Par Gerald Scheffels pour ifm
Dans (presque) chaque production, il existe des machines critiques qui, en tant que «goulots d’étranglement», déterminent la cadence d’une zone de production complète et nécessitent donc une attention particulière de la part de la planification de la production. Des outils logiciels existent pour cette tâche. Mais la pratique le montre: même s’ils sont utilisés et que les planificateurs tiennent compte du goulot d’étranglement potentiel, il y a malgré tout toujours des blocages et des retards dans la production.
La cause: le logiciel peut très bien surveiller le fonctionnement de la machine et, dans l’idéal, l’optimiser. Mais il lui manque la vision de l’environnement – avec pour conséquence que la présumée «machine à problèmes» fonctionne à merveille et fournit constamment des performances maximales, mais que les processus en amont et en aval posent désormais problème.
Par conséquent, un outil logiciel qui n’optimise qu’une seule installation dans une production en chaîne est clairement «sous-optimal». Des systèmes de planification de la production, en abrégé GPAO, sont utilisés sur de nombreux sites. Ceux-ci sont certes utiles, mais ne considèrent les processus de fabrication que de manière schématique et séquentielle, comparable à un collier de perles. Les dépendances entre les postes de travail, les données en temps réel et l’horodatage ne sont pas pris en compte ici. On en reste donc à un plan «théoriquement» possible. Même avec un tel outil, il peut exister des goulots d’étranglement, comme le prouve l’expérience plus ou moins douloureuse de nombreuses entreprises.
Peut-on faire autrement, c’est-à-dire mieux? Oui, bien sûr. Un exemple : dans le cadre d’un projet pilote, un constructeur automobile a collecté et analysé des données de manière cohérente dans son atelier de carrosserie afin d’optimiser les processus. Le résultat: il est désormais possible de produire 15% de carrosseries en plus par unité de temps. Il faut toutefois ajouter que toute une équipe – y compris l’accompagnement scientifique – s’est consacrée à ce projet, et près de deux milliards de jeux de données ont été examinés, corrélés et évalués à l’aide d’algorithmes. Cela est peut-être possible pour une production automobile en série, mais pas pour une production industrielle «normale» – sans compter que l’évaluation des données ainsi que la mise en œuvre des connaissances nécessitent beaucoup de temps et de connaissances d’experts.
La question qui en découle est la suivante: peut-on l’utiliser à plus petite échelle? C’est là qu’intervient un algorithme basé sur l’IA, qui permet de déterminer mathématiquement le meilleur résultat possible dans un temps de calcul donné. Les premiers algorithmes sont apparus dès l’Antiquité et ont depuis fait leurs preuves. De nos jours, de telles méthodes sont utilisées, entre autres, pour l’évaluation d’échantillons aléatoires. Le nouvel outil logiciel Factory Optimization Excellence (FOX) repose lui aussi sur un algorithme basé sur l’intelligence artificielle et permet ainsi de planifier simultanément et de manière optimale tous les postes de travail de l’usine.
Au premier abord, cela n’a rien de spectaculaire. Mais pour remplir cette fonction de manière pratique, le logiciel doit tenir compte de toutes les exigences, dépendances, commandes et capacités et les mettre en relation. Le volume de données à prendre en compte est vertigineux. Une équipe d’experts comme celle décrite ci-dessus mettrait des mois à faire le calcul: pas la situation idéale pour une planification glissante ou une période de planification d’une à deux semaines.
L’algorithme basé sur l’intelligence artificielle de la solution ifm assure que toutes les ressources et exigences de toutes les commandes considérées et de toutes les machines disponibles sont combinées en un plan de production réellement réalisable. Le système calcule ensuite un autre plan avec exactement les mêmes données, compare les résultats et rejette le plan le moins bon. Le système calcule de nouveaux plans de fabrication, les compare et conserve le meilleur jusqu’à ce que la limite de temps prédéfinie soit atteinte. Le meilleur plan à ce moment-là est ensuite transmis au planificateur de production.
Mais l’algorithme intelligent n’est qu’une partie de la solution révolutionnaire d’ifm, car même les mathématiques au plus haut niveau ont besoin des bonnes données. Dans ce que l’on appelle le «pegging», les dépendances de tous les postes de travail sont déterminées pour chaque commande à traiter pendant la période considérée. Cela comprend également les horodatages, par exemple les temps d’attente et les temps de préparation. Dans le pegging, le réseau complexe des process de fabrication est «démêlé» et peut ensuite être utilisé pour calculer le plan de production.
Les avantages dont bénéficient les utilisateurs du nouvel outil de planification sont clairs:
Plus précisément, le nouveau logiciel offre sept avantages. En effet, il traite chacun des sept types de gaspillage de ressources qui existent dans la chaîne logistique. Ces gaspillages sont connus sous l’acronyme «TIM WOOD»: Transport, Inventory, Movement, Waiting, Over-Production, Over-Engineering, Defects. En français: transport, stock, mouvement, temps d’attente, surproduction, sur-ingénierie, défauts.
Un exemple concret dans la fabrication:
Dans chacun des sept «Pain Points » de la chaîne logistique interne, le nouvel outil logiciel peut réduire le gaspillage et optimiser l’utilisation des ressources disponibles. Cela vaut pour le fonctionnement «isolé» de FOX et – dans une mesure encore plus grande – pour son utilisation en combinaison avec d’autres outils IIoT d’ifm, qui traitent par exemple les thèmes de la maintenance et de la qualité Track & Trace. L’outil est également recommandé en tant que module complémentaire aux produits de base de GIB, permettant entre autres d’identifier les stocks morts, les excès ou insuffisances de couverture, d’optimiser les portées et d’équilibrer les stocks de sécurité.