Partie 5
À quoi ressembleront ces usines dans 10 ans ? Les robots et l’intelligence artificielle auront-ils pris le contrôle, ou cela ne sera-t-il pas si rapide ? Nous avons interrogé les six participants sur leur vision de l’avenir.
Maar wat leveren die data nu concreet op? De tweede horde die maakbedrijven nemen, is die data op een overzichtelijke en efficiënte manier aan de medewerkers presenteren.
Guy De Winne (ST Engineering): “De voorbije jaren verzamelden we heel wat data, maar die zat verspreid over verschillende databases, zowel vanuit de productie en machines als uit de ondersteunende diensten. We wilden ervoor zorgen dat alle informatie gecentraliseerd werd in één datacube met verschillende views. Zodat elke medewerker vlot de juiste informatie voor zijn functie uit die centrale database kan halen.”
Voor Lavetan was de verhuis naar een nieuwe, ruimere locatie het startsein voor de digitale transformatie.
Jan Robrechts: “We tekenden één geautomatiseerde waardeketen uit, vanaf het vertrek van het staal bij de klant tot en met de factuur. In onze waardeketen triggert het einde van een procesfase automatisch de daaropvolgende. De intelligentie zit dus versleuteld in het systeem in plaats van in de hoofden van de medewerkers. Die waren immers steeds moeilijker te vinden.
“Onze groei stokte door de schaarste aan labotechnische profielen op de arbeidsmarkt. Maar versleutel je die knowhow zoveel mogelijk in je systemen en processen, dan breek je die talentvijver open. Vandaag heeft ongeveer de helft van onze medewerkers geen labotechnische achtergrond meer nodig.”
Maar het bleef niet bij procesautomatisering alleen. Zo’n vijf jaar geleden startte Lavetan met robotisering, vooral om 24/7 businesscontinuïteit te garanderen. Jan Robrechts: “En sinds een tweetal jaar zitten we in de zogeheten ‘intelligente transformatiefase’. Niet harder, maar vooral nog slimmer werken is nu het motto.”
We tekenden één geautomatiseerde waardeketen uit, vanaf het vertrek van het staal bij de klant tot en met de factuur.”
5. Processen automatiseren
Nous souhaitons poursuivre le développement de notre jumeau digital. Il s’agit de collecter plus de données et d’alimenter de plus en plus l’algorithme d’apprentissage automatique."
Les nouvelles technologies ne sont pas applicables à toutes les entreprises. Pour ST Engineering, l’IA n’est pas (encore) à l’ordre du jour.
Guy De Winne : « Aujourd’hui, nous n’avons pas encore de modèles prédictifs, parce que nous n’avons tout simplement pas assez de données pour cela. Nous produisons des volumes trop faibles pour pouvoir recueillir beaucoup de données de production. L’apprentissage automatique et l’intelligence artificielle pour l’analyse des données ne sont pas possibles pour l’instant. »
D’autre part, Ontex estime que les nouvelles technologies ne sont pas encore nécessaires pour réaliser des bénéfices.
Jef Monballyu : « Rien qu’avec nos technologies actuelles, nous pouvons devenir largement plus efficaces. Nous apprenons déjà beaucoup des données de nos processus, mais les ajustements sont effectués manuellement. Nos systèmes doivent encore plus se baser sur l’auto-apprentissage. »
« La disponibilité d’un nombre croissant de technologies digitales nous a embarqués dans une accélération folle, mais que nous réserve l’avenir ? », poursuit Jef Monballyu. « Dans tous les cas, nous devons rester ouverts aux nouveautés, même au-delà des murs de notre propre entreprise. J’entends parfois dire que nous sommes déjà allés très loin et que les résultats sont bons. La tentation est parfois grande, mais nous ne devons jamais nous contenter d’un statu quo. »
Nos systèmes doivent encore plus se baser sur l’auto-apprentissage."
Apprentissage automatique, intelligence artificielle, big data… Les possibilités des nouvelles technologies semblent infinies, mais comment les Usines du Futur évaluent-elles leur succès ? Ces technologies sont-elles viables ? Et sont-elles vraiment si prometteuses ?
Duracell utilise déjà un jumeau digital : une représentation virtuelle du processus de production.
Jan Casteels : « En rassemblant différents paramètres des processus de manière digitale, nous pouvons produire une pile digitale qui est la réplique exacte de la pile physique. Nous pouvons faire des expériences avec ce jumeau pour produire la meilleure pile possible. Le plus grand défi consiste à trouver les bons paramètres de processus pour alimenter le jumeau digital. Il existe des centaines de paramètres, mais il n’est pas facile de définir l’impact de chacun d’entre eux et leurs relations les uns avec les autres. C’est un processus d’amélioration continue qui se poursuit encore aujourd’hui. »
Duracell souhaite poursuivre le développement de ce jumeau digital dans les années à venir. Jan Casteels : « La qualité des piles peut encore être améliorée », déclare Jan Casteels. « Nous voulons aussi digitaliser entièrement le contrôle de la qualité en utilisant un modèle de prévision. Il s’agit de collecter plus de données et d’alimenter de plus en plus l’algorithme d’apprentissage automatique. »
Geert Jacobs : « La différence d’approche entre Duracell et ST Engineering se situe au niveau de la production. Duracell dispose d’une énorme quantité de données tirées de la production, ce qui lui permet d’utiliser des algorithmes pour faire la différence. ST Engineering fabrique des produits d’une grande complexité. Son défi est donc d’assurer la production existante le mieux possible. Il n’y a pas deux pièces identiques, donc l’automatisation de la production n’a pas vraiment de sens. Pour cette entreprise, la digitalisation consiste principalement à offrir un support plus efficace à la production. Ainsi, l’intérêt d’une nouvelle technologie particulière dépend largement du type de production. »
Francis Duvivier estime que les nouvelles technologies entraînent déjà de petits succès : « L’IA et l’apprentissage automatique, en particulier, présentent des cas intéressants, mais plutôt petits. Il est essentiel d’avoir un objectif fort et spécifique. Souvent, les entreprises concernées sont des start-ups spécialisées dans ces nouvelles technologies. Certains acteurs se spécialisent par exemple dans certaines inefficacités, la détection d’anomalies ou la prédiction. Mais à grande échelle, peu de projets peuvent déjà être qualifiés de véritables réussites. »
Un point confirmé par Geert Jacobs : « À l’heure actuelle, je perçois surtout le potentiel de l’IA dans le domaine de l’imagerie. Des caméras intelligentes avec détection par IA ont par exemple été installées dans le tunnel Kennedy. Il s’agit d’un excellent exemple de la façon dont l’IA peut déjà fonctionner dans des applications spécifiques. »
Partie 5
À quoi ressembleront ces usines dans 10 ans ? Les robots et l’intelligence artificielle auront-ils pris le contrôle, ou cela ne sera-t-il pas si rapide ? Nous avons interrogé les six participants sur leur vision de l’avenir.
Apprentissage automatique, intelligence artificielle, big data… Les possibilités des nouvelles technologies semblent infinies, mais comment les Usines du Futur évaluent-elles leur succès ? Ces technologies sont-elles viables ? Et sont-elles vraiment si prometteuses ?
Duracell utilise déjà un jumeau digital : une représentation virtuelle du processus de production.
Jan Casteels : « En rassemblant différents paramètres des processus de manière digitale, nous pouvons produire une pile digitale qui est la réplique exacte de la pile physique. Nous pouvons faire des expériences avec ce jumeau pour produire la meilleure pile possible. Le plus grand défi consiste à trouver les bons paramètres de processus pour alimenter le jumeau digital. Il existe des centaines de paramètres, mais il n’est pas facile de définir l’impact de chacun d’entre eux et leurs relations les uns avec les autres. C’est un processus d’amélioration continue qui se poursuit encore aujourd’hui. »
Duracell souhaite poursuivre le développement de ce jumeau digital dans les années à venir. Jan Casteels : « La qualité des piles peut encore être améliorée », déclare Jan Casteels. « Nous voulons aussi digitaliser entièrement le contrôle de la qualité en utilisant un modèle de prévision. Il s’agit de collecter plus de données et d’alimenter de plus en plus l’algorithme d’apprentissage automatique. »
Nous souhaitons poursuivre le développement de notre jumeau digital. Il s’agit de collecter plus de données et d’alimenter de plus en plus l’algorithme d’apprentissage automatique."
Les nouvelles technologies ne sont pas applicables à toutes les entreprises. Pour ST Engineering, l’IA n’est pas (encore) à l’ordre du jour.
Guy De Winne : « Aujourd’hui, nous n’avons pas encore de modèles prédictifs, parce que nous n’avons tout simplement pas assez de données pour cela. Nous produisons des volumes trop faibles pour pouvoir recueillir beaucoup de données de production. L’apprentissage automatique et l’intelligence artificielle pour l’analyse des données ne sont pas possibles pour l’instant. »
D’autre part, Ontex estime que les nouvelles technologies ne sont pas encore nécessaires pour réaliser des bénéfices.
Jef Monballyu : « Rien qu’avec nos technologies actuelles, nous pouvons devenir largement plus efficaces. Nous apprenons déjà beaucoup des données de nos processus, mais les ajustements sont effectués manuellement. Nos systèmes doivent encore plus se baser sur l’auto-apprentissage. »
Nos systèmes doivent encore plus se baser sur l’auto-apprentissage."
« La disponibilité d’un nombre croissant de technologies digitales nous a embarqués dans une accélération folle, mais que nous réserve l’avenir ? », poursuit Jef Monballyu. « Dans tous les cas, nous devons rester ouverts aux nouveautés, même au-delà des murs de notre propre entreprise. J’entends parfois dire que nous sommes déjà allés très loin et que les résultats sont bons. La tentation est parfois grande, mais nous ne devons jamais nous contenter d’un statu quo. »