data industrie que faire de ses données capteurs ifm

Data & industrie : que faire de vos données ?

Retour aux articles

Collecter des données de votre installation pour améliorer son fonctionnement et sa performance est aujourd’hui possible grâce aux nouvelles technologies. C’est en partant d’une problématique ciblée et de vos objectifs business (qualité produit, organisation de maintenance, optimisation du coût du produit) que vous pouvez mettre en place une data stratégie. Sur cette base, ifm construit avec vous le plan de remontée des données nécessaires, dont le déploiement peut être progressif.

Sommaire

1- Pourquoi les industriels ont-ils besoin de données ?

  • Data stratégie : réfléchir à votre utilisation de la donnée industrielle
  • Les principaux objectifs business de la demande de données process : maintenance & data, qualité & data, traçabilité & data, surveillance énergétique & data

2- Comment construire une architecture de data pour l’industrie ?

3- Exploiter vos données industrielles : les bénéfices conjugués de l’IA et de la maintenance conditionnelle

Pourquoi les industriels ont-ils besoin de données ?

La question du pourquoi est fondatrice de tout projet de remontée de données : la collecte doit être justifiée et la donnée attendue précisément identifiée. Placées au cœur de vos problématiques, les données obtenues seront ainsi qualitatives, pertinentes pour votre objectif business et fournies en juste quantité.

Data stratégie : réfléchir à votre utilisation de la donnée industrielle

Leu besoin de données est commun à de nombreux services de l’entreprise industrielle : la donnée est en effet la clé de tout pilotage. Toutefois, chaque interlocuteur (production, qualité, utilité, maintenance, logistique, supply chain) a un objectif différent, qu’il convient de qualifier avec précision. Certaines entreprises mènent également une réflexion d’ampleur sur la donnée qui permet ensuite de générer une base de données commune (stratégie de data lake) dans laquelle chaque service peut piocher ce qui est nécessaire à son propre process de travail et d’amélioration continue.

Les principaux objectifs business de la demande de données process

Nous évoquons ci quatre objectifs majeurs que nous rencontrons :

1/ Maintenance & data : transformer le fonctionnement des équipes de maintenance

En situation de maintenance conditionnelle (à visée prédictive), disposer de données de fonctionnement ou d’état de vos machines en temps réel permet de répondre aux objectifs suivants :

  • Anticiper la gestion des stocks: ce besoin est particulièrement présent lorsque les pièces à stocker coûtent cher ou que le remplacement peut être long à effectuer
  • Migrer vers une maintenance conditionnelle ou prédictive: les équipes industrielles peuvent alors intervenir au moment clé (demande de la machine ou suspicion de problème) afin d’éviter les pannes et d’optimiser le coût de maintenance
  • Migrer vers un nouveau business model : les fabricants de machine ont de plus en plus intérêt à proposer, en lieu et place de la vente d’une machine, la garantie d’une performance de production pour leur client
  • Augmenter la disponibilité machine: grâce à la connaissance précise des temps d’arrêt machine mais aussi des temps de redémarrage, il est possible d’anticiper de réduire les temps de maintenance (celle-ci est planifiée et maîtrisée) et de limiter l’impact sur la production.

2/ Qualité & data : améliorer la qualité de fabrication

L’installation de capteurs en différents points de la chaîne de fabrication ou en fin de ligne permet de vérifier des points qualité au moment jugé le plus opportun. Cette installation limite fortement les coûts de non-qualité et assure un suivi précis des étapes, qu’il s’agisse de l’usinage d’une pièce, d’une opération d’assemblage ou d’emballage.

3/ Traçabilité & data : obtenir des informations complémentaires

La combinaison des technologies IO-Link et RFID met à la disposition des industriels des informations supplémentaires sur leur produit. La donnée peut être :

  • stockée dans le tag RFID (identifiant) peut être utilisée pour la logistique externalisée
  • centralisée dans un système pour suivre le cycle de production (intra logistique)

En choisissant le type de données que vous encapsulez dans votre tag produit, vous améliorez la traçabilité de votre process : identifiant du produit, étapes de production franchies, réalisation satisfaite ou non de l’étape définie, intervention d’un opérateur, etc.

4/ Surveillance énergétique & data : réduire la facture énergétique et l’impact environnemental

En charge des services généraux, vous avez besoin de mieux maîtriser l’utilisation de vos utilités : fournitures d’air comprimé, d’alimentation en eau ou gaz, pompes et ventilateurs, systèmes de refroidissement. L’ajout de capteurs de fluide, d’air, de débit ou de pression vous offre un tableau de bord de données utiles permettant de :

  • constater une fuite ou un pic de consommation,
  • retracer plus rapidement l’historique de production.

Une fois que votre objectif business et les données nécessaires pour l’atteindre sont clairement définis, ifm peut les traduire en solutions techniques. 

Comment construire une architecture de data pour l’industrie ?

Une fois que les valeurs utiles à votre objectif ont été définies, vous avez l’assurance d’éviter toute surabondance de données ou tout manque d’information cruciale. ifm vous aide alors à définir la fréquence d’acquisition des données nécessaire à chaque emplacement de votre machine ou ligne de production, avant de choisir les équipements à mettre en place. Suivant la complexité de l’architecture de données souhaitée par votre entreprise, une équipe de data scientists peut intervenir dès la première étape du projet.

capteur pression industrie ifm

Les capteurs à l’origine de votre donnée brute

Le recueil de données passe par l’installation de « tuyaux » par lesquels remonteront les informations vers votre système central. Au niveau des capteurs, ces tuyaux sont ceux de la technologie IO-Link. Les capteurs numériques qui en sont équipés multiplient à la fois vos canaux de communication et la diversité ainsi que la quantité de données récupérables.

Ces données brutes, ce sont par exemple des informations sur vos déchets matière, sur l’état de vos capteurs, sur la qualité de vos ingrédients… La visualisation de ces données constitue un solide soutien au pilotage en deux étapes :

  1. visualiser des données en temps réel pour réagir aux problématiques de recettes ou de maintenance : c’est le rôle de notre interface Smart Observer ;
  2. bénéficier de l’analyse de données de l’intelligence artificielle (IA) pour améliorer son process, générer de l’apprentissage statistique.

Vous pouvez ainsi faire du pré-processing : récupérer les données sur vos systèmes de données supérieurs (cloud, data lake) pour créer des tableaux de bord, générer des alarmes, faire des analyses poussées. Grâce à la variété des briques fournies par ifm (capteurs, devices, systèmes de transmission des informations, logiciels, bases de données…), nous mettons en place des solutions sur mesure, ciblées ou complètes selon que vous :

  • disposez déjà d’architectures et plateformes sur lesquelles vous voulez remonter des données supplémentaires
  • souhaitez uniquement intervenir sur une information précise, de type maintenance.
industrie remontée data advanced process control

Exploiter les données récoltées : l’advanced process control

Pour construire une architecture de données aussi pointue qu’utile aux instances de l’entreprise, il est nécessaire de faire appel à des compétences de data science. Dans ce cadre, ifm a déjà eu l’occasion de collaborer avec l’entreprise française Dataswati.

A quoi servent la data science et l’IA ?

La data science permet de produire des modèles d’IA. Dans l’industrie, un modèle d’IA peut permettre l’advanced process control : piloter, en temps réel, les réglages du process grâce à une mise sous contrôle automatique de ses données.

II est communément admis que, pour disposer du maximum d’informations sur sa chaîne de production, il convient de la suréquiper en capteurs dans un premier temps. Cette étape est intéressante pour entraîner un modèle d’IA efficace sur la première « chaîne / machine ». En effet, pour passer à l’échelle, le modèle n’a pas forcément besoin de toutes les données captées et peut proposer de rationaliser le « nombre de tuyaux », toujours pour répondre à l’objectif business poursuivi.

 A l’aide de l’interface spécifique fournie, le client dispose ensuite d’une mise en forme des données claire, intuitive et pleinement utilisable.

Exploiter vos données industrielles : les bénéfices conjugués de l’IA et de la maintenance conditionnelle

Grâce à l’installation de capteurs et de la technologie IO-Link, vous bénéficiez maintenant d’informations en temps réel sur le fonctionnement de votre usine. Celle-ci vous permet de réagir de façon pragmatique, avec une analyse plus précise, localisée et juste de différentes situations. Par exemple, l’observation d’une courbe vous indique rapidement la présence d’une fuite d’eau et son emplacement. L’intelligence artificielle peut vous permettre d’aller plus loin : organiser des campagnes préventives voire déduire la meilleure conduite à tenir dans une situation donnée à partir de votre historique machine.

La visualisation de vos données de pilotage

L’analyse initiale, la phase de tests et les ajustements d’algorithmes réalisés par notre partenaire data scientist Dataswati permettent à leur solution logicielle de vous appuyer dans votre pilotage à chaque étape de votre process industriel.

Une recette, c’est la combinaison de vos ingrédients, matières premières et paramètres à programmer.

  • AVANT: grâce à toutes les informations retenues et processées, l’IA vous propose les meilleures recettes, dans le contexte à venir (par exemple en fonction des conditions météorologiques, si votre activité y est sensible).
  • PENDANT: les valeurs sont sous contrôle permanent pour s’assurer qu’elles restent dans la norme et vous alerter en cas d’aléa. A chaque étape du process, vous avez connaissance des réglages à effectuer pour maintenir la qualité en sortie : il s’agit autant de la qualité attendue du produit que du respect des cahiers de charge.
  • APRES: les données enregistrées permettent l’obtention d’un feedback qui justifie les choix effectués.

Evolution dans votre analyse de données

La validité de cette analyse est vérifiée à intervalles réguliers après son instauration. Il s’agit avant tout de s’assurer que le système ne dérive pas et reste fiable pour la conduite de votre activité.

Exemple métier de l’analyse prédictive au cœur de votre production

Lors de leur collaboration, ifm et Dataswati ont permis à l’entreprise Mecanolav, fabricant de machines à laver industrielles, de :

  • surveiller ses machines pour anticiper les actions de maintenance
  • et opérer des diagnostics à distance afin d’offrir un meilleur service après-vente à leurs clients.

Découvrez notre cas client MecanoLav

 

mecanalov digitalisation machines à laver industrielles

Digitalisation de machines à laver industrielles

L’analyse prédictive répond aux 20% de problématiques de maintenance qui ne peuvent être résolues par le biais de la maintenance conditionnelle. Complémentaires, l’une alerte sur l’existence d’un dépassement de seuil, l’autre fournit une analyse basée sur les comportements passés de votre installation, pour anticiper et réduire la gravité des incidents.

***

Les points de captation de vos données varient suivant vos processus et métiers : ils font nécessairement l’objet d’une analyse précise de votre besoin. La remontée de données est ainsi mise en place suivant une structure qui répond à votre enjeu business particulier.