Maintenance prédictive

Dans son étude « Unlocking the potential of IOT » le cabinet de conseil McKinsey estime que le coût des opérations de maintenance pourrait être abaisser, d’ici 2025, de près de 630 milliards de dollars grâce à l'utilisation de la "maintenance prédictive". Une somme qui met en exergue le besoin pour les usines d’optimiser au mieux leurs processus afin de générer des économies substantielles. 

Basée sur la combinaison de l’IIoT (capteurs, caméras, micros…) et de l’intelligence artificielle (pour structurer et interpréter les datas produites par ces objets connectés), la maintenance prédictive permet au personnel de l’usine de connaitre l’état des machines qui composent l’usine (ou tout autre système comme les rames du réseau SNCF) à tout moment. Le but est de pouvoir réussir à déceler les signes de fatigue de certaines pièces afin de les remplacer avant leur rupture, et ainsi d’anticiper et réduire l’arrêt brutal des opérations.

Pour Schneider Electric, un autre problème se pose. L’arrêt brusque d’une machine est également un vecteur de danger pour les employés non qualifiés qui tenteraient de mener les réparations. La maintenance prédictive est ici à la fois un moyen d’optimiser la production d’électricité dans le temps mais aussi de garantir la sécurité de ses employés en s’assurant que seuls les spécialistes se chargent de l’entretien des machines.

Ce projet fait partie du programme de transformation digitale plus vaste intitulé EcoStruxure par Schneider Electric et que nous décrivions dans un précédent reportage.

Optimisation de la chaine de production

Grande problématique des retailers et des industriels : l’anticipation de la demande. Etre capable de le faire signifie en théorie d’être capable d’optimiser le formatage des moyens de production au cours du temps. Il s’agit là de l’un des enjeux principaux du fonctionnement de l’usine du futur. Ce gain en agilité est aujourd’hui à portée de main grâce à la mise en place d’écosystèmes ultra connectés.

Dans le cadre de son expansion en Chine, L’Oréal utilise l’IA pour estimer la demande de certains produits. Et pour cause, l’extrapolation traditionnelle du chiffre d’affaires pour prévoir les ventes futures ne s’applique pas à la région tant les usages sont nouveaux.

Grâce à la détection de signaux faible (commentaire sur les réseaux sociaux, reviews, ratings…) l’intelligence artificielle peut estimer la demande client et envoyer l’ordre aux usines d’intensifier ou de diminuer leurs productions permettant ainsi aux opérateurs en charge de la chaîne de disposer d’un agenda de formatage plus ergonomique et corrélé à la demande réelle du marché.

Le travail de prédiction de l’intelligence artificielle ne s’arrête pas là. Elle se révèle également capable de proposer la création de nouveaux produits (ou plutôt l’altération des cosmétiques déjà produits), pour qu’ils soient plus en phase avec les besoins du marché.

La supply chain à l’épreuve de l’industrie 4.0

Véritable épine dorsale des entreprises, la supply chain a pourtant été longtemps délaissée dans le cadre de la transformation digitale. Il aura fallu attendre l’arrivée de géants, tels qu’Amazon, pour que les sociétés prennent conscience du potentiel ROI d’une supply chain optimisée.

Néanmoins, un rapport IDC montre que seulement 8% des supply chains dans le monde s’estiment suffisamment "digitalisées". Pertes de conteneurs, denrées périmées, matériel endommagé, etc. ne sont là que quelques-unes des conséquences possibles lorsque la chaîne se grippe...

Pour résoudre ces problèmes, PSA a pris la décision de s’allier à IBM et Sigfox et d’adopter la solution  "Track & Trace". Elle permet au groupe automobile de connaitre en temps réel la position de chacun de ses conteneurs ainsi que l’état de la marchandise transportée.

À la base de l’outil, on retrouve une combinaison d’IoT "sur mesure" (taille, poids, emplacement, type de données mesurées…), de l’IA (analyse des résultats) et d’un réseau dédié à la solution baptisé 0G.  Cette dernière est également évolutive et pourra donc être modifiée en fonction des futurs besoins de PSA.

Grâce à cet outil, le groupe français optimise d’ores et déjà le roulement de ses conteneurs et ainsi d’éviter de potentielles ruptures de la chaine de production.

Ces 3 cas d’usages de l’intelligence artificielle en industrie "4.0" ne représentent que la partie visible de l’iceberg. De nombreuses autres possibilités sont envisagées (bien que moins concrètes) par les acteurs du secteur : du renforcement de la cybersécurité aux simulations automatiques (via notamment le développement des jumeaux numériques). Autant d’évolutions que suivra le HUB Institute.