« Digital twin » d'une ligne de fabrication : aide à la prise de décision en matière de maintenance

« Digital twin » d'une ligne de fabrication : aide à la prise de décision en matière de maintenance

Vue d'ensemble: comment et pourquoi un « Digital twins » a été créé et testé pour une ligne de production automobile.

La société CNH Industrial est un leader mondial d’équipement. Elle est contrôlée financièrement par la société d’investissement italienne Exor et comprend 12 marques, dont Case, New Holland et Iveco. À travers ses marques, CNHi développe, produit et commercialise une large gamme de véhicules et de groupes motopropulseurs agricoles, industriels et commerciaux. Elle emploie plus de 63 000 personnes dans 66 usines de fabrication et 53 centres de recherche et développement dans 180 pays. La société est cotée à la bourse de New York et fait partie de l’indice boursier italien.

La société Fair Dynamics est située à Milan et fournit un large éventail de services de conseil dans divers secteurs, notamment dans le secteur bancaire, manufacture et des services publics. La société a récemment été acquise par Engineering Ingegneria Informatica S.p.A., un fournisseur de logiciels et de services informatiques, aussi bien en Italie qu’à l’international. En 2017, le chiffre d'affaires consolidé était supérieur à 1 milliard d'euros.

Fair Dynamics utilise des technologies innovantes pour résoudre des problèmes industriels et améliorer l'efficacité. Leur approche clé est la modélisation et la simulation, pour lesquelles la société utilise la plate-forme AnyLogic depuis 2010 et est également son distributeur italien.

Problème

Les processus de fabrication deviennent de plus en plus numériques. On considère que maintenant nous entrons dans une quatrième ère industrielle (Industrie 4.0) et que la transition vers les usines intelligentes a commencé. Dans les usines intelligentes, les systèmes physico-numériques surveillent les processus physiques, construisent une copie virtuelle du monde physique et prennent des décisions décentralisées. « Digital twins » sont au cœur du fonctionnement de ces systèmes.

La numérisation étant déjà en cours, de nombreuses entreprises expérimentent de nouvelles technologies telles que l’intelligence artificielle et le cloud dans le but de passer progressivement à une usine intelligente et de profiter des nouveaux phénomènes.

Quatrième ère industrielle - Industrie 4.0

CNH Industrial a identifié les processus de maintenance comme un domaine prometteur pour commencer à utiliser les nouvelles technologies de l’ Industrie 4.0. Dans les secteurs de l'automobile et des industries connexes, les coûts de temps d'arrêt peuvent être importants. Pour les entreprises mondiales telles que CNHi, le coût d’une seule minute d’arrêt pourrait dépasser 160 000 dollars et ces chiffres augmentent chaque année. Ainsi l'amélioration de la maintenance afin de réduire les temps d'arrêt peut apporter des résultats significatifs. En identifiant les zones les plus critiques, une amélioration même d’ un très faible pourcentage pourrait permettre d’économiser beaucoup d’argent.

Ainsi, CNH Industrial souhaitait tester un outil numérique pour évaluer et sélectionner des différentes politiques de maintenance et s’est mis d’accord avec Fair Dynamics sur un projet pilote. Ils ont décidé de se concentrer sur une seule ligne de fabrication effectuant la soudure des châssis de fourgons Iveco Daily (la ligne Mascherone de l'usine Suzzara, en Italie). Un « Digital twin », une représentation de la ligne dans un environnement virtuel, devait être développé. La simulation permettrait à la direction de CNHi de voir les avantages des différentes politiques de maintenance possibles dans des divers scénarios et de prendre des décisions de maintenance éclairées.

Le choix de l'usine Suzzara pour le développement d’un « Digital twin »,n'était pas aléatoire. CNH Industrial utilise les principes de World Class Manufacturing (WCM), un programme innovant d'amélioration continue. À cette époque, CHNi a été distingué que d’un seul prix WCM Gold Level, tandis que l’usine Iveco de Suzzara a était très proche d’un deuxième prix. CNHi voulait voir comment la nouvelle technologie pourrait aider à l'atteindre.

Solution

Ligne de soudure

Le projet « Digital twin » a été concentré sur une ligne de fabrication spécialisée, la soudure des châssis de fourgons Iveco. Cette ligne peut être décrite comme un tapis roulant qui traverse plusieurs stations. On a demandé à Fair Dynamics de se concentrer sur les postes de soudure automatiques (blocs orange sur l'image). Lorsqu'une camionnette s'arrête à l'une de ces stations, les robots travaillent simultanément pour effectuer la soudure.

Les pistolets de soudure ont un talon d'Achille - le pack lamellaire (un conducteur électrique qui doit se fléchir pendant le fonctionnement). Progressivement le mouvement entraîne l’endommagement des couches de cuivre d’un pack. Lorsque l’usure devient trop importante et modifie suffisamment la conductivité, il peut en résulter la fusion du pack lamellaire lui-même. Bien que ce composant puisse normalement être remplacé en quelques minutes, cela peut prendre des heures si le pack lamellaire a été endommagé. « Digital twin » qui surveille et prédit l'intégrité de ce composant pourrait permettre de réduire considérablement les temps d'arrêt.

Fair Dynamics a construit un « Digital twin » basé sur le comportement des agents avec les agents suivants:

En construisant le « Digital twin » de cette manière, Fair Dynamics pourrait introduire trois politiques de maintenance fondamentales pour les tests et l'utilisation:

Dans le projet, le logiciel AnyLogic s'est avéré utile pour le développement du« Digital twin ». Outre, l'utilisation de la modélisation basée sur le comportement des agents, cela a permis la personnalisation qui a donné la possibilité à Fair Dynamics d'inclure le modèle pronostique ELF (apprentissage automatique). L'intégration des techniques de modélisation et d'apprentissage automatique présente un grand potentiel dans de tels systèmes.

Grâce à AnyLogic, le « Digital twin » peut se connecter à des sources de données externes. La séquence de production, le point de soudure par type de fourgon, la courbe du cycle de vie du robot et d'autres données ont été importés de sources externes et automatiquement lus par un agent au moment de l'exécution. De plus, le système pourrait être exporté et livré sous la forme d'une application autonome sur plusieurs postes informatiques, ce qui allégerait les contraintes liées aux données et les exigences imposées au service informatique.

Résultat

Évaluation de différentes politiques de maintenance via une copie (un jumeau) numérique du  processus de fabrication

Avec l'aide du « Digital twin », la direction et les spécialistes de CNHi peuvent obtenir des informations détaillées et éclairants sur les conséquences économiques et les conséquences sur la production pour les différentes configurations de politiques de maintenance. Cela se fait en exécutant différents « what if » scénarios, dans lesquels l'utilisateur peut varier différents paramètres principaux (par exemple, stratégie de maintenance, plan de production, calendrier de travail, etc.). Il est également possible de modifier les caractéristiques d’une ligne ou d'un robot, si nécessaire.

Le système peut prendre en charge à la fois un futur proche et un futur éloigné. De plus, l’utilisation du jumeau numérique pour la simulation fournit un outil simple d’analyse et de comparaison des scénarios, permettant de comprendre rapidement comment les changements peuvent modifier les coûts de la maintenance. Le « Digital twin » fournit une grande variété de données, y compris la production totale, le temps de maintenance, le coût total des pièces de rechange et les coûts de main d’œuvre pour la maintenance. En bref, le « Digital twin » est un outil précis et complet permettant d’établir un fonctionnement efficace d’une chaîne de production.

Présentation du projet par Luigi Manca, directeur de l’exécution du projet, unité de conseil Fair Dynamics

Evaluating Different Maintenance Policies Through A Digital Copy of The Manufacturing Process

Études de cas similaires

Plus d’études de cas