17 May
2018

Prendre de meilleures décisions grâce à la surveillance des machines

Les manufacturiers peuvent prendre de meilleures décisions dans leur usine intelligente grâce à une surveillance des machines en temps réel qui leur permet de réagir rapidement aux temps d'arrêt, aux écarts de performance et à la demande fluctuante de leurs clients

Machine Monitoring
Prendre de meilleures décisions grâce à la surveillance des machines

Un système de collecte de données sur papier ou l’absence de système de collecte de données constitue un grave handicap pour les fabricants qui souhaitent réduire leurs coûts, maximiser leur rentabilité et demeurer concurrentiels.

Ne pas savoir ce qui se passe réellement dans l’usine peut entraîner d’importantes perturbations de la productivité et du gaspillage. Grâce aux capacités des systèmes de collecte de données par capteurs et à leur facilité d’accès, il existe moins d’obstacles à la mise en œuvre d’un système de collecte automatique de données et d’un tableau de bord d’usine où les données s’affichent en temps réel.

 

Réduire les temps d’arrêt grâce à la surveillance des machines

Même fournir en temps réel des informations de base comme les temps d’arrêt (downtime) sur des tableaux de bord d’usine et des téléphones intelligents peut avoir une incidence considérable sur le temps de fonctionnement (uptime). Tout le monde réagira promptement en voyant du rouge sur l’écran et redoublera d’efforts pour résoudre le problème et revenir dans le vert. Et plus la collecte de données sera importante, plus des tendances pourront être définies et aider à prévenir les temps d’arrêt.

Améliorer la qualité grâce à l’apprentissage machine

En effectuant le suivi des cellules de travail et des lignes de production et en parvenant à établir lesquelles sont systématiquement au-dessus ou en dessous d’un niveau de qualité acceptable, il est possible de déterminer et de corriger rapidement les activités peu productives. La surveillance continue, tout au long du processus de production, aide à détecter les problèmes de qualité plus tôt, ce qui augmente l’efficacité et réduit les coûts des solutions qui ne dépendent pas de contrôles manuels de la qualité.

Alimenté par une quantité suffisante de données et soutenu par les outils analytiques appropriés, l’apprentissage machine peut en effet permettre de prévoir des problèmes de qualité. Par exemple, si une situation s’est répétée plusieurs fois dans le passé – à savoir que, lorsque la température atteignait un certain point et qu’un certain type de matière première se trouvait à la limite de tolérance supérieure, un problème de qualité survenait à une étape ultérieure du processus –, l’apprentissage machine peut signaler ce genre de situation quand il se produit. Déceler un problème avant même qu’il ne survienne est une approche révolutionnaire du contrôle de la qualité. La reconnaissance des tendances est, potentiellement, l’un des grands avantages d’une solution d’IoT et une façon de tirer le maximum des données que l’on collecte.

 

Planifier avec une plus grande précision

Réunir des données de production réelles, à l’aide de la surveillance des machines, vous permet de disposer de données plus précises quand vous effectuez vos planifications et vos programmations. Les données obtenues à l’aide de capteurs ont une plus grande cohérence, car elles sont exemptes des variations attribuables à la collecte de données réalisée par plusieurs opérateurs utilisant chacun leur interprétation personnelle dans leur travail.

Si une variation anormale du temps nécessaire à la production d’un article est détectée, les outils d’analyse peuvent isoler cette anomalie et l’associer aux données pertinentes afin que la cause de cette sous-performance soit analysée et corrigée.

Améliorer l’exactitude des stocks

Les systèmes de comptage automatique de produits finis sont beaucoup moins susceptibles d’inexactitudes ou d’erreurs que les systèmes de comptage manuels. Par ailleurs, grâce à l’information en temps réel, personne n’attend plus la fin d’un comptage manuel. Les niveaux réels de tous les stocks peuvent être connus en tout temps et à tous les stades du cycle de production.

Avec des inventaires exacts, une entreprise peut déterminer avec une plus grande confiance ses capacités et envisager ainsi une augmentation du taux d’exécution des commandes.

 

Header_blogue_1920x800_ipad_temps_arret_causes

Planifier les travaux de maintenance grâce à la surveillance des machines

Si une machine fonctionne mal, arrêtez-vous toute la chaîne de production pour résoudre le problème, ou essayez-vous de bricoler une réparation sans arrêter la ligne afin que la production se poursuive coûte que coûte ? Voilà une décision stratégique qui n’a pas forcément à être prise par l’opérateur de la machine. Grâce aux informations affichées en temps réel sur le tableau de bord de l’usine, ce problème de maintenance peut être communiqué au gestionnaire le plus à même de décider du moment où il sera judicieux de procéder à une telle réparation.

L’affichage de données en temps réel présente de nombreux avantages et donne rapidement des résultats.

Découvrez d’autres avantages des tableaux de bord d’usine



Want to learn more?
Download the ebook
Related blog articles

Related articles

Back to the blog
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
25
Jul 2023

Breaking Down OEE for Shop Floor Success

Discover how breaking down Overall Equipment Effectiveness (OEE) into relevant metrics for the shop floor drives operational success.

English
21
Jul 2023

CDAP: $15,000 Grant To Jump Start Canadian Manufacturing Digital Transformation Projects

With the rise of digitalization in the manufacturing industry, the Canada Digital Adoption Program (CDAP) and Worximity's smart factory performance manager software suite are helping manufacturers increase throughput and reduce production costs.

English
27
Jun 2023

Au-delà des chiffres : maximiser le retour sur investissement dans le secteur manufacturier grâce à l'analyse de données

L'intelligence des données provient de chiffres bruts. Ces informations doivent être analysées et traduites en actions ayant un impact sur l'entreprise. Mais avec des données qui s'accumulent plus vite qu'elles ne peuvent être transformées en analyses de données manufacturières, les entreprises ratent des opportunités.

French

Related articles

Back to the blog
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
23
May 2024

Exemples de Lean Manufacturing provenant des principaux leaders de l’industrie

La mise en œuvre du Lean Manufacturing peut vous apparaître comme un défi colossal. En regardant ce que les meilleurs ont accompli en appliquant les principes du Lean Manufacturing, vous serez à la fois inspirés et motivés.

French
25
Apr 2024

How to Analyze Throughput Rate

Throughput rates are an important measure of factory performance. Not only does throughput indicate whether the factory can meet customer demand, but it's also an indicator of overall plant efficiency.

English
15
Apr 2024

Les meilleurs outils d’amélioration continue pour les entreprises manufacturières œuvrant dans le secteur agroalimentaire

Dans le paysage concurrentiel du secteur agroalimentaire, la mise en œuvre de méthodologies d'amélioration continue n'est pas seulement un choix : c'est une nécessité pour rester compétitif.

French