Vers le haut
Use Cases Industrie 4.0 in der Praxis
Retour

Jumeau numérique du contrôle final de la production

Limiter le plus possible les rebuts : au moyen du « Digital Rework », Octotronic expose comment la mise en réseau des données soutient l’opérateur dans sa prise de décision et met en lumière le fait que le « Machine Learning » dépend finalement de la qualité de la base des données.
Powered by

Company

Festo Microtechnology AG
Kontakt
Reto Jäggli
Website

Partenaire d’application

Situation initiale

Octotronic est spécialisée dans la transformation numérique, l’ingénierie industrielle et l’analyse des données. Grâce aux technologies les plus modernes, les processus de production sont numérisés et connectés de manière intelligente. La transparence des données qui en résulte améliore durablement l’efficacité, la productivité et la qualité de chaque installation de production, quel que soit son âge. Le fait d’exploiter aussi l’option « Machine Learning » confère une amélioration permanente.

 

Le défi

Un produit suit le processus de fabrication correspondant et les données relatives au processus et à la qualité sont collectées parallèlement dans différentes bases de données et systèmes. À la fin de la chaîne de production, le caractère et/ou la fonctionnalité du produit dans son ensemble sont examinés lors du contrôle final. Les valeurs mesurées doivent se situer dans les tolérances validées, faute de quoi le produit est considéré comme un rebut. Si c’est le cas, il sera procédé à une analyse ou à une rectification manuelle pour éliminer la cause de la panne et/ou pour détecter la partie défectueuse du processus de fabrication.

L’opérateur reçoit alors des données, des formulaires et des flux de travail fragmentés. Toutefois, ses décisions ne sont que partiellement ou pas du tout documentées. 

 

Les conséquences

  • Les enseignements tirés après l’élimination de pannes sont perdus ou mal exploités.
  • Bien que les produits considérés comme rebuts soient systématiquement rectifiés, ils ne passent pas un nouvel examen final puisque d’autres défauts n’ont pas été pris en considération. Et pourtant, le produit aurait pu être
     « sauvé » à très bon compte.
  • Si aucune analyse détaillée et aucun développement de la gestion des défauts ne sont effectués, il n’est pas possible de diminuer la quantité de rebuts annuelle.
  • Les cumuls d’erreurs ou les contextes plus complexes ne sont pas systématiquement surveillés et sont par conséquent négligés.

 

La solution

« Digital Rework » d’Octotronic.

 

Mise en œuvre

Pour son client Festo Microtechnology SA, Octotronic a développé un concept basé sur le « Digital Rework » qui facilite considérablement la prise de décision de l’opérateur.

Le projet a commencé par une analyse des besoins sur place, au cours de laquelle les objectifs et la situation initiale ont été passés au crible. Ensuite et à partir de ce concept, un MVP a été déterminé. Le MVP a permis de hiérarchiser les principales fonctionnalités du concept global et les éléments critiques et de définir le test en se basant sur des données réelles.

Pour le client, il était important que l’environnement du système et les structures de données existantes soient pleinement utilisés. L’opérateur doit avoir du soutien dans sa prise de décision. Il s’agit également d’utiliser les connaissances accumulées en matière d’analyse des erreurs pour les travaux de rectification.

Il nous a été possible d’accéder aux données sauvegardées dans les silos de données, de les transformer et de les mettre en réseau dans un « Data Lake House ». Les connaissances existantes ont été représentées numériquement et sont utilisées pour l’analyse des erreurs ainsi que dans la prise de décision de l’opérateur.

Dans le cadre de la rectification de la pièce de rebut, les travaux de rectification sont saisis par l’opérateur dans le « Digital Rework ». L’efficacité de ces travaux au regard du résultat du test est automatiquement analysée et mémorisée. Ce processus
« Close Loop » permet d’éliminer les erreurs de jugement routinières grâce à chaque nouvelle saisie.

 

Bénéfice

  • Mise en réseau de toutes les données existantes pour une traçabilité intégrale
  • Création de nouvelles bases de connaissances
  • Allègement du processus de rectification
  • Documentation efficace des étapes de travail et des décisions
  • Amélioration de la gestion d’exploitation grâce à une intégration sur mesure dans le processus
  • Réduction de la quantité de rebuts
  • Maintien et utilisation des compétences des collaborateurs/opérateurs expérimentés
  • Surveillance de l’accumulation des erreurs, détection des anomalies et enseignements concernant des déviations possibles dans le processus de fabrication

Tags

ProductionMontagePredictive MaintenanceJumeau numériqueTaille du lot 1Condition monitoringOptimisation des processusDatenanalyseVisualisationMachine LearningAnalyse des tendancesTechnologie de l'automatisationConstruction de machinesFabricant de composantsHuman Machine Interfaces

Notre site web utilise des cookies afin de pouvoir améliorer notre page en permanence et vous offrir une expérience optimale en tant que visiteurs. En continuant à consulter ce site web, vous déclarez accepter l’utilisation de cookies. Vous trouverez de plus amples informations concernant les cookies dans notre déclaration de protection des données.

Si vous désirez interdire l’utilisation de cookies, par ex. par le biais de Google Analytics, vous pouvez installer ce dernier au moyen des modules complémentaires du présent navigateur.