Mieux piloter vos systèmes de production par la données · 2019-12-16 · et de l’ensemle de la...

MIEUX PILOTER VOS SYSTÈMES DE PRODUCTION PAR LA

DONNÉES

Olivier Devise, Laurent Kieffer, Khalid Kouiss

SIGMA Clermont – Département Procédés & Systèmes Industriels Innovants

Institut Pascal – Équipe de recherche Excellence Opérationnelle

CONSTATS

L’industrie subit une transformation numérique accélérée par des technologies en croissance exponentielle.

Les entreprises et leurs processus industriels doivent s'adapter à cette évolution.

L’adoption généralisée des technologies de l’information et de la communication ouvre la voie à des approches perturbatrices du développement, de la production et de l’ensemble de la chaîne logistique.

Cette mise en réseau au sein d’un «Internet des objets, des services, des données et des personnes» transformera l’avenir de la fabrication.

Le terme « industrie 4.0 » est utilisé pour désigner cette quatrième révolution industrielle.

Optimisez votre performance industrielle - Auvergne Rhône-Alpes Entreprises 2

INDUSTRIE 4.0 : CHANGEMENT EXPONENTIEL


INDUSTRIE 4.0 : OPPORTUNITÉS

Augmenter la compétitivité.

Exploiter les opportunités et réduire les risques.

Ajuster les compétences et les ressources informatiques (IT).

Développer le potentiel de chaque secteur d'activité.

Tirer parti des nouvelles technologies.


Les attentes des industriels avec l’Industrie 4.0 sont les suivantes (enquête Deloitte 2015)

INDUSTRIE 4.0 : DÉFINITION


1ÈRE RÉVOLUTION INDUSTRIELLE

Production mécanique à base d’eau et de vapeur

Fin du XVIIIe siècle

2E RÉVOLUTION INDUSTRIELLE

Production de masse à l’aide

d’énergie électrique

Début du XXe

siècle


Application de l’électronique et de l’informatique pour automatiser

Début des années 1970


Sur la base de systèmes de

production cyber-physiques (CPPS), fusion de mondes

réel et virtuel

Aujourd’hui

4e révolution industrielle : c’est une étape de développement supplémentaire dans l'organisation et la gestion de l'ensemble du processus de la chaîne de valeur.

INDUSTRIE DU FUTUR

Gestion, pilotage, exécution

Digitalisation

Data manufacturing

Solutions 4.0

Hommes et organisation 4.0


GESTION, PILOTAGE ET EXÉCUTION

ERP

Manufacturing Execution System (MES)

Manufacturing Operation Management (MOM)

GPAO

Suivi de production

TRS

Indicateurs

Prévisions

Planification

Ordonnancement

Allocation des ressources

Tracking & Généalogie

Temps/Homme/OF

Historisation

Supervision/SCADA

Supply Chain


DIGITALISATION

IoT

Numérisation/virtualisation des données

Usine connectée

Simulation

Machine virtuelle

Mobilité

Sécurité/Cybersécurité


DATA MANUFACTURING

Big Data

Business Intelligence (BI)

Intelligence Artificielle (IA)

Plateforme Data Management

Dashboard/Reporting

Blockchain

KPI

Machine Learning

Business Analytics

Monitoring


LES SOLUTIONS 4.0

Jumeau numérique

Réalité augmentée/virtuelle

Maintenance prédictive

Internet industriel

Connectivité

IHM/PC Industriels

RFID & Traçabilité

Vision & Identification

Robotique/Cobotique

MtoM industriel

impression 3D


HOMMES ET ORGANISATION 4.0

Excellence opérationnelle

Amélioration continue

Lean manufacturing

Conduite du changement

Accompagnement

Aide à la décision

Performance des opérateurs

Management de la qualité

Formation/Coaching

Pilotage de la performance

Rôle et responsabilité


INDUSTRIE 4.0 : UN ENVIRONNEMENT ET UN IMPACT QUOTIDIEN

CPPS / Usine intelligente

Bâtiments intelligents

Logements intelligents

Réseaux sociaux

Web business

Logistique intelligente

Smart grid

Mobilité intelligente


Internetdes objets

Internetdes services

Internetdes personnes

Internetdes données

DÉFIS 4.0 : LES DONNÉES

➜La qualité des données est essentielle

La connectivité des logiciels et des équipements, même des équipements en place.

La standardisation de normes et de processus qui facilite le partage des données.

La réingénierie des méthodes de travail et des procédés.

La gestion de la cyber-sécurité, afin de protéger l’information sensible et le savoir-faire.

L’accès aux spécialistes en technologies numériques.

Le développement de nouvelles compétences


RÉCUPÉRATION DES DONNÉES : LES MANUFACTURING EXECUTIVE SYSTEMS

Définition du NIST (National Institute of Standards and Technology)

“Un MES est un regroupement de fonctions qui permet la gestion et l’optimisation des activités de production depuis le lancement d’un ordre de fabrication jusqu’aux produits finis.

En conservant des données courantes et précises, il permet en fonction des activités qui apparaissent, de faire des rapports, de proposer des solutions et de les mettre en place.

Un MES procure des informations clefs sur les activités de production aux différents systèmes de décision à travers l’entreprise. ”


URBANISATION DU SYSTÈME D’INFORMATION

Gestion & finances

Gestion de la production

Affectation de ressources, ordo, qualité,

maintenance, gestion des ressources, calcul,

performance, …

Supervision, Contrôle Commande

DCS – API – REG – CN – ROB – CAPT – ACT – TERM

Niveau 4

Niveau 3

Niveau 2, 1, 0

ERP, APS, SCM, BI, …

MES, MI, Historisation

Équipements Terrain

Drivers OPC


Analyse Qualité

Gestion Ressources

Historisation

Client léger

Analyse Performance

SCADA - OPC

Données usines

OUTILS POUR L’INTÉGRATION DES USINES


EXEMPLE DE L’UTILISATION DES DONNÉES EN LOGISTIQUEQuestions :

• comment améliorer la productivité de l'entrepôt ?

• comment éviter d'avoir des débords ?

• comment respecter les MAD ?

Approche choisie :

• optimisation du placement des produits dans l'entrepôt

• densification des réserves

• Virtualisation : modèle de simulation

Méthodologie :

• Injection des données (commandes mensuelles)

• optimisation basée sur l’entropie croisée pour le placement

• corrélation pour la densification

Gains :

• de 15% en temps de préparation

• De 14% en km parcouru

• de 10% des heures d’intérimaires

• de 3% en nombre de palettes envoyées

Optimisation d’un entrepôt :


EXEMPLE DE LA MAINTENANCE PRÉDICTIVE

Surveillance méthodique

• IA + IoT

• Aéronautique : MRO

• Ferroviaire : optimisation du réseau

• Energie : supervision du réseau

• Automobile : diagnostic à distance

Cas d’usages :

• Instrumentation d’une MOCN (mesure consommation électrique, vitesse de broche, acoustique)

• Analyse de son état via IA

Exemple :


EXEMPLE : APPORT DU JUMEAU NUMÉRIQUE

Garantir une production sûre, efficace et suffisante pour la demande dans un environnement de marché en évolution rapide et pour faire face à la complexité croissante des installations de production.

Virtual commissioning(VCO) : Tester le logiciel d'automatisation d'origine en utilisant un modèle de simulation

Operator training (OTS): Entraînez l'interaction avec le logiciel d'automatisation d'origine en utilisant un modèle de simulation


ObjectifsRépondre aux besoins clients

Efficacité

Risques

Coûts

€€

Tempsdecom-mercialisa8on Qualité

Augmenta8onproduc8vité

Augmenta8onflexibilité

Augmenta8onVentes

Efficacitéopé-ra8onnelle

EXEMPLE : SIMIT SIMULATION (SIEMENS/SOLVAY)


Real AS

SIMATIC S7SIMATIC S7

Profibus ou

Profinet via

Simulation

Simulation

des signaux

Simulation des

capteurs/signaux

Simulation du

comportement du

système technique

Périphériques

E/S distants

Actionneurs

Capteurs

Usine

Machines

Système automatiséEmulation du

système auto.

Monde réel Monde virtuel

Software-in-the-loop Hardware-in-the-loop

HMI:

PCS 7 OS Server/WinCC

HMI:

PCS 7 OS Server/WinCC

Simulateurs de

processus chimiques

Simulateurs 3D ou à

événements discrets

Comportement du process /

reactions chimiques

PLCSIM

SIMIT VC –

Virtual Controller

Connecteurs vers des simulateurs

spécifiques à un domaine

SIMIT

SIMIT

NOMBRE DE PUBLICATIONS AUTOUR DE L’INDUSTRIE 4.0

2000-2013 2014 2015 2016 2017 2018 2019

Industrie 4.0 14 24 82 224 665 1669 5443

Production 6 24 78 206 615 1553 4221

Ingénierie 8 22 70 195 589 1549 3356

ingénierie chimique 5 4 13 42 121 413 2201

Mécanique 1 2 7 14 65 212 1053

Chimie 2 2 2 7 25 84 535

0

1000

2000

3000

4000

5000

6000

No

mb

re d

e p

ub

licat

ion

s


L’INTELLIGENCE ARTIFICIELLE, C’EST QUOI

Intelligence Artificielle

Statistique

DonnéesRègles

Ce n'est pas une boite noire mais un algorithme

L’IA peut être expliquer mathématiquement

Le nombre d’opérations effectué rend son explicitation complète très difficile.

Limiter uniquement par les données


IA : DOMAINES LES PLUS PROMETTEURS

Source : McKinsey Global Institute analysis 2018


Mieux piloter vos systèmes de production par la données · 2019-12-16 · et de l’ensemle de la...

Documents

Transcript of Mieux piloter vos systèmes de production par la données · 2019-12-16 · et de l’ensemle de la...