Les personnes impliquées dans le contrôle de la production et la technologie de production dans l’industrie manufacturière peuvent entendre les termes “usine intelligente” de plus en plus souvent ces jours-ci. Le concept de cette usine intelligente est assez large, et il y a des cas où les significations de chaque position sont différentes. En outre, il existe un mouvement de la part du gouvernement pour prendre l’initiative de rendre l’industrie plus intelligente. Nous présenterons ici la définition générale des usines intelligentes, les problèmes auxquels est confrontée l’industrie manufacturière actuelle, la feuille de route du gouvernement en matière d’intelligence, des exemples spécifiques de feuilles de route et des exemples d’introduction sur site.
Qu’est-ce qu’une usine intelligente ?
Une usine intelligente est une usine avancée qui met en œuvre l’industrie 4.0 préconisée par le gouvernement allemand. Concrètement, il s’agit d’introduire des robots, de l’intelligence artificielle (IA), de l’IoT (Internet des objets), etc. dans les usines sans personnel, et d’améliorer la productivité et la qualité. En d’autres termes, il s’agit de promouvoir davantage l’automatisation des usines existantes et de construire des systèmes de production plus sophistiqués.
Défis actuels de la fabrication et feuille de route de l’usine intelligente
Cette usine intelligente est considérée comme ayant un grand impact sur l’industrie japonaise, et le ministère de l’économie, du commerce et de l’industrie a également compilé un rapport d’enquête intitulé “Manufacturing Smart Roadmap Survey” en 2017. Dans cette feuille de route, nous montrons les problèmes actuels tels que l’amélioration de la qualité, la réduction des coûts, l’amélioration de la productivité, le raccourcissement de la période, la pénurie de ressources humaines, l’amélioration de la valeur ajoutée / valeur fournie, la gestion des risques / traçabilité, et leurs solutions. Il décrit comment la fabrication devrait être dans 20 ou 30 ans et les problèmes qui y conduisent. En outre, les solutions suivantes, en trois étapes, sont présentées pour relever ces défis.
Collecte / accumulation de données
En extrayant et en visualisant les informations utiles, il s’agit de transformer la connaissance obtenue en savoir-faire et en savoir. Par exemple, l’idée est de collecter une grande quantité de données en automatisant l’inspection et en les organisant à l’aide de graphiques et de diagrammes.
Analyse des données/prédiction
En analysant et en apprenant une énorme quantité d’informations, il est possible d’identifier les facteurs du phénomène, de modéliser le phénomène et de faire des prédictions futures. Cela inclut l’analyse des données par l’analyse factorielle, l’analyse statistique ou l’apprentissage automatique par l’intelligence artificielle.
Contrôle / optimisation des données
Il s’agit de faire le meilleur jugement et la meilleure exécution sur la base du résultat de l’analyse et du résultat de la prédiction. Un exemple est d’améliorer les défauts trouvés par l’analyse.
De cette façon, nous pouvons voir que les “données” sont très importantes pour la réalisation d’usines intelligentes. Dans l'”automatisation” précédente, seules les données numériques telles que les dimensions et le poids étaient utilisées, mais les “données” deviennent ici plus larges. On peut dire qu’il s’agit d’une quantification des “choses qui se produisent dans le système de production”, comme les images, les sons et les mouvements des personnes, ainsi que des données numériques. C’est grâce au formidable développement des équipements informatiques ces dernières années qu’il est devenu possible de traiter ces données. On peut dire que les usines intelligentes peuvent être réalisées grâce à la percée de la technologie informatique.
Un exemple concret de feuille de route
Ensuite, examinons de plus près les trois étapes ci-dessus. Par exemple, si le problème du système de production est “l’amélioration de la qualité”, il faut “réduire le taux de défauts” pour améliorer la qualité. Pour ce faire, nous commençons par collecter des données en détectant les erreurs des opérateurs et en traitant les défauts. C’est l’étape de “collecte/accumulation des données”. Ensuite, à l’étape “analyse/prédiction des données”, nous analysons les erreurs et les défauts de traitement passés et identifions les processus où les erreurs et les défauts de traitement sont susceptibles de se produire. Ensuite, nous éduquerons les travailleurs qui ont commis des erreurs et apporterons des modifications à la conception afin d’éviter les processus où des défauts de traitement se sont produits. C’est l’étape de “contrôle/optimisation des données”.
Exemples spécifiques d’efforts sur le terrain
Quels efforts sont déployés sur le terrain pour réaliser une telle usine intelligente ?
Dans une usine d’usinage, les machines-outils étaient connectées via un réseau afin de fournir une fonction permettant de vérifier l’état de l’usinage et de notifier la fin de l’usinage. C’est ce qu’on appelle l’IdO. Cela a permis à une seule personne d’être en charge de plusieurs machines-outils.
En outre, le temps de traitement peut être acquis et stocké sous forme de données. Cela correspond à “collecter et accumuler des données”. Ensuite, en analysant les données acquises, il devient possible d’optimiser le temps d’usinage. Vous pouvez voir qu’il s’agit de “l’analyse/prédiction des données” et du “contrôle/optimisation des données”. En répétant ces trois étapes, nous avons pu optimiser les conditions et le temps d’usinage au quotidien, améliorant ainsi la productivité et réduisant les coûts de fabrication.
De même, un capteur a été fixé à la machine-outil (ici, la meuleuse qui effectue le polissage) afin que la force de polissage appliquée pendant le polissage puisse être mesurée, acquise et stockée sous forme de données. Là encore, en analysant les données accumulées, il est devenu possible d’optimiser les conditions de traitement. Vous pouvez constater que le polissage est réussi en incluant les mêmes étapes que celles que nous avons vues précédemment.
Ces efforts sur le terrain sont une extension des activités existantes de réduction des coûts sur le terrain, mais l’objectif ultime des usines intelligentes est de promouvoir l’intelligence et l’automatisation dans l’ensemble de la chaîne d’approvisionnement des produits. Il y a là un avantage. Lorsque l’ensemble de la chaîne d’approvisionnement des produits deviendra plus intelligente, l’atelier de fabrication deviendra beaucoup plus efficace et utilisera davantage de données. Toutefois, il convient de noter que l’industrie manufacturière japonaise est soutenue non seulement par de grandes entreprises possédant de nombreuses usines et de grandes chaînes d’approvisionnement, mais aussi par des PME et des usines urbaines. Par conséquent, pour le développement de l’industrie manufacturière japonaise, il est essentiel d’impliquer ces petites et moyennes entreprises et ces usines urbaines.
Usine intelligente et edge computing
Comme mentionné ci-dessus, les données sont très importantes dans les usines intelligentes. On peut dire que la collecte de données est l’une des clés de l’intelligence. Cependant, lorsqu’il s’agit de réaliser une usine intelligente qui couvre l’ensemble de la chaîne d’approvisionnement, la quantité de données est énorme. En outre, il est également nécessaire de les traiter rapidement. Dans ce contexte, l’informatique cloud est indispensable pour la collecte, l’analyse et le stockage des données, mais il peut s’avérer difficile de relier l’atelier à cloud. Dans ce cas, il faut introduire edge computing où l’on peut analyser et traiter les données en douceur.
Le concept d’usine intelligente est vaste et profond.
Cette fois, j’ai présenté une petite partie du concept de l’usine intelligente. Cependant, le concept d’usine intelligente ne s’arrête pas là. Comme déjà mentionné, le concept d’usine intelligente est l’idée d’usine intelligente, qui vise à résoudre et à améliorer les problèmes mentionnés dans le texte. Pour ainsi dire, tous les efforts techniques pour faire évoluer l’usine peuvent être qualifiés d’usine intelligente.
