“L’EPOQUE & LA TECHNOLOGIE SONT PRETES POUR INDUSTRIE 4.0”

Une meilleure perception par l’analyse des Big Data?

L’émergence de commandes intelligentes et de capteurs impitoyables combinée à la puissance de calcul toujours croissante des processeurs permet de mieux capturer des données de processus de production. Mais si l’exploration de données devient plus facile suite à l’abondance de puissants matériels, il semble que l’établissement de liens ou la conversion des Big Data en des données exploitables ne soit pas une sinécure. Lors de la dernière édition d’Indumation, nous sommes allés tendre l’oreille chez Koning & Hartman, spécialiste de la Smart Industry. Car comment se manifestent les Big Data? Et que peut-on en faire?

C’EST LE MOMENT!

Lors de la dernière édition de Verspanen 2020, une initiative de l’organisation néerlandaise Mikrocentrum, on a pu remarquer que les outils permettant de soumettre les processus d’exploitation techniques à une étude analytique et connectée sont plus que jamais accessibles, et ce message a été entendu pendant la dernière édition d’Indumation à Courtrai. Combinant enthousiasme et expérience en la matière, Bert Agten et Tim de Wolf, resp. Industrial Automation Expert et Smart & Big Data Expert chez Koning & Hartman, sont nos interlocuteurs privilégiés pour lever les ambiguïtés concernant Industrie 4.0 et Big Data, en y accordant une attention particulière dans la pratique.

“Les installations de laminage à froid sont un exemple classique d’automatisation où les capteurs assurent la continuité de la production”, lance Agten. “Ici, les capteurs et les contrôleurs de mouvement (comme les HEC ou les contrôleurs de tension) doivent surveiller le processus de déroulement des bobines pour adapter l’entraînement du dévidoir et éviter les arrêts (lors d’un changement de bobine) ou une charge trop rapide pour le processus suivant. Pour le part picking aussi, les systèmes de vision et surtout la communication mutuelle entre les processus (dont les dispositifs d’alimentation comme les tapis convoyeurs) apparaissent indispensables pour synchroniser la vitesse des diverses unités. Mais,” et cela sonne un peu comme une prophétie, “il ne s’agit que du sommet de l’iceberg. Tout a à voir avec l’échange de données entre les unités, qu’il s’agisse de tâches techniques de production ou de tâches administratives. Le data mining – l’exploration de données à l’aide de capteurs ou de la commande de la machine p.ex. – mais surtout une analyse correcte et approfondie des données sont indispensables.”

BATTAGE MEDIATIQUE OU POURSUITE DU DEVELOPPEMENT?

Le terme Smart Industry ne devient-il pas hype?

Tim de Wolf: “Dans un sens oui, bien que le terme hype ne doive pas être cité injustement. En effet, il y a deux révolutions qui sont à la base de l’industrie intelligente et qui atteignent leur pleine maturité, dans la mesure où elles ne peuvent plus limiter l’objectif global de l’industrie intelligente à la théorie, mais que cet objectif peut enfin aussi être traduit dans la pratique. La première révolution se situe dans le domaine des matériels, conformément à la Loi de Moore.*."

*(ndlr: qui affirma, dès 1965, que le nombre de transistors par circuit allait doubler tous les deux ans, ce qui allait devenir le catalyseur du progrès technologique qui allait durer plusieurs décennies. Cependant, les limites physiques – lisez l’atteinte de la limite atomique en ce qui concerne l’épaisseur des conducteurs et les effets quantiques qui se produisent à cette échelle – semblent annoncer la fin de ce constat révolutionnaire).

Tim de Wolf: “La puissance de calcul qui se trouvait dans Apollo 11 en 1969, est aujourd’hui intégrée dans les grille-pains. La capacité des processeurs est devenue plus accessible. Les mathématiques sont la seconde évolution, peut-être la plus importante. Les algorithmes deviennent de plus en plus intelligents, et cette intelligence est doublée tous les dix-huit mois. Pourquoi la Smart Industry est-elle précisément hype? Parce que nous pouvons combiner les révolutions des matériels et des algorithmes. Voyons cela en chiffres: cette combinaison fait en sorte que ce qui nécessitait 3 ans de calcul il y a 25 ans, peut aujourd’hui être calculé en à peine 1 seconde. Pour l’usinage des métaux, cela a résulté en des commandes CNC plus puissantes, capables de programmer plus vite des usinages toujours plus complexes, comme l’usinage simultané à cinq axes.”

De beaux chiffres donc, mais qui hélas ne convainquent pas l’entrepreneur moyen.

De Wolf: “C’est vrai. La capture de données est une chose, mais l’avantage économique se trouve surtout dans le data mining, la recherche de modèles dans les données pour pouvoir établir des prédictions, par rapport à la maintenance ou à la capacité de production p.ex., mais aussi pour les fluctuations dans la quantité des bons de commande. Si on prend le secteur du transport maritime, on remarque que des capteurs sans cesse plus intelligents sont déjà intégrés dans les moteurs des grues de chargement pour peser les containers en temps réel. Cela devient vraiment intéressant quand on sait que les données générées par ces capteurs peuvent être utilisées pour, à l’aide d’un modèle de simulation, charger les navires de la manière la plus optimale qui soit et diminuer ainsi leur consommation de carburant. Répartir le poids pour économiser de l’argent. Voilà ce qui intéresse précisément les entrepreneurs.”

L’industrie métallurgique, plutôt conservatrice, est-elle prête pour un tel concept?

De Wolf: “Les modèles de simulation numérique de machines, voire de processus de production intégraux, sont parfaitement disponibles. La collecte des données à l’aide de capteurs intelligents pour percevoir l’état des machines ou d’unités d’alimentation est relativement courante. Récemment – nous parlons de ces deux dernières années – il y a eu un afflux d’une nouvelle génération de capteurs extrêmement puissants. Voyez les capteurs qui, via le spectre électromagnétique, peuvent mesurer la permittivité diélectrique relative et la viscosité des huiles hydrauliques pour constater à un stade précoce des problèmes potentiels dans les composants hydrauliques d’une machine, afin de pouvoir modifier les paramètres des processus ou des machines. Cela permet d’éviter des défaillances et des arrêts. Aux niveaux matériels et mathématiques, tous les arguments sont là, mais la chaîne globale n’est pas encore clairement définie pour réaliser un usage optimal des Big Data.”

Règne-t-il un certain protectionnisme chez les constructeurs de machines? Car le but pour le client final est que ses machines puissent communiquer entre elles, indépendamment de la marque?

De Wolf: “En principe, le fabricant de machines doit fournir un accès au protocole de la commande à l’entreprise métallurgique, afin que les données disponibles puissent être utilisées, indépendamment de la marque, et largement intégrées au niveau de l’entreprise. Le déroulement est encore assez rigide et même si c’est un phénomène qui préoccupe surtout les intégrateurs, il serait souhaitable de prévoir en standard une plus grande ouverture dans les commandes de machines.”

Existe-t-il des secteurs via lesquels l’industrie métallurgique peut se modeler en matière d’analyse de données?

De Wolf: “Pour faire de l’analyse de données correctement, il faut des mathématiciens et des analystes qui, assistés par de puissants logiciels, peuvent établir des liens. Koning & Hartman peut se fonder sur le partenariat avec Ortec, un des plus grands fournisseurs de logiciels d’optimalisation et de solutions d’analyse au monde. Même si ces logiciels peuvent rechercher eux-mêmes des liens, la confiance n’est pas (encore) là pour faire réaliser des adaptations en temps réel et de manière autonome aux systèmes de commande de production sur la base d’une foule d’algorithmes. Le concept commence tout doucement à tendre vers l’AI ou intelligence artificielle autoapprenante. Mais cela demande du temps. Actuellement, on préfère avoir solidement les rênes entre les mains. Comparez cela à l’Adaptive Cruise Control (ndlr : la vitesse du véhicule est automatiquement adaptée, lorsque vous vous trouvez à une certaine distance du véhicule qui vous précède). Si vous venez d’acquérir cette technologie, vous ne lui ferez pas confiance et vous appuierez bien fort sur la pédale de frein. Après un certain temps, vous remarquerez que les constructeurs automobiles ont bien fait leur travail et que vous pouvez compter sur eux. Je pense qu’un tel état d’esprit va aussi se glisser dans l’industrie. Dès qu’une augmentation de l’efficience sera visible, la fonction des systèmes sous-jacents évoluera d’une simple prestation de conseil à une mise en œuvre autonome des décisions au nom d’une meilleure maîtrise des processus.”

OBSTACLES

A l'heure actuelle, il paraît qu’à peu près 70% des données capturées ne sont pas utilisées.

De Wolf: “Voilà qui me semble particulièrement positif. La collecte des données, l’établissement d’une analyse stratégique, l’obtention d’une perception et le déploiement de modèles prédictifs demandent du temps. C’est là que se trouve l’essence des Big Data, alors que c’est le point où de nombreuses entreprises rendent les armes.”

Quels sont les obstacles pratiques qui empêchent aujourd’hui la réalisation d’une analyse adéquate des données?

De Wolf: “ Si l’acquisition des données et les rapports se font encore manuellement, on n’est alors pas loin. Lorsque cet écueil est contourné, le facteur humain reste un autre obstacle. Les gens ne peuvent tout simplement pas contenir et traiter le flux de données. Un autre obstacle est la protection et la taille du réseau. Bien souvent, les réseaux se révèlent être trop petits pour pouvoir utiliser optimalement les objectifs prévus par Industrie 4.0, et à cela s’ajoute la peur des failles de sécurité et le vol de propriétés intellectuelles. Un troisième point épineux qui freine l’usage optimal des données, est le temps. Vous n’avez souvent pas le temps de fournir une analyse correcte et d’exposer les principales choses à optimaliser. Last but not least, il y a la force de frappe. Y a-t-il assez d'argent pour investir dans les ressources pour profiter pleinement des données disponibles? Bien souvent, les modifications structurelles et les implémentations en faveur d’Industrie 4.0 sont peu estimées à leur valeur: ‘Tout cela est-il vraiment nécessaire?’. Chez de nombreuses entreprises, les marges sont trop restreintes pour dédier des personnes à l’analyse de processus et à leur adaptation éventuelle. Et donc elles jettent le gant avant même que le profit effectif ne devienne palpable.”

UN PROCESSUS DE PRODUCTION AUTOADAPTATIF
La production autoadaptative n’est plus une science-fiction du fait des ressources et de la disponibilité des techniques d’automatisation, des outils de communication et des algorithmes pour l’analyse de données. Dans la pratique, la surveillance de la production avec les capteurs utiles permet, en cas de dépassement de valeurs spécifiques, de transmettre en temps réel des conseils au système de contrôle de production qui génère les conséquences nécessaires. Par l’échange mutuel de données entre le scanner (capteurs) et le système de commande, il se crée un processus de production autoadaptatif qui permet d’augmenter la qualité du produit fini, mais aussi d’assurer la continuité. ‘first-time-right’ (la production d’une pièce unique au prix d’une production de masse) et la livraison ‘just-in-time’ sont à portée de main.

PAR OU COMMENCER?

Une fois les obstacles surmontés, comment lancer un processus permettant d’utiliser des données pour rendre votre entreprise meilleure?

De Wolf: “Déterminez d’abord un point à l’horizon. Où voulez-vous aller? Abstenez-vous de vouloir atteindre cet objectif en une fois, mais identifiez un petit projet partiel à partir duquel vous vous lancerez, puis essayez de le développer en passant d’une acquisition de données manuelle à un mode automatique. Un seul couplage de données peut déjà être un début. Essayez, pas à pas, de traduire les bits & bytes en des modulations pratiques pour améliorer votre entreprise. Ces pas ne doivent pas être trop grands, car cela doit rester gérable pour l’entreprise et les collaborateurs. Avec une seule machine (intelligente) et une seule plateforme pour notamment la visualisation, vous pouvez déjà en principe faire vos premiers pas dans la fabrication axée sur les données.”

N’importe quelle entreprise peut-elle franchir le pas vers l’exploitation des données aussi facilement?

De Wolf: “Il est évident que les petites start-ups avec de jeunes cadres ont acquis la mentalité globale de l’usage des données pendant leur formation et ils l’utiliseront pleinement. Les organisations plus importantes comme les multinationales savent que les infimes optimalisations de quelques pourcentages peuvent générer des millions, et donc elles ne ratent pas non plus cette opportunité. Mais l’acteur moyen, dans lequel je place 90% de toutes les entreprises, semble être souvent trop lourd pour agir dynamiquement sous l’impulsion des données.”

HOLOGRAPHIC MACHINE INTERFACE
ICONICS propose maintenant aussi, via la HoloLens de Microsoft, une solution de réalité augmentée pour le monde de l’automatisation industrielle et les environnements de production en temps réel. Vous pouvez p.ex. piloter un robot via des mouvements de la main que vous réalisez pour la HoloLens, tout en visionnant les données de processus en temps réel. Koning & Hartman collabore avec ICONICS pour traduire les opportunités de la HoloLens dans des solutions Smart Industry & Factory Automation pratiques.