• Produits
  • Industries
  • IIoT & solutions
  • Services
  • Société

Utilisation optimale plutôt que gaspillage: mieux planifier les capacités des machines

01.03.23

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.

Optimiser le processus de production – mais comment?

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.

L’intelligence artificielle est requise

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.

Planification optimale et simultanée de plusieurs machines ou postes de travail

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.

Calculer le plan de production «le meilleur possible»

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.

La combinaison de l’intelligence artificielle et du pegging apporte des avantages évidents

Les avantages dont bénéficient les utilisateurs du nouvel outil de planification sont clairs:

  • L’utilisation des ressources peut être beaucoup mieux planifiée, ce qui permet de mettre fin au gaspillage. Un exemple : une machine critique provoque un embouteillage dans le process de fabrication. Les conséquences: la commande ne peut pas être terminée dans les délais, les machines et les ouvriers qui suivent sont à l’arrêt, les produits intermédiaires issus des processus en amont doivent être stockés temporairement. Cela coûte de l’espace de stockage et des emballages vides et augmente l’immobilisation du capital. Et cela peut être évité, voir ci-dessus.
  • Le débit s’accélère parce que les temps d’attente, de repos et de préparation sont coordonnés. Cela permet de réduire les coûts d’exploitation et d’assurer une utilisation régulière des capacités. De plus, le taux de rendement global (OEE) est augmenté et le rendement global augmente sans qu’il soit nécessaire d’augmenter la vitesse de production dans les zones critiques ou de mettre en place des équipes spéciales.

Résultat : le gaspillage est stoppé sept fois

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:

  • Transport – Les pièces et les matériaux sont transportés d’un endroit à un autre
    La livraison des matériels au poste de travail est adaptée au plan de production en termes de temps et de capacité. Cela permet d’éviter les temps d’attente, les pénuries de matériel et les offres excessives.
  • Stock – Produits (intermédiaires) ou éléments de construction non achevés; stock de pièces de sous-traitance
    Au lieu de constituer des stocks tampons pour pallier les goulots d’étranglement «redoutés», toutes les commandes sont fabriquées en temps voulu. Moins de stock signifie moins de coûts.
  • Mouvement – Mouvements inutiles des employés ou des machines.
    Au lieu de travailler constamment sur des dysfonctionnements dans le déroulement et de jouer ainsi uniquement aux pompiers, les matériels et les personnes peuvent être utilisés de manière optimale et sans stress. Les solutions de contournement suite à des perturbations sont obsolètes.
  • Temps d’attente – par exemple pour la livraison de pièces achetées ou de produits intermédiaires
    Les retards dus aux retards dans le process de fabrication appartiennent au passé.
  • Surproduction – Production de stocks sans acheteurs (internes ou externes)
    L’utilisateur n’a pas besoin de prévoir des tampons pour des installations de machines supposées être des goulots d’étranglement. Il fabrique selon des commandes «réelles».
  • Sur-ingénierie – Ajout de fonctionnalités qui n’apportent pas de valeur
    Au lieu de cela, l’algorithme détermine une solution qui offre une efficacité élevée dans un délai performant. Celle-ci n’aspire pas à un plan parfait, mais à la meilleure stratégie. Elle reste «légère» et renonce par exemple à des possibilités d’analyse complexes qui auraient un effet contre-productif sur la transparence et l’utilisabilité.
  • Défauts – Des pièces doivent être retouchées.
    Changements soudains de plans, réaffectation de ressources à d’autres machines et postes de travail, arrêts imprévus: de telles irrégularités entraînent souvent des erreurs dans la production. Cela aussi peut être évité en combinant l’intelligence artificielle et le pegging.

Conclusion: mieux planifier l’utilisation des ressources et ainsi mettre fin au gaspillage

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.