ia: industrial analytics GmbH – détecter les lacunes de production, améliorer les performances
Grâce à la mesure du temps de vol de la lumière, le détecteur de distance O1D108 détecte si la tête de découpe est en fonctionnement ou en position de repos.
Des process transparents: un regard dans la boîte noire
L’entreprise «ia: industrial analytics GmbH» d’Aix-la-Chapelle offre à ses clients une solution globale pour la digitalisation des installations de production – de l’acquisition des données à la visualisation. Pour cela, elle utilise des capteurs IO-Link d’ifm qui permettent d’extraire les données des process de fabrication de manière peu invasive et en mode plug&play. L’objectif: La visualisation selon un diagramme en cascade du TRG permet de montrer de manière transparente les causes des problèmes dans l’enchaînement d’une séquence de production ainsi que leurs effets respectifs. Grâce à cette information, les différentes étapes de production peuvent être imbriquées de manière optimale. Il en résulte une augmentation de l’efficacité, comme le montre l’exemple concret d’application dans l’industrie sidérurgique.
Le cœur de l’installation est appelé ia:factorycube. Avec son unité centrale, son routeur et son logiciel d’évaluation, il comprend déjà tous les composants informatiques nécessaires pour collecter, évaluer et visualiser les données générées – et les transmettre au cloud si nécessaire.
Le traitement complet des informations est effectué dans le factorycube. En outre, le système est adaptable de manière modulaire aux souhaits du client. «Il est possible de stocker les données sur le factorycube ou d’intégrer l’appareil à l’infrastructure informatique du client. La troisième option est le stockage et l’analyse des données dans notre système de cloud, que nous mettons dans ce cas à la disposition de notre client».
Nicolas Altenhofen, Marketing Manager chez industrial analytics, ajoute: «Notre approche ne se limite donc pas au stockage des données. La deuxième étape, le traitement et la visualisation des données, est beaucoup plus importante. Il ne s’agit pas tant pour nous d’optimiser les processus de fabrication. Nous pensons toujours aux indicateurs de performance. Nous utilisons par exemple un détecteur optoélectronique pour savoir si la machine fonctionne ou non, ou pour déterminer le nombre de pièces. Nous voulons savoir: Quand la machine s’est-elle arrêtée? Quand la machine a-t-elle fonctionné? Quelles ont été les raisons d’un arrêt de la machine? Ces données sont ensuite traitées et visualisées de différentes manières».
Afin d'exploiter le factorycube de manière aussi variée et donc aussi efficace que possible, industrial analytics mise délibérément sur des interfaces ouvertes. Des extensions sont ainsi possibles sans grande complexité. Actuellement, des solutions sont par exemple développées pour l’assurance qualité avec systèmes de caméras et apprentissage automatique, ainsi que pour la planification et la répartition des capacités ou la maintenance prévisionnelle avec une analyse des vibrations à haute fréquence. Grâce à la modularité, chaque client reçoit exactement les solutions dont il a besoin dans sa démarche vers l’industrie 4.0.
Jeremy Theocharis explique de quoi il s’agit en fin de compte: «Nous pouvons mettre en évidence des potentiels d’optimisation. Certaines installations coûteuses ne sont pas utilisées efficacement. De nombreux clients n’ont tout simplement aucune visibilité de la durée de traitement d’une commande, par exemple. Le taux d’utilisation réel de l’installation est également souvent inconnu. Nous ouvrons cette boîte noire et permettons au client de prendre des décisions objectives, basées sur des données, et de tirer des enseignements pertinents, comme le fait que le goulot d’étranglement n’est pas la machine, mais l’approvisionnement en matériaux».
On peut citer en exemple un client important dans l’industrie sidérurgique, dont les machines ont été mises à niveau en quelques semaines par industrial analytics pour pouvoir gérer les performances de manière globale sur deux sites.
Gestion de la performance: le diagramme du TRG en cascade part du principe que les machines fonctionnent à 100%. Il indique en détail combien de ces 100% sont perdus en fonction de quels motifs d’arrêt.
Pas de transparence des données au niveau de l’atelier
Le parc de machines du client se compose entre autres d’installations de découpe au plasma, d’installations de découpe autogène et d’installations de sablage. Ces dispositifs permettent de découper des plaques d’acier et de les retravailler. Jeremy Theocharis: «Le problème de notre client était qu’il n’avait aucune visibilité de ses processus et performances de production. Par exemple, l’entreprise ne savait pas combien de temps il fallait réellement pour produire une certaine pièce sur une certaine machine».
Il existait certes des durées de consigne théoriques pour les différents produits, mais celles-ci n’avaient pas été jusque-là comparées aux durées réelles. De plus, il y avait une méconnaissance de la disponibilité et de l’utilisation des capacités des machines. Les arrêts de machines et leurs causes n’étaient pas enregistrés. Sans ces précieuses informations, l’entreprise n’avait aucun moyen de surveiller les performances de production, d’identifier les problèmes et de prendre des décisions axées sur les données pour améliorer les processus de production.
L’ia:factorycube recueille les données des capteurs connectés, les traite et les transmet au cloud si besoin.
Données en temps réel grâce aux capteurs ifm
A l’aide du factorycube et de divers capteurs d’ifm, les données manquantes ont pu être collectées pour obtenir la transparence nécessaire dans les processus de fabrication. Au total, 14détecteurs de distance optiques des types O5D100 et O1D108 ont été installés sur huit installations de découpe au plasma et de découpe autogène. Ces détecteurs permettent de déterminer si la machine en question est en service et depuis combien de temps. Les détecteurs ont été positionnés de manière à ce que le faisceau lumineux soit dirigé vers la tête de coupe des installations. Dès que la machine est mise en service, la tête de coupe s’abaisse et la distance par rapport au détecteur de distance change. Sur la base de cette modification de distance, le système détecte que la machine est en cours d’utilisation. En outre, des transmetteurs de vibrations de type VTV122 et des détecteurs de distance optiques de type O5D100 ont été installés sur trois dispositifs de sablage. Ces capteurs aident également à déterminer l’état de fonctionnement des machines.
Diminution des temps d’arrêt des machines et augmentation de la productivité
Les données collectées par les capteurs ifm sont traitées dans factorycube et envoyées dans un cloud pour y être visualisées dans un tableau de bord. Les décideurs de l’entreprise peuvent observer en temps réel l’état des machines et les indicateurs de production, comme le TRG (taux de rendement global). Sur la base de ces données, des mesures peuvent être prises pour optimiser les processus de production.
Le succès ne s’est pas fait attendre: quelques semaines seulement après l’installation des capteurs, l’entreprise a pu améliorer sensiblement son efficacité et sa productivité.
Des capteurs commandés rapidement
Le fait que l’on mise sur les capteurs d’ifm chez industrial analytics est dû en grande partie à la bonne présence d’ifm sur les moteurs de recherche et à sa boutique en ligne . Jeremy Theocharis se souvient: «Au début, nous avons comparé de nombreux fournisseurs de capteurs. Nous avons finalement atterri dans la boutique en ligne d’ifm. J’ai été véritablement enthousiasmé par le fait que l’on y voyait directement les prix et que l’on pouvait cliquer directement sur «commander» au lieu de devoir définir un projet pendant une éternité. Nous avons alors commandé les capteurs. Grâce à IO-Link, ils ont été installés rapidement et ont toujours bien fonctionné en fournissant des résultats précis. Peut-être que les capteurs sont un peu plus chers, mais ils fonctionnent de manière fiable et nous avons une boutique où nous pouvons facilement les commander en un seul clic».
Mesurer la charge de travail: les capteurs ifm détectent si les machines travaillent ou si elles sont en état d’attente.
Conclusion
«Peu importe la solution d’industrie 4.0 que l’on souhaite mettre en place, il est impossible d’obtenir un résultat satisfaisant sans données fiables et précises», explique Jeremy Theocharis.
Avec des capteurs IO-Link performants, ifm crée une base de données qui peuvent être collectées, traitées et visualisées avec le factorycube d’ia: industrial analytics. Cette interaction permet de créer de la transparence, d’améliorer les performances et donc, au final, de réduire les coûts de production.