Étude de cas : télémétrie intelligente

Contexte du client

Une entreprise spécialisée dans la fabrication de produits pharmaceutiques souhaite faire figure de leader dans son créneau d’expertise et a décidé d’emboîter le pas et d’adopter certains principes de l’Industrie 4.0, dont la télémétrie intelligente avec les capteurs AIoT. Dans un premier temps, l’entreprise souhaitait être en mesure de connaître le pourcentage de temps productif de chacune de ces lignes de production. De plus, dans un souci d’amélioration continue, le directeur de production voulait que soient colligées, par les opérateurs, les causes des arrêts et des ralentissements de production. Enfin, l’équipe désirait connaître, en temps réel, l’état de santé de certains équipements critiques afin de mettre en oeuvre la maintenance prédictive automatisée.

Défis et objectifs

Avant le projet, l’équipe d’opération et d’entretien n’avaient pas accès à un système de contrôle et d’acquisition de données en temps réel. Ils ne pouvaient savoir facilement le taux d’utilisation des équipements (TRG), les temps d’arrêt ou une tendance montrant, par exemple, un problème sur un équipement. La plupart de ces données étaient compilées par les employés sur plusieurs formulaires papier. Ces données devaient ensuite être saisies dans les différents progiciels de l’entreprise par l’adjointe administrative du directeur d’usine. Il était donc très difficile pour les gestionnaires d’optimiser le volume de production en temps réel et de prévoir les actions à prendre afin de réduire les temps d’arrêt et les risques de délais de livraison des commandes clients.

Après une rencontre avec l’équipe de gestion, les objectifs suivants ont été définis :

• Procéder à l’analyse de connectivité des équipements critiques ;
• Déterminer la meilleure approche de communication requise en considérant la collecte des données des PLC des équipements pour les 2 lignes de production.
• Évaluer la pertinence d’ajouter des capteurs sans fil pour les mesures manquantes ou s’il est trop complexe ou coûteux d’aller chercher les données directement des contrôleurs (PLC) ;
• Évaluer les coûts pour la collecte des données et la mise en historique dans le but d’obtenir des tableaux de bord de gestion.
• Monter le plan/budget de télémétrie des lignes pour l’équipe de direction.

Solutions proposées

Dans un premier temps, un audit de télémétrie intelligente a été réalisé par la firme AméliorAction inc. Les indicateurs de performance recherchés par l’équipe de gestion ont été définis :

• Nombre d’items produits par opérateur, par heure, par quart, par jour.
• Ratio temps productif/temps planifié.
• Le temps production (up time), de ralentissement et improductif (down time) des équipements critiques.

L’audit a permis d’évaluer le budget en capital requis et la période de retour sur investissement (ROI) qui s’est révélé être moins de 6 mois.

Solution matérielle :

Après analyse, les équipements ont été classés en 2 catégories, selon l’arbre de décision figure ci-dessous.

Le scénario 1 impliquait que l’équipement était déjà doté des capteurs requis pour l’acquisition des indicateurs de performances recherchés. L’acquisition de données pouvait donc se faire via les contrôleurs de données (PLC) tel qu’illustré dans la figure ci-dessous :

Le scénario 2, illustré ci-dessus, a été appliqué aux équipements sans capteurs ni PLC ou dont les données étaient inaccessibles.

Les capteurs requis pour le projet ont ensuite été installés en collaboration avec l’équipe en place, dans un but de formation en AIoT. Par la suite, la solution logicielle d’Andromedia Technologies a été déployée.

Solution logicielle :

La solution logicielle permet d’assurer le suivi global de chaque équipement par l’équipe de production et d’entretien soient le suivi de la productivité et le suivi de l’état de santé de la machine grâce aux :

• Graphiques et tableaux de bord facile à consulter et à interpréter (voir exemples ci-dessous).
• Application web partageable, compatible avec PC et appareils mobiles (Android ou IOS) ;
• Fenêtre de saisie des informations entrées manuellement par les opérateurs ;
• Affichage des résultats d’analyse des entrées manuelles et des données des capteurs.
• Historique des arrêts et les ralentissements de la production des équipements. L’interface offre en outre un outil facilitant la recherche des arrêts ou des ralentissements selon différents critères de recherche.
• Module d’analyse de la productivité et des arrêts/ralentissements. Pour consulter la productivité de chaque machine pour une période de temps donnée sous forme d’indicateur de performance. Permets de connaître le nombre d’arrêts et de ralentissements par équipement pour un intervalle de temps donné.
• Le pourcentage pour chacun est également fourni. Différents indicateurs de performance peuvent être ajoutés en fonction de vos besoins précis. Les données peuvent être facilement exportées afin d’effectuer une analyse plus poussée avec PowerBI Desktop ou Excel.

Phase 2 : Maintenance prédictive et intégration des données

Afin d’optimiser son investissement, l’équipe se propose de réaliser les éléments suivants en phase 2 du projet :

• Certaines mesures importantes afin de mettre en place des algorithmes de maintenance prédictive. Par exemple, le suivi de la vibration, de la charge électrique et du débit de la pompe d’eau purifiée peut être une information à considérer dans une analyse prédictive, car cette pompe peut causer un arrêt général d’usine (voir page écran ci-dessous).
• L’intégration des données avec les progiciels de l’entreprise afin de déclancher une demande de bon de travail en urgence (3 jours d’avis) ou importante (moins d’un mois d’avis).

Bénéfices réalisés

Ce premier projet a été couronné de succès avec la collaboration des gestionnaires d’opération et d’entretien. Une formation sur la télémétrie intelligente a été offerte aux principaux joueurs de l’équipe du plancher de l’usine afin de les rendre autonomes avec les capteurs et la solution logicielle. Désormais, l’équipe de production et d’entretien connaissent en temps réel:

1. Les temps d’arrêt et de ralentissement des équipements, avec graphiques de suivi à l’appui;
2. Le taux de productivité de chacun des équipements. Ces métriques sont présentées sous forme d’indicateurs visuels pertinents ;
3. Les causes d’arrêt ou de ralentissement. Ceci peut aider à déterminer quels employés opèrent différemment ou sont les plus « durs » sur les machines, souvent par bonne volonté de pousser la productivité au maximum ;

Enfin, les superviseurs ont le sentiment d’être plus proactifs à prévenir des problèmes grâce aux :

1. Avis par SMS ou par courriel qui permet au superviseur, à l’électromécanicien d’agir avant un arrêt ou un ralentissements de longue durée.
2. Graphiques de tendances faciles à consulter et utiliser comme bon leur semble.

Dans une 2^e phase, l’entreprise souhaite intégrer ses données directement dans ces différents progiciels (ERP et GMAO). 

Conclusion

Témoignage du directeur de production :

Comment s’améliorer sans se mesurer ? Grâce à l’implantation de la télémétrie intelligente, nous avons enfin des outils pour nous améliorer en continu avec l’implication des employés. Les graphiques de tendance et de Pareto sont très utiles et accessibles à tous. Après quelques semaines seulement, nous avons déjà amélioré la productivité de 5 % sur notre équipement de production principal et c’est loin d’être fini! À terme, avec l’aide de la maintenance prédictive automatisée, nous prévoyons augmenter notre efficacité d’au moins 20% .