Collecte de données machines : quoi collecter (et quoi ignorer)

Pourquoi « nous avons déjà l'IoT » ne change souvent rien

Quand un client dit à Paweł Dera, CTO de DBR77, qu'il a déjà l'IoT, celui-ci pose une seule question : « Qu'avez-vous changé dans le process le mois dernier grâce aux données du système ? » La réponse est souvent un silence.

Les données circulent, les alertes arrivent et le tableau de bord impressionne, mais les décisions reposent toujours sur l'expérience des opérateurs et sur « on a toujours fait comme ça ». Dans la plupart de ces usines, les données elles-mêmes sont exploitables. Ce qui manque, ce sont les réponses à trois questions que personne n'a posées au départ.

McKinsey notait dès 2015 que la plupart des données IoT ne sont pas utilisées : sur une plateforme pétrolière équipée de 30 000 capteurs, environ 1 % seulement des données étaient examinées. Ses travaux plus récents décrivent le « purgatoire des pilotes », où les projets s'enlisent avant de passer à l'échelle.

Trois questions à trancher avant de collecter quoi que ce soit

Avant de choisir des capteurs ou des variables, répondez à trois questions pour la ligne concernée :

1. Quels sont les cinq indicateurs qui comptent vraiment ici ? Cinq pour lesquels le responsable de ligne changerait un plan.
2. Qui est chargé d'agir sur chacun ? Un rôle désigné sur le poste en cours.
3. Quel seuil déclenche une action, et pas seulement une notification ? Par exemple, un arrêt de plus de 5 minutes crée une tâche pour la maintenance.

Ces réponses mises par écrit forment ce que nous appelons le contrat de décision. Le conclure pour une ligne est la première étape des 30 premiers jours de l'IoT dans une usine existante.

Les cinq signaux pour commencer

Ces cinq signaux couvrent l'essentiel des pertes de disponibilité et de performance et peuvent être lus sur presque toutes les machines, y compris les anciennes sans PLC.

• L'état de la machine. En marche, en attente ou à l'arrêt, horodaté. La colonne vertébrale de la disponibilité et du temps de réaction.
• Les comptages de pièces. Le total et, si possible, les pièces bonnes et rebutées.
• Le temps de cycle. Le cycle réel comparé au temps de cycle idéal. Vorne définit la sous-vitesse comme le fait de produire plus lentement que le temps théorique le plus court pour fabriquer une pièce.
• Les causes d'arrêt. Choisies par l'opérateur à la machine, dans une liste courte, pour que chaque arrêt puisse être rattaché à une cause.
• Les alarmes. Les codes défaut du PLC, quand ils existent.

Ne collectez un signal que si vous pouvez le relier à une décision et à une personne. Sur une ligne typique :

Les causes comptent plus que la plupart des usines ne le pensent. Une étude des données OEE brutes de 884 machines dans 23 entreprises a montré que près de la moitié des pertes enregistrées ne pouvaient pas être classées, faute de catégories de pertes ou parce qu'elles étaient mal décrites. Sur une ligne de carton ondulé, la saisie de la cause au moment de l'arrêt (environ deux secondes par arrêt) a contribué à faire passer l'OEE de 61 % à 70 %.

Quand l'énergie, les vibrations et les données process valent la peine

Énergie, vibrations, température et pression sont utiles, mais sur la plupart des lignes elles relèvent d'une deuxième phase.

Ajoutez l'énergie quand quelqu'un agira dessus. Par exemple, une règle qui coupe les machines en attente au bout de 20 minutes, ou une décision tarifaire sur le moment où faire tourner un four. L'ISO 50001 aborde le management de l'énergie de la même façon : utiliser les données pour décider de l'usage de l'énergie.

Ajoutez les vibrations sur quelques équipements critiques dont les pannes coûtent cher et qu'un technicien inspectera dès qu'une limite est franchie. L'ISO 20816-1 décrit comment les mesurer et les évaluer.

Les paramètres process (températures, pressions, vitesses) entrent dans le périmètre quand ils expliquent le rebut sur un produit précis.

Ce qu'il faut ignorer au début

Dans la première phase, nous recommandons de laisser de côté :

• Toutes les variables du PLC collectées « au cas où ». Des milliers de variables ralentissent la mise en place et noient les cinq signaux qui comptent.
• Les données brutes à haute fréquence sans cas d'usage. Un échantillonnage à la milliseconde sur chaque axe coûte du stockage et de l'attention.
• Les indicateurs sans responsable. Si aucun rôle n'est nommé dans le tableau ci-dessus, le signal n'est pas prêt.
• Les longues listes de causes copiées de l'ERP. Gardez 10 à 15 causes par type de machine, avec les mots des opérateurs.
• Les modèles prédictifs avant de disposer d'un historique d'événements propre. La prédiction a d'abord besoin de mois de données fiables sur les états et les causes.

Des référentiels comme l'ISO 22400 définissent de nombreux KPI de production. Le premier jour, vous n'en avez besoin que de quelques-uns.

Des signaux aux décisions

Un signal devient utile quand il porte son contexte : quel ordre de fabrication, quel poste, quel produit, quelle cause. Voyez pourquoi les données machines sont inutiles sans contexte.

L'autre moitié, c'est la réaction : chaque alerte a besoin d'un destinataire nommé et d'une règle d'escalade. L'article sur pourquoi les alertes IoT échouent sur le terrain présente des règles d'acheminement et d'escalade qui fonctionnent. La plateforme DBR77 IIoT transforme chaque alerte en tâche avec un responsable, si bien que la troisième question du contrat de décision trouve sa réponse dans le système lui-même.

Questions fréquentes

Quelles sont les données minimales à collecter sur une machine ?

L'état de la machine horodaté, les comptages de pièces, le temps de cycle, les causes d'arrêt et les alarmes quand elles existent. Ensemble, elles alimentent l'OEE, le temps de réaction et un Pareto des arrêts.

Peut-on collecter ces données sur des machines anciennes sans PLC ?

Oui. Un boîtier edge peut lire la colonne lumineuse, le courant moteur ou un capteur de cycle pour obtenir l'état et les comptages. L'opérateur ajoute la cause d'arrêt sur une tablette à la machine.

Combien d'indicateurs une ligne doit-elle suivre au départ ?

Cinq est une bonne limite. Chacun a besoin d'un responsable et d'un seuil qui déclenche une action. Si vous ne pouvez pas nommer les deux, l'indicateur n'est pas prêt.

Quand faut-il ajouter la surveillance vibratoire ?

Quand un équipement critique a des pannes coûteuses et qu'un technicien est prêt à intervenir dès qu'une limite est franchie. Commencez par quelques équipements de ce type.

Comment savoir si les données sont réellement utilisées ?

Demandez ce que vous avez changé dans le process le mois dernier grâce aux données. Si la réponse cite des actions concrètes, le système fonctionne comme un outil de décision.

Conclusion

Si votre usine collecte déjà des données machines, posez à votre équipe la question de Paweł Dera : qu'avez-vous changé dans le process le mois dernier grâce à ces données ? Si personne ne sait répondre, choisissez une ligne, mettez par écrit le contrat de décision pour les cinq signaux de départ et gardez l'énergie, les vibrations et les paramètres process pour plus tard. L'ordre des travaux pour cette ligne est décrit dans les 30 premiers jours de l'IoT dans une usine existante.

Sources

• McKinsey Global Institute, The Internet of Things: Mapping the value beyond the hype (summary), 2015
• McKinsey & Company, IoT value set to accelerate through 2030, 2021
• Hedman, Subramaniyan, Almström (Chalmers, Procedia CIRP), Analysis of Critical Factors for Automatic Measurement of OEE, 2016
• Vorne, The Six Big Losses
• ISO, ISO 50001 Energy management
• ISO, ISO 20816-1 Mechanical vibration: measurement and evaluation of machine vibration, 2016
• ISO, ISO 22400-1 Key performance indicators for manufacturing operations management, 2014
• Données du pilote DBR77 IIoT, ligne de carton ondulé (client anonyme), 2026