La transformation numérique dans le secteur manufacturier fusionne avec les technologies émergentes

La transformation numérique de l'industrie manufacturière nécessite une combinaison de technologies émergentes qui s'attaquent à des objectifs industriels séculaires : augmenter la production, améliorer la qualité et réduire les temps d'arrêt des équipements.

L'IdO, l'informatique en nuage et en périphérie, les réseaux 5G et l'IA comptent parmi les développements informatiques que les fabricants espèrent exploiter. Les entreprises déploient généralement les nouvelles technologies en combinaison plutôt que de se concentrer sur un seul domaine comme réponse à leurs besoins.

"Il n'est pas possible de ne choisir qu'une courte liste de technologies et de les déclarer comme la prochaine grande chose", a déclaré Max Ivannikov, consultant en solutions chez DataArt, une société d'ingénierie logicielle basée à New York. "Tout projet d'innovation est toujours une combinaison de différentes technologies et de processus soigneusement conçus visant à atteindre des objectifs commerciaux."

Y parvenir peut s'avérer difficile pour les entreprises manufacturières, qui ont tendance à disposer de ressources informatiques limitées par rapport à d'autres secteurs. Les fournisseurs de services informatiques cherchent à combler cette lacune en proposant des services de conseil et de mise en œuvre pour aider les organisations à adopter les technologies émergentes. Les partenaires apportent leur expertise dans des domaines tels que la science des données et la gestion du changement.

La nature distribuée de la fabrication complique cependant leur travail. Une grande entreprise industrielle peut s'étendre sur plusieurs usines, une myriade de lignes de production et des piles technologiques variées. De plus, les centres de fabrication individuels fonctionnent avec une grande autonomie. Ces caractéristiques de l'industrie rendent difficile la mise à l'échelle d'un déploiement local dans une organisation, ce qui présente aux partenaires un défi technique et culturel.

Technologies émergentes dans le secteur manufacturier : IIoT, cloud et périphérie

Les fabricants, bien qu'étant un groupe varié, présentent des points communs dans l'utilisation de la technologie. L'IoT sert souvent de base aux projets de transformation. Les capteurs IoT industriels (IIoT) fixés aux machines d'atelier génèrent une multitude de données sur la température, les vibrations, la tension, l'acoustique et le temps de cycle, entre autres facteurs.

En conséquence, les entreprises industrielles se retrouvent "assises sur une énorme quantité de données", a déclaré Özgür Kaynar, directeur général d'Analythinx, une société de science des données et de services gérés à Istanbul, en Turquie.

Les technologies adjacentes telles que la 5G s'ajouteront à ces magasins de données. Ivannikov a déclaré que la 5G fournit la densité de capteurs, la faible latence et la vitesse de connexion souhaitées par les fabricants, ce qui rend encore plus de données disponibles à partir des appareils IIoT.

Les fabricants exploitent une autre technologie, le cloud computing, pour collecter et stocker ces données à des fins d'analyse et d'IA.

"Les technologies cloud facilitent grandement la saisie des données des capteurs", a déclaré Kaynar. Le cloud peut également héberger les données des systèmes ERP, les applications métiers de base des entreprises industrielles. Avec un accès à des sources de données plus larges dans le cloud, les fabricants peuvent passer de l'analyse descriptive à l'analyse prédictive. Les avantages qui en résultent comprennent la maintenance des équipements en temps opportun, l'optimisation de la chaîne d'approvisionnement et l'optimisation de la main-d'œuvre, a-t-il ajouté.

Les fournisseurs de cloud ont développé des composants performants pour chaque phase d'analyse avancée, a expliqué Kaynar. Ceux-ci incluent l'intégration des données des capteurs, les rapports en libre-service, les tableaux de bord et l'apprentissage automatique (ML).

Sur un projet, Blue.cloud travaille avec une grande entreprise de fabrication en Turquie pour collecter des données de capteurs et les rendre disponibles dans le cloud pour des applications et des tableaux de bord d'informatique décisionnelle. Les données collectées dans le cloud aident l'entreprise à identifier les anomalies dans les processus de fabrication et, sur la base de ces informations, à augmenter la production, a déclaré Kaynar.

Bien que l'analyse se déroule dans le cloud, elle se déroule également en périphérie. L'informatique de périphérie accélère l'analyse pour les décisions basées sur les données. En effet, l'approche informatique déplace le traitement près de l'origine des données dans l'atelier. De plus, les données sensibles restent sur le matériel local et ne transitent pas vers le cloud, ce qui renforce la sécurité.

Les fabricants commencent à utiliser à la fois la périphérie et le cloud pour l'analyse, en utilisant la périphérie pour mieux comprendre les conditions locales et en utilisant le cloud pour une vue d'ensemble des opérations dans les usines, ont déclaré des dirigeants de l'industrie. Le continuum d'analyse de données commence à la périphérie éloignée, qui comprend des contrôleurs logiques programmables sur le sol de l'usine et une myriade de capteurs, continue jusqu'à la périphérie proche, où les données sont agrégées, et jusqu'à la périphérie macro, qui comprend des centres de données sur site, un site distant ou le cloud, a déclaré Bruce McKinnon, architecte stratégique en chef chez Insight, un intégrateur de solutions dont le siège est à Chandler, en Arizona. Le cloud représente le quatrième niveau de cette périphérie intelligente, offrant calcul et stockage.

Le cloud est bien adapté au volume élevé d'analyses de données volumineuses, a déclaré McKinnon. Le cloud, cependant, a une latence plus élevée que le calcul local sur site. Pour cette raison, les fabricants doivent utiliser le bord proche pour les applications à faible latence. Il a cité l'exemple de la sécurité des travailleurs, qui exige un traitement quasi instantané pour traduire un avertissement de sécurité en un ordre d'arrêt de la machine ou une alerte de notification.

L'IA gagne du terrain

L'adoption de l'IA et du ML est devenue plus répandue parmi les fabricants qui ont plus de données à exploiter. L'IA et le ML permettent aux entreprises d'automatiser les processus et de les rendre plus intelligents, a déclaré Ivannikov. "Il est difficile d'imaginer un projet de nos jours sans utiliser l'IA/ML", a-t-il noté.

Un nombre croissant de projets entrent dans la catégorie de l'hyperautomatisation. L'hyperautomatisation décrit un ensemble de technologies utilisées pour faire évoluer l'automatisation au sein d'une entreprise. L'IA, le ML et l'IoT alimentent cette tendance chez les fabricants, a déclaré Paul Lewis, CTO chez Pythian, une société de services informatiques basée à Ottawa.

L'hyperautomatisation va de la simple automatisation des tâches pour les travailleurs de première ligne à l'automatisation des processus pour les lignes de production, en passant par l'exploitation de plusieurs usines, a-t-il noté.

Ce domaine comprend également l'exploration de processus, qui aide les entreprises à découvrir les goulots d'étranglement dans leurs opérations. Accenture, par exemple, utilise l'offre d'exploration de processus basée sur l'IA de Celonis pour améliorer les processus de Mann+Hummel, une société allemande qui fabrique des technologies de filtration. Accenture et Celonis ont conclu un partenariat en janvier 2022.

L'aspect vision par ordinateur de l'IA joue un rôle dans la fabrication, la gestion de la qualité étant le cas d'utilisation central. La vision par ordinateur, utilisée avec la réalité augmentée et le ML, peut détecter les anomalies parmi les articles sortant d'une chaîne de production avec une plus grande précision que les inspecteurs humains de l'assurance qualité, a déclaré McKinnon, citant des taux de précision de l'ordre de 90 % pour la méthode.

"Le véritable attrait est d'améliorer la précision", a-t-il noté.

La vision par ordinateur permet aux fabricants de comparer une pièce à un bon enregistrement connu, qui peut être une image, un dessin d'assemblage ou une nomenclature. Les data scientists créent un modèle ML pour chaque cas d'utilisation afin d'effectuer cette comparaison.

Services rendus

Les fournisseurs de services aident les clients à naviguer sur le Web des technologies interdépendantes, en fournissant une expertise supplémentaire aux organisations qui manquent de compétences en transformation numérique.

"Souvent, la transformation numérique n'est pas une compétence essentielle pour les entreprises manufacturières", a déclaré Ivannikov.

Les équipes informatiques peuvent également manquer de compétences dans des technologies particulières. Un fabricant peut ne pas avoir de personnel consacré à l'analyse avancée ou à l'ingénierie des données, a déclaré Kaynar. Une banque de premier plan, en revanche, pourrait faire appel à 100 à 150 experts en science des données et en ingénierie, a-t-il déclaré.

Les partenaires peuvent combler le manque de talents grâce à la transformation numérique et aux compétences technologiques. Mais ils aident également les clients à constituer leurs propres pools d'expertise. Blue.cloud propose un service d'activation du centre d'excellence analytique, qui travaille avec les clients pour identifier des candidats parmi le personnel informatique interne pour des postes en science des données ou en ingénierie IA, puis propose une formation de deux mois.

Le service établit également une stratégie de données et d'analyse, qui identifie les problèmes commerciaux à résoudre grâce à l'analyse, et détermine les types de composants de données et de technologie pour les résoudre. Blue.cloud offre également un support à long terme, complétant le personnel du client avec ses ingénieurs cloud/analytiques et ses data scientists.

Pythian, quant à lui, travaille avec des clients industriels pour tirer le meilleur parti de leurs données, a déclaré Lewis. Cela pourrait signifier les aider à prendre les bonnes décisions sur la façon d'utiliser les données et la technologie, a-t-il noté. Ou, Pythian peut collaborer avec un fabricant pour découvrir des informations client qui génèrent un avantage concurrentiel.

Les services de conseil (élaboration de feuilles de route pour la stratégie numérique d'un client) et les conseils techniques caractérisent les offres de l'industrie manufacturière des partenaires. De plus, les partenaires traduisent la stratégie en une conception architecturale, créent des processus agiles et fournissent des services de déploiement. La gestion du changement - aider les employés d'un fabricant à adopter les processus numériques nouvellement créés - devient également importante à mesure que la transformation commence à s'installer.

"Lorsque vous modifiez le processus, vous devez recycler les gens", a déclaré McKinnon.

Évoluer avec succès dans des environnements distribués

Un projet initial de transformation numérique a généralement une portée limitée au sein d'une seule usine ou d'une seule chaîne de production. Les avantages de la technologie de pointe se multiplient s'ils peuvent être mis à l'échelle au-delà de la première étape. C'est plus facile à dire qu'à faire, cependant.

"Le processus de transformation numérique peut différer même entre deux usines de la même entreprise, fabriquant les mêmes produits", a déclaré Ivannikov. Les différences peuvent ne pas s'avérer dramatiques, mais les partenaires peuvent s'attendre à trouver quelque chose d'unique où qu'ils se tournent, a-t-il ajouté.

Une grande entreprise de fabrication peut avoir 40 usines, une variété d'environnements informatiques et de producteurs de machines internes, trois ou quatre fournisseurs de cloud et différents outils de BI et d'analyse, a noté Kerem Koca, co-fondateur et co-PDG de Blue.cloud, un fournisseur de solutions de transformation numérique basé à Tampa, en Floride. Compte tenu de ce niveau de diversité, Blue.cloud crée une architecture de référence pour une usine, puis la réplique dans d'autres usines. L'architecture de référence comprend des blocs de construction technologiques, des normes et du code réutilisable.

Cette approche permet aux usines individuelles d'acheter des produits auprès de différents fournisseurs, à condition qu'ils adhèrent à l'architecture, a déclaré Koca.

McKinnon d'Insight encourage également la vision architecturale à long terme, les fabricants déployant progressivement des technologies dans ce cadre. La mise à l'échelle devient une conversation continue entre le partenaire et le client alors qu'ils recherchent des gains individuels au fil du temps.

"Vous n'avez pas besoin d'une transformation numérique de bout en bout pour constater une amélioration vraiment significative", a-t-il déclaré.