Le cadre ci-dessous est une représentation de ce à quoi ressemble un bon processus d'ordonnancement de la production Next Gen :

1. Il commence par la saisie de données provenant de différents domaines organisationnels : plans de maintenance, conditions des machines en temps réel, informations sur la demande et l'offre. Si des changements inattendus surviennent (par exemple, modification de la commande d'un client, panne d'une machine), ils sont immédiatement reflétés dans le modèle de données, de sorte qu'il est possible d'adapter rapidement les plans. En particulier, les déclencheurs pris en compte sont des variables externes et internes (par exemple, une grève) qui alertent le système sur la nécessité de modifier les programmes.
2. Le modèle d'optimisation exécute différents scénarios en fonction de la situation actuelle (entrées, paramètres, contraintes) et des fonctions objectives définies (par exemple, maximiser l'utilisation des ressources, minimiser le temps de changement).
3. Les programmes sont ensuite simulés sur le jumeau numérique qui est connecté de manière transparente au modèle d'optimisation, où l'ensemble du processus est testé et où le comportement et l'état de santé des machines sont analysés. La robustesse des programmes est ainsi vérifiée, ce qui permet d'éviter les arrêts non planifiés et les produits défectueux dus à la dégradation de l'état des machines.
4. Les informations issues de la simulation sont ensuite transmises au modèle d'optimisation afin d'identifier le meilleur calendrier et de le proposer aux planificateurs de la production.
5. Enfin, les planificateurs examinent les résultats et analysent les indicateurs clés de performance afin d'approuver ou de modifier le calendrier optimal, en tenant compte de l'impact sur l'usine et sur l'ensemble de la chaîne d'approvisionnement.

Disponibilité des données en temps réel

Les données sont le "carburant" de la planification de la production "Next Gen" et leur traitement est complexe. Il faut tout d'abord définir les points de données pertinents (par exemple, les données provenant de quelle machine), les granularités et les fréquences (par exemple, en temps réel ou périodiques).

Une fois que ce point est clair, l'étape suivante consiste à identifier tous les acteurs concernés par les données et à connecter les systèmes pertinents à l'écosystème global et à la base de données. Par exemple, l'état de l'inventaire et la disponibilité de la main-d'œuvre sont des informations stockées dans différents systèmes qui doivent être harmonisés pour permettre l'alimentation en données "en direct".

En fonction des besoins de l'entreprise et de ses caractéristiques, la stratégie de données doit prendre en compte et définir des politiques permettant à ces informations provenant du flux en direct de modifier les horaires. Par exemple, une modification de dernière minute de la commande d'un client peut compromettre l'ensemble du programme et il peut s'avérer nécessaire de le reprogrammer. Toutefois, cela ne devrait être autorisé que si un seuil économique ou opérationnel critique est atteint.

Visualisation

Le moyen le plus simple pour les utilisateurs professionnels de prendre rapidement des mesures éclairées est d'utiliser un support visuel. La visualisation est un atout majeur pour améliorer la performance de la prise de décision, en termes de réactivité et d'efficacité, et pour favoriser l'adoption du système.

Les planificateurs de la production peuvent accéder au jumeau numérique de l'usine avec différents niveaux de granularité pour effectuer des analyses des causes profondes jusqu'à l'atelier. Ils peuvent ainsi identifier rapidement les goulets d'étranglement et prendre rapidement des mesures correctives. La facilité d'accès aux informations de l'usine garantit une prise de décision rapide.

Analyse avancée

L'objectif du modèle d'optimisation de la programmation de la production Next Gen est de proposer des recommandations réalisables basées sur des objectifs commerciaux (par exemple, la rentabilité) dans un court laps de temps.

Le modèle d'optimisation peut être considéré comme un moteur avec différents niveaux de puissance ; il doit être "alimenté" en permanence avec des données et peut être construit sur différentes méthodologies d'optimisation (heuristique, méta-heuristique, apprentissage par renforcement).

Ses principales activités sont l'ordonnancement, le réordonnancement et la réaffectation des tâches. L'objectif est de fournir une aide fiable aux planificateurs qui s'efforcent souvent de définir le meilleur plan sans le tester et sans en connaître les effets.

Un modèle d'optimisation sophistiqué analyse une grande quantité de données et prend en compte les politiques financières et de développement durable (par exemple, ne pas émettre plus d'un certain pourcentage de CO2 par horaire), les exigences de la demande et les contraintes d'approvisionnement (par exemple, les dates d'exécution des commandes), afin de définir la solution la plus rentable.

L'optimisation nécessite un modèle de simulation robuste pour tester les scénarios et prédire leurs impacts sur la base de l'environnement réel, permettant ainsi aux planificateurs de prendre la meilleure décision.

Gestion dynamique des données de base

L'interconnexion des systèmes est cruciale. Elle ouvre la voie à un fonctionnement intelligent en exploitant des données dynamiques.

Il s'agit notamment des spécifications et des attributs des machines, tels que l'âge, les performances, le taux de rebut et la maintenance effectuée jusqu'à présent. Il est essentiel que des rôles et des responsabilités concernant la qualité des données et les activités de maintenance soient attribués au sein de l'organisation afin de superviser et de gérer les exceptions, même si le processus est automatisé.

Par exemple, lorsqu'une machine est utilisée pendant une longue période, elle commence à se dégrader et ses performances diminuent considérablement, ce qui se traduit par une diminution du nombre de bons produits (c'est-à-dire un taux de rebut plus élevé et des émissions de CO2 plus importantes par production). Ces informations doivent être automatiquement stockées et mises à jour dans les spécifications des données de base de la machine, ce qui entraîne une gestion dynamique des données qui permet d'inclure ces données lors de la planification de la production.

Visibilité du réseau

Une fois les ateliers entièrement intégrés et numérisés dans le jumeau numérique, les planificateurs disposent enfin d'une vue à 360° de ce qui se passe dans l'usine. Grâce à la quantité et à la qualité des données collectées, la capacité de visualisation peut être exploitée comme un moyen fiable d'identifier les goulets d'étranglement de la production en un coup d'œil.

La planification de la production Next Gen interconnectée entre les usines offre une visibilité sur le site et la possibilité d'atténuer les risques dans l'ensemble du réseau d'approvisionnement. Par exemple, si une usine connaît une grève qui l'empêche d'atteindre ses objectifs de production, l'accès aux informations relatives à la capacité d'une autre usine et la réaffectation du travail dans cette usine peuvent constituer un atout stratégique pour l'entreprise, car ils permettent d'atténuer les perturbations.

Cette interconnexion harmonisée, qui offre une visibilité entre les usines de différents pays, pourrait également conduire à des activités d'étalonnage pour des initiatives d'amélioration continue (par exemple, en comparant les performances financières et opérationnelles).

La préparation des fondations implique l'acquisition, le traitement et la modélisation des données pertinentes pour synchroniser le jumeau numérique. Deux types de données sont nécessaires pour créer vos caractéristiques Next Gen (en plus des données transactionnelles et des données de base) :

1. Les données des machines sont collectées par des capteurs IoT, traitées et distribuées plus efficacement grâce au cloud et à l'informatique périphérique. Il est essentiel d'obtenir des contributions d'experts en la matière pour :
   1. analyser les machines les plus critiques
   2. comprendre quel mécanisme/mouvement analyser
   3. interpréter les données relatives aux machines (par exemple, les machines mécaniques et électriques ont des processus de dégradation différents)
2. Les données relatives à l'agencement de l'usine sont collectées en scannant et en cartographiant le site, puis l'usine est numérisée grâce à la modélisation en 3D. En attribuant des données sur les machines dans la représentation de l'usine, le jumeau numérique est actif et synchronisé en temps réel avec l'usine physique. L'utilisateur professionnel peut ainsi visualiser l'ensemble de la production de l'usine à un niveau de granularité élevé et suivre les alertes en descendant jusqu'aux lignes de production pour détecter les anomalies et les goulets d'étranglement. Cela signifie que l'on ne perd pas de temps à rechercher les causes profondes potentielles.

Lorsqu'il s'agit de faire face à des perturbations du calendrier de production, l'optimisation est nécessaire pour identifier des scénarios robustes qui répondent aux objectifs de l'entreprise et atténuent les contraintes inattendues. Il est fondamental d'identifier le modèle et les paramètres les plus appropriés en fonction des caractéristiques et des besoins de l'entreprise (par exemple, les objectifs financiers, les politiques de durabilité) et de calibrer son niveau de sophistication, c'est-à-dire le temps nécessaire pour fournir des solutions, en fonction de la réactivité requise.

Une fois que le modèle d'optimisation fournit des plannings alignés sur les priorités de l'entreprise, il est temps de lui donner les moyens de gérer de manière proactive les impacts des perturbations en créant un degré important d'automatisation et d'intelligence. À cette fin, le modèle d'optimisation prévoira en permanence la survenue d'événements perturbateurs et, en cas de déclenchement, reprogrammera les horaires de manière autonome, évitant ainsi aux planificateurs d'être pris au dépourvu et d'avoir des horaires obsolètes. Pour ce faire, il est essentiel d'identifier les événements qui causent réellement des déviations et de surveiller et d'analyser en permanence les points de données pertinents, tels que les retards d'approvisionnement et l'absentéisme.

Préparez l'avenir en planifiant stratégiquement l'architecture du système pour le processus de production, en tenant compte de vos aspirations pour l'état final. Il est essentiel que les entreprises envisagent dès le départ l'objectif final et conçoivent leur capacité de planification de la production de la prochaine génération afin de décider des détails de la future architecture du système et de la conception de l'intégration (par exemple, le flux d'informations et le modèle de données, etc.)

Cela permet une transition efficace et transparente de la conception au déploiement et garantit que les besoins futurs des entreprises seront satisfaits par les fonctionnalités informatiques et qu'une nouvelle conception ne sera pas nécessaire.

Pour libérer le potentiel de la planification de la production Next Gen et augmenter considérablement le niveau de visibilité et de collaboration dans l'ensemble de l'organisation, il convient d'intégrer les usines de plusieurs pays afin d'avoir une visibilité sur les approvisionnements croisés. Cela permet une plus grande évolutivité du réseau.