McKinsey & Company a récemment publié Comment les mégadonnées peuvent améliorer la fabrication, qui fournit une analyse approfondie de la façon dont les mégadonnées et les analyses avancées peuvent rationaliser la fabrication biopharmaceutique, chimique et discrète.
L’article met en évidence la façon dont les fabricants des industries basées sur les processus utilisent des analyses avancées pour augmenter les rendements et réduire les coûts. Les fabricants disposent aujourd’hui d’une abondance de données opérationnelles et d’atelier qui sont utilisées pour le suivi. L’article de McKinsey montre à travers plusieurs exemples comment le Big Data et les applications et plates-formes d’analyse avancées peuvent également fournir des informations opérationnelles.
Le graphique suivant de l’article illustre comment les mégadonnées et les analyses avancées rationalisent les chaînes de valeur de fabrication en trouvant les principaux déterminants de la performance des processus, puis en prenant des mesures pour les améliorer continuellement :
L’impact du Big Data sur la fabrication augmente
En plus des exemples fournis dans l’article de McKinsey, il existe dix façons dont les mégadonnées révolutionnent la fabrication :
- Augmenter la précision, la qualité et le rendement de la production biopharmaceutique. Il est courant dans les flux de production biopharmaceutique de surveiller plus de 200 variables pour s’assurer que la pureté des ingrédients ainsi que les substances fabriquées restent conformes. L’un des nombreux facteurs qui rendent la production biopharmaceutique si difficile est que les rendements peuvent varier de 50 à 100 % sans raison immédiatement discernable. À l’aide d’analyses avancées, un fabricant a pu suivre les neuf paramètres qui expliquaient le plus la variation de rendement. Sur la base de ces informations, ils ont pu augmenter le rendement du vaccin de 50 %, ce qui représente entre 5 et 10 millions de dollars d’économies annuelles pour le seul vaccin.
- Accélérer l’intégration des systèmes informatiques, de fabrication et opérationnels faisant de la vision de l’Industrie 4.0 une réalité. Industrie 4.0 est une initiative du gouvernement allemand qui promeut l’automatisation de l’industrie manufacturière dans le but de développer des usines intelligentes. Le Big Data est déjà utilisé pour optimiser les plannings de production en fonction des contraintes fournisseurs, clients, machines et coûts. Les chaînes de valeur de fabrication dans les industries hautement réglementées qui dépendent de fournisseurs et de fabricants allemands progressent rapidement avec l’Industrie 4.0 aujourd’hui. Comme cette initiative sert de catalyseur pour galvaniser ensemble divers départements multifonctionnels, les mégadonnées et les analyses avancées deviendront essentielles à son succès.
- De meilleures prévisions de la demande et de la production de produits (46 %), la compréhension des performances de l’usine à travers plusieurs mesures (45 %) et la fourniture plus rapide de services et d’assistance aux clients (39 %) sont les trois principaux domaines où les mégadonnées peuvent améliorer les performances de fabrication. Ces résultats proviennent d’une récente enquête menée par LNS Research et MESA International pour déterminer où les mégadonnées offrent les plus grandes améliorations des performances de fabrication aujourd’hui. Vous pouvez trouver l’article de blog original ici.
- Intégration d’analyses avancées dans le cadre Six Sigma DMAIC (définir, mesurer, analyser, améliorer et contrôler) pour alimenter l’amélioration continue. L’obtention d’une meilleure compréhension du fonctionnement de chaque phase d’un programme d’amélioration piloté par DMAIC et de l’impact des efforts déployés sur tous les autres domaines de la performance de fabrication est naissante aujourd’hui. Ce domaine présente un grand potentiel pour rendre les flux de production plus axés sur le client que jamais.
- Une meilleure visibilité sur les niveaux de qualité des fournisseurs et une plus grande précision dans la prévision des performances des fournisseurs au fil du temps. Grâce aux mégadonnées et aux analyses avancées, les fabricants sont en mesure de visualiser la qualité des produits et la précision de livraison en temps réel, faisant des compromis sur les fournisseurs qui reçoivent les commandes les plus urgentes. La gestion des métriques de qualité devient la priorité par rapport à la seule mesure des performances du calendrier de livraison.
- Mesurer la conformité et la traçabilité au niveau de la machine devient possible. L’utilisation de capteurs sur toutes les machines d’un centre de production offre aux responsables des opérations une visibilité immédiate sur le fonctionnement de chacune. Des analyses avancées peuvent également montrer les écarts de qualité, de performance et de formation de chaque machine et de ses opérateurs. Ceci est inestimable pour rationaliser les flux de travail dans un centre de production et devient de plus en plus courant.
- Vendre uniquement les configurations personnalisées ou sur mesure les plus rentables de produits qui ont le moins d’impact sur la production. Pour de nombreux fabricants complexes, les produits personnalisés ou fabriqués sur commande offrent des marges brutes supérieures à la moyenne, mais coûtent également exponentiellement plus si les processus de production ne sont pas bien planifiés. À l’aide d’analyses avancées, les fabricants découvrent laquelle de la myriade de configurations de fabrication sur commande ils peuvent vendre avec l’impact le plus minime sur les calendriers de production existants au niveau de la planification des machines, du personnel et de l’atelier.
- Sortir les systèmes de gestion de la qualité et de conformité de leurs silos et en faire une priorité de l’entreprise. Il est temps que davantage de fabricants adoptent une vision plus stratégique de la qualité et cessent de se satisfaire de systèmes de gestion de la qualité et de conformité autonomes et cloisonnés. L’article McKinsey et les articles répertoriés à la fin de cet article fournissent de nombreux exemples de la façon dont les mégadonnées et les analyses fournissent des informations sur les paramètres les plus importants pour la gestion de la qualité et la conformité. La majorité de ces paramètres sont à l’échelle de l’entreprise, et pas seulement limités aux seuls services de gestion de la qualité ou de conformité.
- Quantifiez l’impact de la production quotidienne sur les performances financières avec une visibilité au niveau de la machine. Les mégadonnées et les analyses avancées fournissent le chaînon manquant qui peut unifier l’activité de production quotidienne aux performances financières d’un fabricant. Étant capables de savoir au niveau de la machine si l’usine fonctionne efficacement, les planificateurs de production et les cadres supérieurs savent comment adapter au mieux les opérations. En unifiant la production quotidienne aux mesures financières, les fabricants ont plus de chances de faire évoluer leurs opérations de manière rentable.
- Le service devient stratégique et contribue aux objectifs des clients en surveillant les produits et en fournissant de manière proactive des recommandations de maintenance préventive. Les fabricants commencent à considérer les produits plus complexes qu’ils fabriquent comme nécessitant un système d’exploitation pour gérer les capteurs embarqués. Ces capteurs signalent l’activité et peuvent envoyer des alertes pour la maintenance préventive. Les mégadonnées et les analyses rendront le niveau des recommandations contextuel pour la première fois afin que les clients puissent obtenir une plus grande valeur. General Electric le fait aujourd’hui avec ses moteurs à réaction et ses plates-formes de forage par exemple.
Sources d’informations supplémentaires sur le Big Data dans la fabrication :
- Attitudes sur la façon dont le Big Data affectera les performances de fabrication. Publié par Greg Goodwin le jeu. 06 mars 2014. LNS Research.http://blog.lnsresearch.com/blog/bid/194972/Attitudes-on-How-Big-Data-will-Affect-Manufacturing-Performance-DATA From Value to Vision: Reimagining the Possible with Data Analytics, David Kiron, Renee Boucher Ferguson et Pamela Kirk Prentice, MIT Sloan Management Review, mars 2013.http://sloanreview.mit.edu/reports/analytics-innovation/introduction/
- Merck optimise la fabrication avec Big Data Analytics, Information Week, Doug Henschen. 2 avril 2014. http://www.informationweek.com/strategic-cio/executive-insights-and-innovation/merck-optimizes-manufacturing-with-big-data-analytics/d/d-id/1127901
- Points à retenir de la conférence MIT/Accenture Big Data in Manufacturing. Publié par Greg Goodwin le mercredi 27 novembre 2013.http://blog.lnsresearch.com/blog/bid/190482/Takeaways-from-the-MIT-Accenture-Big-Data-in-Manufacturing-Conference
- L’Internet des objets et l’avenir de la fabrication. McKinsey et compagnie. Les dirigeants de Robert Bosch et les experts de McKinsey discutent des changements technologiques qui promettent de déclencher une nouvelle révolution industrielle. juin 2013 | par Markus Löffler et Andreas Tschiesner.http://www.mckinsey.com/insights/business_technology/the_internet_of_things_and_the_future_of_manufacturing
- The Rise of Industrial Big Data : Tirer parti de grands ensembles de données de séries chronologiques pour stimuler l’innovation, la compétitivité et la croissance – capitaliser sur l’opportunité du Big Data, livre blanc de GE Intelligent Platforms, avril 2012. http://www.ge-ip.com/ bibliothèque/détail/13170
- Quand le Big Data rencontre la fabrication. Stephen Chick, Serguei Netessine, professeurs INSEAD de technologie et de gestion des opérations et Arnd Huchzermeier, professeur titulaire de gestion de production à la WHU-Otto Beisheim School of Management | 16 avril 2014.http://knowledge.insead.edu/operations-management/when-big-data-meets-manufacturing-329
Courtoisie – Louis Colomb
image du haut : big data / shutterstock
