Usine 4.0 : Aujourd’hui, je digitalise mon usine ! [Part2]

Soladis Connect a une activité d’ingénierie autour de capteurs ainsi que des technologies de la mesure et de l’acquisition de la donnée. Nos ingénieurs accompagnent les opérateurs et les responsables de la chaîne dans la sélection des variables qui servent votre intérêt : identifier les bonnes technologies pour obtenir des données fiables, les adapter à vos besoins, et les déployer pour vos usages. Une fois le capteur sélectionné, nous procédons aux vérifications expérimentales de la pertinence des outils par la réalisation de bancs de tests sur-mesure, la définition et la validation des paramètres d’influence, ainsi que les interfaces sur-mesure pour les opérateurs.

La donnée ainsi fiabilisée et dé-corrélée de tout bruit est prête à entrer dans un processus de data management et alimente une base de connaissance nécessaire à l’analyse approfondie.

En examinant de plus près les paysages informatiques dans un environnement de fabrication, il n’est pas rare de trouver une multitude de systèmes différents dans lesquels les données devront être extraites: ERP, Fournisseurs, MES, Systèmes de Test, retours des équipements/machines… De nombreux équipements de processus collectent automatiquement des données au cours du processus physique de production d’un article. Tant de systèmes et de sources de données différentes favorisent un manque de cohérence et d’harmonisation et des problèmes de qualité des données rendant presque impossible une exploitation rapide pour des décisions stratégiques.

Collecter, combiner et intégrer des données provenant de toutes ces sources est le métier et dans l’ADN du Groupe Soladis : Intégrez toutes ces datas dans une base de connaissance, où toutes les données sont cohérentes, propres et prêtes à être utilisées, quelle que soit la source de données d’origine.

L’analyse statistique peut alors démarrer et apporter déjà des premières réponses au suivi de la qualité. Soladis Statistics, via la maitrise statistique des procédés, va vous aider à réduire les taux de rebut ou de retouche, par anticipation de la non-qualité en appliquant des méthodes statistiques adéquates et livrer ainsi une première modélisation de la performance. Les ingénieurs Soladis, aux travers de ces méthodes statistiques, accompagneront vos équipes dans le traitement des problématiques de conception, de mise au point des processus, de qualification métrologique ainsi que dans le bilan et analyse de la qualité : études de capabilité, carte de contrôle, régression linéaire, analyse en composantes principales, analyse discriminante, régression PLS, analyse de variance multiple… le tout pour la maîtrise des processus (SPC), l’analyse de capabilité (Cpk) ou encore la planification d’expériences (DOE) entre autres.

En plus de la connaissance technique, les ingénieurs Soladis sauront identifier pour vous les cas d’emploi de ces méthodes en apportant une démarche rigoureuse d’investigation, des clés d’interprétation et de critique des résultats.

De cette base de connaissance, Soladis à la capacité de modéliser les comportements actuels en créant « un double digital » de la chaîne et ainsi prévoir et anticiper les éventuelles anomalies en appliquant ici des techniques modernes de Machine Learning qui permettent d’alimenter des tableaux de bord de performance.

Soladis Digital accompagne vos équipes dans l’exploitation des données industrielles et retours terrain en mettant en place ces algorithmes et leurs applications (data visualisation décisionnelle et opérateurs) associés. Plutôt que d’envisager une programmation de toutes les possibilités d’une problématique identifiée, les data scientists de Soladis utilisent des méthodes statistiques avancées pour construire le jumeau digital de l’usine pour qu’il soit capable de prédire des évènements en fonction de ceux qui lui ont déjà été soumis.

Le Machine Learning est très efficace dans les situations où les informations se cachent dans de grands volumes de données, souvent de formats divers et variés. Là où les méthodes analytiques classiques atteignent leurs limites (corrélations et relations entre données trop importantes, volumes trop importants pour des analyses rapides et simples…), le Machine Learning permet de découvrir des concepts enfouis dans les données en s’appuyant sur des ensembles de données croissants. Soladis adopte ici une position assez rare sur le marché : les modèles développés sont spécifiques aux caractéristiques de nos clients et surtout leur appartiennent. L’analytique décisionnel, parfois déjà en place dans les usines, est ainsi dopé d’un nouveau moteur qui s’appuie sur les Data Lakes (gisement de données techniques ou images) produits en permanence par les capteurs : l’intégration régulière de ces données dans le modèle de Machine Learning permet, grâce à un apprentissage, une meilleure maintenance prédictive des machines, ainsi qu’un meilleur suivi de la qualité des produits.

Le gain pour les entreprises est rapidement quantifiable : remettre l’opérateur au centre de la qualité du produit, en lui fournissant les bons éléments de performances et en suivant tout le fonctionnement de la chaîne, grâce au support de technologies innovantes et modernes. Ces technologies accompagnent le partage des connaissances dans toutes les strates de l’entreprise pour une meilleure appréhension et prise de conscience de la qualité. La formation et l’appropriation par les opérateurs de ces nouveaux outils numériques sont facilitées par la construction d’interfaces graphiques simples d’utilisation permettant une visualisation ergonomique, et la mise en place d’une plateforme analytique performante reconnue et maîtrisée par une large communauté (SAS, R, Python, LabView, Toucan Toco…).

Maintenant, à vous de franchir le pas !