fr.wedoany.com Rapport : La vague d’investissements en capitaux stimule la construction de nouvelles usines, où l’évolutivité et la maîtrise des coûts deviennent cruciales. Cependant, de nombreuses usines disposent d’équipements multi-générations non conçus pour un environnement d’atelier numérique, et manquent d’ingénieurs en informatique. Les entreprises ont besoin d’un cadre renforçant la rigueur technique et la discipline opérationnelle. La transformation des ateliers numériques doit se faire par étapes, sans perturber les opérations, chaque étape visant à réduire les délais de livraison et les coûts de détention des stocks.
Les systèmes existants constituent le principal obstacle au changement, mais l’IA peut prendre en charge la détection des anomalies et aider à contrôler les systèmes existants. Par exemple, en collaborant avec les fabricants, il est possible d’évaluer rapidement des systèmes tels que l’ERP ou le MES, d’enregistrer automatiquement le code existant, et de le mapper sur un modèle de données de production standardisé, en intégrant, via des couches existantes comme l’OPC UA, l’IA sans toucher à la logique de contrôle, ni altérer les systèmes existants.
Pour les équipements trop coûteux à remplacer, on peut les moderniser avec des dispositifs intelligents externes pour capturer les signaux physiques et les aligner sur le modèle de données de production standardisé. Les données sont traitées en périphérie, transmises par une passerelle vers un modèle d’événements partagé, et les actifs publient leur état via MQTT.
L’espace de noms unifié (UNS) résout le problème de la fragmentation des données en faisant de la gestion des stocks une discipline opérationnelle en temps réel. Les systèmes ne sont pas directement intégrés, mais publient et s’abonnent à des événements sur une couche de données partagée. Cette architecture découplée réduit les délais de livraison de plusieurs semaines à quelques jours. L’UNS offre une vue opérationnelle en temps réel, jetant ainsi les bases de l’Industrie 4.0 et de l’IA.
Le déploiement de l’IA doit utiliser une combinaison de composants éprouvés pour répondre aux besoins de l’atelier tout en dépendant de la qualité des données. Les fournisseurs personnalisent les modèles existants, combinant vision par ordinateur et réseaux neuronaux pour créer des actifs de grande valeur. Le maintien d’une discipline de publication garantit que les systèmes numériques ne nuisent pas à la fiabilité opérationnelle. Les entreprises performantes atteignent une évolutivité cohérente et considèrent les stocks comme une discipline opérationnelle en temps réel, obtenant ainsi un avantage en termes d’efficacité du capital.
