Comment utiliser l'empreinte digitale dorée pour exploiter iot

Pour les départements informatiques cherchant activement à tirer parti de la technologie Internet des objets (IoT) pour avoir un impact positif sur un processus de fabrication, il existe un terme important à connaître, et pas seulement parce que cela ressemble à quelque chose qu'Indiana Jones aurait peut-être déjà chassé: The Golden Empreinte digitale. Lors du salon CEBIT qui s'est tenu cette semaine à Hanovre, en Allemagne, Bart Schouw, vice-président de la technologie et des alliances numériques chez Software AG, a expliqué pourquoi cette empreinte est dorée et ce que cela signifie pour l'informatique.

"L'empreinte digitale en or est une métaphore", a expliqué Schouw, avant de poursuivre en affirmant qu'il s'agissait d'un élément de preuve essentiel dans un roman policier. Mais dans l'entreprise, il peut être appliqué à un processus de fabrication pour déterminer quand les conditions sont réunies pour produire ce que Schouw appelle un produit parfait.

La recherche de l'empreinte digitale dorée est un processus itératif, un schéma de tâche qui se produit lorsque des données sont enregistrées pendant la fabrication et sauvegardées, afin qu'une série de cycles de fabrication puisse être comparée dans le temps. Simultanément, la sortie de l’usine est évaluée de manière à enregistrer le succès de chaque cycle de fabrication, ainsi que les données enregistrées pendant la fabrication. Si le résultat est correct, il en résulte une sorte d’empreinte digitale composée de la totalité des entrées provenant du matériel de fabrication - des capteurs qui enregistrent l’état du produit au cours de la fabrication - et d’une mesure du succès global du résultat du processus.

Le processus de prise d'empreintes digitales a été développé à l'origine pour l'industrie chimique, mais Schouw a déclaré qu'il était généralement applicable à la plupart des types de fabrication. Un fabricant d’automobiles, par exemple, aurait des dossiers sur l’origine de chaque composant, les températures pendant la peinture, les lectures de couple pour chaque vis ou boulon et les lectures des robots soudeurs lors de la construction du châssis. Ensuite, lorsque la voiture est produite, la qualité de la production est suivie lors de l’entretien de la voiture ou lors de la réparation des défauts.

Apprentissage automatique dans la fabrication automobile

Appliquons le scénario à une hypothétique usine automobile. À mesure que chaque voiture est fabriquée, les lectures sont suivies pendant le processus de production de bout en bout et comparées aux cycles de production précédents. Supposons qu'un problème survienne, par exemple un boulon serré au mauvais réglage du couple, par exemple. Ce problème est enregistré et il peut maintenant être corrigé avant la vente de la voiture. Finalement, les machines de production peuvent être calibrées pour que ces erreurs ne se produisent pas et les véhicules sont expédiés sans défauts importants.

"Parfois, en particulier dans l'industrie des procédés, les conditions qui conduisent au produit parfait ne sont pas claires", a déclaré Schouw. "Ainsi, avec l'apprentissage automatique et les nouveaux outils de visualisation des données, vous pouvez réellement utiliser les données d'un cycle de production qui a abouti au lot parfait de produit. Vous pouvez ensuite demander aux outils d'apprentissage automatique de revenir en arrière et de trouver des modèles similaires dans les données."

Comme vous vous en doutez, tout type de fabrication complexe nécessiterait des milliers de points de données individuels pour chaque cycle de fabrication afin de disposer de suffisamment de données pour obtenir une empreinte digitale significative. Cela nécessite, à son tour, des capteurs qui mesurent l’état du produit à un moment donné, ainsi que l’état des outils de fabrication et des machines utilisées. C'est là que la technologie IoT et le département informatique peuvent briller.

Au fur et à mesure que chaque cycle de fabrication est terminé, les données de ce cycle peuvent être visualisées sous forme de configuration d'événements conduisant au produit. Cela nécessite des capteurs et des outils en réseau et un moyen d’enregistrer ces événements. Des logiciels spécialisés sont également nécessaires pour exécuter les évaluations. Schouw a déclaré que cette partie devenait un cas d'utilisation important pour l'intelligence artificielle (IA) et l'apprentissage automatique.

Suivi des données de production en temps réel

C’est à ce moment que l’informatique et la fabrication se rejoignent. Le service informatique doit consolider la grande quantité de données de chaque cycle de fabrication, puis l’utiliser pour comparer chaque cycle à l’empreinte digitale dorée du cycle parfait. Comme l'analyse est analysée en temps réel, elle est également comparée aux analyses précédentes, de sorte qu'il est possible de déterminer à l'avance quand une analyse a peu de chances de réussir.

Dans le processus de fabrication, il est peut-être possible d’ajuster les paramètres de fabrication même si ceux-ci se rapprochent de l’empreinte dorée. La possibilité de visualiser une série en cours de production et de déterminer à l'avance quand une série ne sera pas une réussite peut permettre de réaliser des économies considérables - en ne gaspillant pas de matériel supplémentaire dans une série qui n'aboutira ni ne perdra plus de temps.

Schouw a cité Trendminer comme un exemple d'entreprise qui produit le logiciel à base d'IA capable de trouver l'empreinte dorée et de suivre le processus de production en temps réel. Il a également déclaré que Software AG avait prévu d’acquérir Trendminer.

Rendre la fabrication plus efficace

Cependant, les économies de coûts et les aspects liés à la qualité supérieure ne sont pas tous liés à l'IdO et à la fabrication. Schouw a expliqué qu'un autre aspect de l'utilisation du machine learning dans la fabrication est impliqué dans le suivi de la courbe en F (le "F" représente les défaillances, qui sont suivies pour une usine dans le temps). Lorsque vous suivez la courbe F, vous effectuez une empreinte digitale sur l’usine plutôt que sur le produit, en commençant dès la construction de l’usine, puis après sa mise en service, puis à sa fermeture définitive car le pourcentage de défaillances atteint des niveaux inacceptables l'âge des installations de production.

En suivant les conditions qui contribuent aux défaillances de la production au fil du temps, il est possible de les réduire à des niveaux acceptables jusqu’à atteindre le point de rendements décroissants: Quand il est trop coûteux de continuer à réparer les choses et qu’il est plus logique de reconstruire l’usine.

Ce qui est important, c’est que, en impliquant directement les TI dans le processus de fabrication, la fabrication devient plus efficace, il y a moins de déchets et moins de défauts. Et l'entreprise économise de l'argent. Fait correctement, les résultats apparaissent presque immédiatement. Pour les services informatiques des entreprises du secteur manufacturier, l’empreinte digitale dorée constitue un excellent point de départ pour intégrer l’IoT au cœur même de l’entreprise.