algorithmiques devenus très puissants. Ces outils vont beaucoup plus loin dans l’amélioration continue de la performance puisqu’ils permettent d’anticiper les pannes ou d’optimiser en permanence la performance de la production en tenant compte de multiples critères non seulement internes à l’outil de production (nombre de cycles, température, âge du capitaine, types de défauts, équipe de nuit, … ) mais aussi des paramètres environnementaux (hygrométrie, température ambiante, teneur en CO2, …) ou de contexte (fournisseur, client, saison, …) et même logistique (mode de transport, …).

Ainsi les data scientists construisent des modèles qui sont capables de déterminer pour une situation donnée quels seront les meilleurs paramètres de réglage à appliquer pour obtenir une performance optimale et en renouvelant cette boucle en permanence de contribuer de manière très significative à l’amélioration continue. Malgré la diversité des sources et le nombre important de données analysées, ces algorithmes, lorsqu’ils sont correctement couplés aux outils de captures de données, sont capables de déclencher des alertes ou des actions en temps réel. Ainsi le superviseur de production se voit mettre à sa disposition de véritables tableaux de bord rassemblant tous les indicateurs et les moyens d’analyse des causes pour prendre les meilleures décisions au bon moment.

Pilotage en temps réel des activités de production par les superviseurs de l’atelier

Grâce aux nouvelles technologies numériques et aux capacités d’intégration en temps réel avec la chaine logistique ou les bureaux d’ingénierie, les superviseurs vont devoir gérer un nombre très important d’évènements non planifiés : changements dans la demande, changement dans la définition du produit, alerte sur un équipement, recommandation de paramétrage, changement de configuration d’une ligne de production, ….  Ainsi la gestion des opérations de production va entrer dans une nouvelle ère et passer d’un mode très esclave des couches de gestion d’entreprise ou d’ingénierie vers un mode beaucoup plus autonome. Si les ERP et APS vont continuer à dire « quand et combien », et les PLM continuer à indiquer le « Comment », les échanges seront beaucoup plus dynamiques et le besoin de réactivité va nécessiter une prise de décision proche des opérations. Ainsi le superviseur de ligne aura à sa disposition un ensemble d’indicateurs, d’alertes et d’outils d’analyse lui permettant de prendre des décisions justifiées et tracés pour orchestrer au mieux les activités de production.

Une fois ces décisions prises il y a un point essentiel que l’on oublie trop souvent dans les différents exposés sur l’industrie 4.0, la capacité à agir en temps réel ! En effet tous les regards sont tournés vers l’intégration, la collecte et le traitement intelligent des données, certes essentiels pour la prise de décision mais cela n’est pas suffisant ; il faut que l’action consécutive à la prise de décision soit efficace et synchronisée. Si l’industrie de process est déjà bien équipée via les outils de control commande (SCADA), l’industrie discrète est loin d’avoir terminé sa mutation vers des outils de pilotage en temps réel de ses opérations. Les IIOT et leurs plateformes sont essentiellement monodirectionnels, c’est à dire qu’ils remontent de l’information mais très peu sont aujourd’hui capables de relayer le pilotage de machines ou d’opérateurs avec toutes les contraintes de redondance et de sécurité que l’on peut exiger pour garantir la stabilité et la continuité d’une production industrielle.

C’est pourquoi l’on assiste à une nouvelle dynamique dans l’implémentation de solutions MES / MOM très bien adaptées à l’orchestration des processus de production. Une solution MOM qui supporte notamment l’exécution de l’ensemble des processus de production – fabrication, qualité, maintenance, transitique et stockage – couplées ou enrichies des nouvelles technologies numériques se retrouve donc aujourd’hui l’outil idéal d’orchestration des activités d’un atelier de production.

 

Découvrez les autres articles de Patrice Le Franc

Plus d’informations sur notre présence lors de l’édition 2018 des Smart Industries