L’importance de prendre des décisions fondées sur les données dans l’industrie de la tôle

La gestion des données représente l’un des plus grands défis de l’industrie de la tôle et du métal dans l’environnement actuel de l’industrie 4.0. Leur compilation à partir d’une bonne identification et à travers un réseau connecté par le biais de l’Internet des Objets (IoT) et la sensorisation des machines et des process est déterminante, tout comme leur stockage sur le Cloud pour leur traitement via des algorithmes d’analyse de données.

L’implémentation de logiciels d’Intelligence Artificielle, Machine Learning et Big Data sur le modèle est une étape fondamentale pour cette analyse. D’une part, pour créer des processus autonomes de prise de décisions sur la chaîne de valeur, libérant les personnes de tâches répétitives et/ou de décisions timorées qui nécessitent une analyse et une vision sur le long terme ; d’autre part, pour prédire des comportements, anticiper des décisions stratégiques, identifier des problèmes de qualité sur le produit, éviter des durées critiques d’inactivité et réduire les coûts. Ainsi, les prises de décisions sont plus intelligentes et elles améliorent la qualité du produit tout en développant l’efficacité du système de production en termes de temps et de coûts.

Voyons dans le détail les avantages d’une automatisation de la collecte des données dans l’usine.

1. Obtenir des informations en temps réel à partir de n’importe quel emplacement et n’importe quel équipement permet, par exemple, de repérer une panne au moment même où elle se produit, ou de reconstituer le stock de manière automatique. Grâce à un système d’alertes, l’opérateur reçoit instantanément les informations sur son dispositif, où qu’il soit.

2. Travailler avec des informations fiables, qui ne soient pas fondées sur des suppositions, favorise la détection de pertes d’efficacité suite à des micro-arrêts, un ralentissement des machines, un mauvais fonctionnement, des surcharges d’activité...

3. Se consacrer à des tâches plus productives. Les techniciens, les opérateurs et les gestionnaires peuvent s’occuper de tâches apportant plus de valeur à l’usine, des tâches que l’automatisation et l’analyse de données ne peuvent atteindre.

4. Centraliser les informations. Ces systèmes permettent de transmettre les données dans toute l’usine, sans avoir besoin de les demander au département correspondant. La production connaît la situation de la commande ; la maintenance est informée des interruptions des machines ; le département financier peut visualiser le coût de fabrication à tout moment ; et les gestionnaires gardent sous contrôle l’efficacité de l’usine.

5. Économiser du temps et des coûts et augmenter la productivité aboutit à améliorer la rentabilité de l’usine et sa compétitivité.

L’approche personnalisée qui permet à Lantek de guider les entreprises dans leur transformation numérique se fonde sur l’analyse des données, tout comme sur l’évaluation de la progression des données tout au long des processus.

Le meilleur modèle mathématique s’avère inutile quand l’entreprise qui doit le mettre en pratique ne le comprend pas. Pour pouvoir utiliser les données essentielles à la prise de décisions et à l’automatisation des entreprises, il est nécessaire d’utiliser un modèle de traitement permettant d’utiliser, extraire et analyser les données existantes pour obtenir des informations plus spécialisées, et contrôler ainsi de manière plus optimale tous les processus. Ce cycle d’auto-vérification inclut la définition des objectifs commerciaux, la compréhension des données, leur préparation, la modélisation, l’évaluation et l’implémentation.

En ce sens, la préparation des données est essentielle. C’est pourquoi Lantek a créé le Data-Quality-Report, afin d’évaluer la qualité des données en prenant en considération la validité, la teneur et la représentabilité, tout comme l’unicité et l’intégrité des données compilées. Il existe de nombreux outils pour cela, tout comme pour faire un usage approprié des données en production et en gestion. Cependant, le facteur humain joue un rôle fondamental. Par exemple, le Chief Data Officer (CDO) est devenu un poste fixe dans la direction de nombreuses entreprises qui ont choisi la transformation numérique et l’optimisation de leurs process en se basant sur l’intelligence des données.

Dans l’industrie de la tôle et du métal, chez Lantek nous nous appuyons sur un logiciel de pointe dans le traitement des données, qui apporte des réponses intelligentes aidant les professionnels à prendre de meilleures décisions de fabrication. Ce programme s’appelle Lantek Analytics, un module de fabrication intelligente qui compile, filtre, regroupe et met en relation toutes les données des machines à accompagner. Ainsi, les décisions se fondent sur des informations fiables en temps réel.

Lantek Analytics s’intègre aux programmes de conception et découpe de la tôle, CAD/CAM, de gestion de fabrication, MES, et de planification de ressources entrepreneuriales, ERP (propre ou externalisé), ce qui offre un éventail complet de tout ce qui se passe au sein de l’usine. Nous pouvons de cette manière connaître la productivité du process de fabrication à travers l’OEE, qui la mesure à partir de trois paramètres. Tout d’abord, il donne la disponibilité en temps d’exécution d’une machine ; ensuite, son rendement ; et enfin, la qualité de la fabrication des pièces de chaque machine. L’état en cours de la machine est simultanément visualisé en fonction de trois critères : fonctionnement, arrêt programmé et arrêt accidentel.

Le programme comporte également un module d’envoi des alertes face à d’éventuelles pannes ou besoins en stock, ce qui permet d’ajuster l’inventaire à la demande réelle de l’instant, avec pour résultat une amélioration de l’efficacité et une économie en coûts.

Mais le programme ne se limite pas à surveiller la fabrication en soi, il contrôle également l’évolution des commandes en intégrant des logiciels de ventes et de budgétisation. Les données historiques et présentes sur les besoins des clients apportent des informations sur ceux-ci, ce qui permet de détecter des modèles de consommation à partir du comportement de la demande (fréquence des commandes, volumes, matériaux, type de découpe...). Les algorithmes permettent d’anticiper et d’améliorer la planification des commandes et de suggérer de nouvelles commandes pour augmenter le volume de travail. Simultanément, les devis sont personnalisés, et permettent même de proposer des remises au client.

Tout cela offre rapidité, souplesse, objectivité et segmentation dans la budgétisation, ce qui bénéficie à l’usine comme au client et permet par conséquent d’augmenter sa fidélisation.

La boucle est bouclée. La Covid-19 nous oblige à plus de souplesse et de promptitude, à prendre des décisions à distance, il est par conséquent essentiel de disposer de données fiables, et en temps réel.