L’analyse des causes profondes et l’IA dans la production
De nombreuses entreprises de fabrication sont régulièrement confrontées au problème des variations indésirables des produits, même si elles pensent que rien n’a changé dans le processus. L’analyse des causes profondes » à l’aide de l’IA – l’intelligence artificielle – peut être utile dans ce cas.
En fait, une analyse plus poussée révèle régulièrement que les conditions ont constamment changé, entraînant une déviation des paramètres du produit, voire son rejet. C’est un défi de continuer à découvrir les conditions qui affectent la qualité du produit final. Lisez ci-dessous comment fonctionne une analyse des causes de défaillance avec l’IA.
Théorie classique de la classification
La base du problème est en fait assez simple. Vous disposez d’une collection de bons produits et d’une collection de produits moins bons ou mauvais. En outre, vous voulez savoir pourquoi ces produits diffèrent les uns des autres. En utilisant la théorie classique de la classification, ce problème est assez facile à résoudre. Sur la base de la méthode des moindres carrés, vous tracez une ligne droite séparant les deux ensembles.
Cependant, le problème des processus de fabrication réside souvent dans le fait qu’il y a:
A) De très nombreux paramètres de production influencent la production ;
B) Ceux-ci peuvent provenir de differéntes sources de données ;
C) Et il peuvent egalement differer dans le temps les uns des autres.
Tout d’abord, vous avez besoin d’une base de données de séries chronologiques qui saisit numériquement tous les paramètres du processus. Et ils sont plus nombreux que vous ne le pensez, car ce sont précisément ces paramètres que vous ne saisissez pas, que vous ne pouvez pas trouver et qui affectent pourtant le processus.
CONSEIL 1 : Enregistrez autant de données de processus que possible dans une base de données chronologique.
Enregistrez autant de données de processus que possible. Vous devez ensuite rattacher correctement ces données aux collections de produits. Après tout, vous voulez comparer les données des bons produits avec celles des mauvais produits. Cela peut se faire de différentes manières, mais un bon système Smart Factory (MES) est d’une aide précieuse à cet égard.
En effet, si tout se passe bien, il conserve toute la traçabilité du produit, ce qui permet de savoir à quelle période le produit s’est trouvé dans quelle machine. Grâce à ces heures de début et de fin, vous pouvez extraire les bonnes données de votre base de données de séries chronologiques.
CONSEIL 2 : Utilisez un système Smart Factory (MES) pour enregistrer les temps de traitement de vos produits sur chaque machine.
Dans la dernière étape, vous devez combiner les données des deux ensembles pour analyser les différences (analyse des causes de l’itinéraire). Plusieurs outils sont disponibles à cet effet, notamment Proficy CSense de GE Vernova.
Machine Learning / AI technique
Avec Proficy CSense, vous pouvez facilement charger, visualiser et contextualiser des données provenant de différentes sources. Vous pouvez ensuite appliquer la théorie de la classification à ces données. Cela revient en fait à faire de l’apprentissage automatique, en construisant un modèle qui montre la différence entre les deux groupes de produits. Le modèle peut alors montrer à tout moment quel paramètre environnemental a eu le plus d’influence sur la différence entre les bons et les mauvais produits.
Vous voulez en savoir plus sur CSense ?
Regardez l’enregistrement du webinaire ou contactez l’un de nos spécialistes produits.
–> Pour obtenir les coordonnées ou le formulaire de contact, consultez la page de contact.
