Accueil » Dossiers » Actualité » L’industrie 4.0 – Les TI pour mieux gérer la production en usine

L’industrie 4.0 – Les TI pour mieux gérer la production en usine

Les fournisseurs de solutions numériques veulent sensibiliser les entreprises manufacturières à l’importance d’utiliser les nouvelles technologies dans leurs procédés industriels. Parmi les outils reliés au concept de « l’industrie 4.0 », l’infonuagique, les objets connectés, les mégadonnées sont désormais à la portée de l’entreprise manufacturière. Le 31 octobre dernier à Québec, à l’invitation de Novipro et de Dell EMC, des spécialistes ont fait le point sur l’utilisation des technologies de l’information (TI) pour transformer les usines en manufacturiers innovants.

Novipro offre une vaste gamme de solutions pour les entreprises, touchant à la fois les infrastructures, les logiciels, les progiciels (ERP), la simulation, les conseils technologiques, etc. Fondée en 1993 à Montréal, elle emploie quelque 120 professionnels. Des bureaux ont été ouverts à Québec et Paris en 2006, puis à Toronto en 2011.

Patrick Caron, directeur livraison chez Novipro, a présenté les grandes lignes d’affaires de la firme de consultants, axées sur les façons de faire (Novipro solutions d’affaires), les besoins du client (Novipro solutions technologiques) et les opérations (E-Space plateforme d’affaires infonuagique). Après avoir percé dans le secteur des TI, Novipro vise le secteur manufacturier. « L’important, c’est de bouger et de pas attendre que le projet soit parfait. Il faut bouger rapidement, même en faisant des petits pas, car le “timing” est très important si l’on veut demeurer concurrentiel », insiste Patrick Caron.

Plastique Micron

Véronique Roy (à droite) et David Pouliot, de Plastique Micron. ©Alain Castonguay

Plastique Micron est une société établie depuis 1970 à Sainte-Claire, en Chaudière-Appalaches. Elle exploite aussi une imprimerie spécialisée à Saint-Anselme et une autre usine de production et d’entreposage à Orangeville (Ontario), acquise en 2014. Véronique Roy, directrice des opérations, a fait part de la transformation de l’usine de Sainte-Claire, entreprise en 2010. Des travaux similaires commenceront aux installations ontariennes au début de 2018.

En décembre 2016, Investissement Québec et le Fonds de solidarité ont acheté 60 % des parts de Plastique Micron. L’entreprise avait alors exprimé son intention d’acquérir de nouvelles installations. Véronique Roy confirme que Plastique Micron est sur le point d’annoncer une transaction qui ajoutera une troisième usine de production dans la région de Montréal.

Comptant quelque 200 employés, Plastique Micron exploite une cinquantaine de presses industrielles et produit quelque 180 millions de contenants de plastique, bouteilles et bouchons. Ses produits sont livrés à l’industrie pharmaceutique, au marché des soins personnels et à l’industrie alimentaire. La capacité de production des installations actuelles est de 230 millions de contenants, et sa capacité d’entreposage totalise 112 000 pieds carrés.

Ses clients sont situés principalement au Canada et dans le nord-est des États-Unis. « On transporte de l’air », lance Véronique Roy en souriant, en notant que l’entreprise livre tout de même ses bouteilles à un exploitant en Californie.

En implantant le système de suivi de ses activités de production, l’entreprise visait à relever le défi de la traçabilité des produits. « Si l’un de nos clients reçoit un camion de bouteilles et trouve un seul cheveu dans une boîte qu’on vient de lui livrer, il nous retourne le lot au complet », dit Véronique Roy.

En analysant ses données de production, Plastique Micron a établi le prix de revient de ses différents produits, ce qui l’ai aidé à améliorer son processus de soumission. Le fabricant a dégagé du temps-machine pour solliciter de nouveaux clients et mieux cibler ses investissements dans de nouvelles cellules robotisées, notamment du côté de l’emballage. « C’est parce qu’on a investi dans un système d’exécution manufacturière qu’on a eu l’information exacte sur nos coûts, et c’est ainsi qu’on a su où il fallait investir pour nos équipements », dit-elle.

Plastique Micron a ainsi signé un contrat de 8 millions d’unités auprès d’un distributeur d’huile végétale de la région de Montréal, ce qui lui a permis de percer le marché des gros contenants qui lui échappait jusque-là.

De son côté, David Pouliot, directeur des services manufacturiers, explique les différentes étapes de transformation des procédés. Plastique Micron voulait obtenir l’information fiable et en temps réel sur la production de l’usine et l’état des inventaires. Chaque équipement de production est doté d’un écran tactile où les opérateurs et les emballeurs peuvent documenter le travail en cours, relié à un contrat précis pour un client donné. Au fur et à mesure que l’inventaire des produits finis augmente, le volume des intrants en matières premières diminue.

Le suivi de la production permet d’intensifier le contrôle de la qualité, de détecter les problèmes et de rejeter les items non conformes aux exigences des clients avant qu’ils soient expédiés. Chaque machine est connectée à un automate sur le plancher de l’usine afin de capter toutes les étapes du cycle de production, ajoute M. Pouliot.

Analyse prédictive

Matthieu Lirette-Gélinas, de Maverick Analytik. ©Alain Castonguay

Matthieu Lirette-Gélinas, expert en analyse des données industrielles chez Maverick Analytik, a fait part de la pertinence de l’analyse prédictive dans le cadre de la gestion courante des activités de production.

Le développement des TI génère une quantité importante de données, rappelle-t-il. Dans une usine, les données fournissent de l’information sur ce qui s’est passé, par exemple concernant le pourcentage de qualité dans le dernier trimestre, l’évolution des ventes ou le taux de rétention des employés. On pousse l’analyse pour comprendre les résultats, en faisant des analyses de corrélation. On se sert enfin de cette analyse pour mieux prédire les tendances et corriger le tir au besoin, indique Matthieu Lirette-Gélinas.

Il raconte un cas vécu chez IBM. On cherchait à trouver la source d’un problème intermittent de qualité sur des microprocesseurs, où l’on constatait un défaut de fabrication qui produisait un court circuit. On a eu recours à la méthode « Ishikawa » (ou « fishbone » en anglais), inspirée du squelette d’un poisson. En analysant les « 6 M »: machine, main-d’œuvre, milieu, méthode, matières premières et mesures, on a trouvé 57 variables qui pouvaient être la source du problème de production.

Avec des analyses de corrélation, on en a réduit la cible à 14 variables, « ce qui a permis d’éliminer 43 fausses pistes », dit-il. En quelques jours, on a pu trouver la source du problème: la combinaison du retrait d’une étape de nettoyage et de l’absence d’un tuyau d’évacuation sur certains outils de cuisson provoquait le défaut de fabrication.

Lors du contrôle de la qualité, si l’on trouve un lot défectueux, il est fort probable que le lot précédent et le suivant le soient aussi. La même logique s’applique si on ne trouve pas de défauts durant l’inspection, précise-t-il. Le nombre des inspections est ainsi ajusté en fonction des données de production. On peut arriver à prédire quels seront les lots défectueux avant même de procéder à leur inspection. « Cela est nettement mieux que de devoir inspecter tous les lots à la suite d’un problème survenu après la livraison chez le client », explique l’expert.

Cette méthode a été utilisée chez Daimler. À partir de l’analyse de la qualité des têtes de cylindre pour les moteurs, le fabricant a développé un modèle prédictif concernant la fiabilité des pièces. On a ainsi axé les ressources d’inspection sur les pièces dont le degré de certitude de la qualité est situé dans les valeurs médianes. On a pu augmenter la production tout en réduisant le volume des inspections.

Il souligne les progrès liés à l’intelligence artificielle, notamment ceux liés à la reconnaissance d’images. De nombreuses applications sont possibles dans l’industrie: on peut s’en servir pour détecter des défauts sur les produits finis, ou encore prédire des défaillances. Chez GB Railways, qui exploite un réseau ferroviaire qui s’étend sur 15 000 kilomètres au Royaume-Uni, l’inspection représentait un énorme défi.

Avec l’aide des chercheurs de l’université Huddersfield, le transporteur a installé des capteurs sous des wagons en les faisant circuler là où les dépressions du sol forçaient le convoi à ralentir. On a récupéré les données des capteurs et une interface d’analyse a été conçue. Le système envoie des alertes lorsque les conditions sont suspectes. Le transporteur arrive à mieux cibler les inspections et à entretenir son réseau, indique Matthieu Lirette-Gélinas.

Chez Novipro

Steve Paré, de Novipro. ©Alain Castonguay

Steve Paré, directeur de pratique simulation chez Novipro, a présenté le fonctionnement du logiciel SIMIO. Ingénieur industriel de formation, après avoir découvert les outils de simulation dès 1988, il s’est acharné à les implanter dans les secteurs des mines, des forêts, de l’aéronautique, de la construction, etc.

Selon lui, la simulation en 3D élimine les risques et l’incertitude reliés à tout projet d’investissement. Elle est utile notamment lorsqu’on ajoute des machines sur une ligne existante. SIMIO permet d’intégrer les plans d’aménagement, les processus de production et les données provenant de sources diverses, comme le carnet de commandes. On lance le simulateur afin d’évaluer la production, les arrêts, trouver les goulots d’étranglement, etc. On ajuste les plans en fonction des résultats et on revoit le plan d’investissement.

« Il n’y a rien de plus coûteux que de concevoir une usine avant de s’apercevoir qu’elle ne correspond pas à nos besoins », dit-il. « Quand cela arrive, les délais de livraison des nouveaux équipements et le déboulonnage des machines à remplacer peuvent créer des contraintes logistiques et financières importantes. Il vaut mieux faire des erreurs tôt dans le processus de conception. »

Un fabricant automobile a utilisé la simulation pour une usine en Europe, afin d’ajuster le volume de convoyeurs requis pour alimenter la chaîne de production. Il a montré d’autres exemples pour une usine d’embouteillage, où la simulation a permis de gérer l’entreposage. Le coût de la licence, qui varie de 15 000 à 25 000 $ US selon les fonctionnalités, est récupéré de 10 à 15 fois, affirme Steve Paré. Selon lui, quatre jours de formation suffisent pour maîtriser la plateforme.

Rémi Marcoux, leader des ventes en solutions d’intelligence Big Data chez Novipro, a abordé le thème des objets connectés. Avec la plateforme Splunk créée en 2003, Novipro vise à aider ses clients industriels à analyser la quantité phénoménale de données fournies par les machines de production et les systèmes de surveillance.

Il n’est pas toujours facile d’implanter un système centralisé de gestion de données qui peuvent provenir d’une grande variété de capteurs dont les standards ne sont pas uniformes. Il faut aussi trancher, selon les relations contractuelles avec les fournisseurs de l’équipement, à qui appartiennent les données fournies par les capteurs, souligne Rémi Marcoux. Enfin, il ne faut pas négliger la cybersécurité, insiste-t-il.

Par Alain Castonguay

Photo de couverture: Patrick Caron, de Novipro. ©Alain Castonguay

Voir toutes les nouvelles industrielles et manufacturières

Aucun commentaire.

Répondre