Les avantages d'une prise de décision fondée sur les données

Prendre des décisions basées sur des données, et non sur des projections ou des résultats escomptés, permet d'obtenir des résultats beaucoup plus précis et efficaces en ce qui concerne votre équipement. Les données des capteurs peuvent être collectées et transformées en informations utiles bien au-delà de la présence ou de l'absence d'une pièce. Ces informations peuvent être utilisées pour aider les utilisateurs à prendre objectivement des décisions cruciales telles que le moment de commander des matériaux, la planification du personnel, de la production et de la maintenance, la détermination de la nécessité de moderniser les lignes de production et le moment de le faire, et bien plus encore.

Prenons l'exemple d'une entreprise d'estampillage de métaux dont les capacités d'analyse des données sont limitées. Des composants peuvent être ajoutés à l'équipement existant pour collecter et interpréter des informations auparavant inaccessibles afin de comprendre la disponibilité, les performances et la qualité des machines, qui sont les éléments essentiels de l'OEE. La qualité et les performances peuvent être contrôlées à l'aide de capteurs photoélectriques en comptant les bonnes pièces sortant de la presse, puis en comparant ce nombre au nombre total de pièces produites. La disponibilité de la machine est facilement contrôlée grâce à capteurs de surveillance du courant installés sur les câbles d'alimentation du moteur.

Les données de surveillance du courant permettent également de suivre la consommation d'énergie des équipements. En combinant la mesure du courant avec la tension d'alimentation et en surveillant ce résultat au fil du temps, les directeurs d'usine peuvent comprendre avec plus de précision les coûts de fonctionnement de leur équipement. Ces données permettent non seulement de savoir quel équipement est le plus rentable à exploiter, mais aussi d'éclairer les décisions futures en matière d'équipement en comparant les coûts d'entretien et de fonctionnement de l'équipement existant avec les coûts d'un nouvel équipement moins gourmand en énergie.

Traditionnellement, les grands fabricants confient à un expert en vibrations le soin d'analyser les moteurs et les roulements sur une base mensuelle ou trimestrielle, de suivre les relevés et d'essayer de corriger les problèmes de manière proactive avant que des défaillances ne se produisent. D'autres entreprises effectuent des travaux de maintenance à intervalles réguliers en fonction des besoins estimés, ou se contentent de remplacer les équipements lorsqu'ils tombent en panne. D'autres entreprises exploitent les données pour la maintenance prédictive, ce qui implique que l'apprentissage automatique analyse les données des capteurs de vibrations pour déterminer quand la maintenance est nécessaire et alerter les opérateurs afin qu'ils puissent résoudre les problèmes de manière proactive avant que l'équipement ne tombe en panne.

Un autre exemple est l'utilisation des données pour améliorer l'efficacité et le temps de fonctionnement des systèmes d'air comprimé. En ajoutant des capteurs de vibration, de température et de courant au moteur du compresseur, ainsi que des capteurs de pression et de point de rosée en aval, les données peuvent être analysées au fil du temps pour suivre les tendances. Si les capteurs détectent que la température du moteur commence à augmenter de façon anormale, un technicien peut être envoyé immédiatement au compresseur pour le contrôler. Par ailleurs, si le moteur commence à tourner plus souvent et que la pression du système varie trop, cela peut être le signe d'une fuite d'air. Les techniciens peuvent localiser le problème immédiatement et éviter une consommation d'énergie et des dépenses excessives.

La capacité de collecter, d'analyser et d'utiliser des données pour améliorer l'efficacité de la production et tirer le meilleur parti de ressources limitées peut faire passer l'automatisation non seulement au niveau suivant, mais à des niveaux supérieurs.