Soccer team in a huddle

La maintenance prédictive ? Des dizaines de millions d’économie

24/07/17 par Eric Godard, DSI adjoint, Faurecia 16

L’analyse des données issues des machines de production doit permettre à l’équipementier automobile Faurecia de générer des économies substantielles, par exemple en permettant une plus grande disponibilité des machines grâce à une maintenance prédictive plus efficace. Toutes ces actions ne sont possibles que si elles s’appuient sur les systèmes d’information en place afin de tirer bénéfice de l’ensemble des données accessibles.

« Il y a un peu plus de deux ans, le président de Faurecia et son comité exécutif ont décidé d’engager le groupe dans un programme de transformation digitale, comportant différents volets dont l’un, des plus importants, porte sur l’Usine du Futur. Cette réflexion sur le futur de nos unités de production s’intéresse en particulier aux coûts générés par les pannes sur nos milliers de machines disséminées dans nos quelques 250 usines et par ceux créés par la non qualité dans les chaînes de fabrication. On parle ici d’enjeux se chiffrant en dizaines de Millions d’euros.

Pour progresser sur ces axes, nous imaginons connecter nos machines de production, collecter et analyser l’ensemble des données ainsi recueillies, comme la température, la pression ou tout autre paramètre intéressant afin de générer des alertes en cas de déviance par rapport au comportement standard, et de mettre en place les actions prédictives nécessaires. Jusqu’à présent, si nous récupérions déjà les données issues de certaines machines, nous utilisions peu ces informations et souvent uniquement de manière locale. Or, c’est le rapprochement de ces données avec leur contexte qui est susceptible de donner un sens, de nous permettre d’effectuer des déductions. Ce besoin de mettre en perspective ces données dans le cadre global du système d’information explique pourquoi cette initiative s’adosse à l’ERP SAP, qui a été généralisé au sein de notre groupe employant quelques 100 000 personnes dans le monde entier

Jusqu’à 500 messages par seconde, voire plus …

En particulier, toutes nos usines s’appuient sur le module de gestion de production MII de cet éditeur. C’est cet actif que nous avons choisi de valoriser en intégrant la plate-forme SAP Leonardo, notamment dédiée à l’IoT.  Une simple mise à jour d’un module de ce dernier (Pco) a suffi pour définir une architecture permettant la collecte des données des machines et leur transfert vers un environnement Big Data.

En complément, afin d’être en mesure d’intégrer un grand nombre de messages issus de ces machines, nous nous sommes lancés dans un projet de co-innovation avec SAP autour de l’outil Open Source Kafka, qui fait figure de standard dans l’IoT et que nous voulions intégrer à notre solution. La capacité à collecter un grand nombre de messages est importante notamment pour les machines à injection, où le cycle de presse s’avère très court. Sur quelques secondes, il nous faut récupérer un maximum de données pour détecter toute déviance par rapport à la courbe idéale. Grâce à ce partenariat avec l’éditeur, nous avons bâti une solution adaptée à toutes nos usines et capable de récupérer jusqu’à 500 messages par seconde, contre 10 au départ. Nous pensons pouvoir aller bien au-delà si nécessaire.

Générer des alertes au pied des machines

Tout l’enjeu aujourd’hui consiste à bâtir les algorithmes susceptibles de créer de l’intelligence autour de ces données. C’est là où l’implication des métiers est réellement centrale, car ce sont eux qui détiennent la connaissance des procédés de fabrication. D’ores et déjà, grâce à une année de tests dans une usine fabriquant des sièges de voiture (à Caligny, dans l’Orne), certains scénarios ont pu être déployés. Des modèles algorithmiques permettent ainsi de détecter des déviations par rapport à la courbe idéale de fonctionnement des machines. Et nous sommes aujourd’hui passés à l’étape de déploiement en production sur l’ensemble de l’activité de fabrication de sièges. Au passage, la mise en place de ces nouvelles solutions digitales soulève la question de l’adaptation de nos processus et de nos équipes de maintenance. Une part importante doit être dédiée à la gestion du changement.

La prochaine étape consistera à nous intéresser à la gestion des alertes au plus près des machines. En effet, pour ces scénarios, centraliser l’information dans Hadoop et HANA présente peu d’intérêt ; c’est au niveau de la machine elle-même que les données doivent être analysées « Edge architecture »

L’ouverture récente du Leonardo Center, dans les locaux de SAP à Paris, nous conforte dans nos choix technologiques, MII étant au coeur de l’offre Leonardo de l’éditeur. Nous sommes aujourd’hui à peu près certains que notre architecture va permettre de supporter notre progression vers l’Industrie 4.0 avec un bon niveau de pérennité.

Tags: , , , , , ,

Leave a Reply