Enterprise Manufacturing Intelligence 2.0 : L’EMI en 2021 ?

L’Enterprise Manufacturing Intelligence (EMI) désigne les solutions logicielles qui permettent d’agréger les données issues des différents systèmes d’information relatifs aux opérations industrielles pour ensuite permettre de les consulter, les traiter et les analyser pour piloter et optimiser les opérations.

Ce concept commence à avoir quelques années derrière lui et certains considèrent que c’est de la BI (Business Intelligence) appliquée aux opérations industrielles. Mais, avec les évolutions des technologies de l’information, la montée en puissance de la Data Science, du Machine Learning (IA) et des technologies de l’IoT les possibilités ont été démultipliées, offrant une nouvelle base technologique à l’Enterprise Manufacturing Intelligence.

Agréger les données industrielles issues de sources multiples

Il s’agit de combiner les données issues :

• Des systèmes de conduite (PLC, DCS, Historian…), en particulier les paramètres de pilotage, de mesure, les cycles de fonctionnement, systèmes d’analyse en lignes…
• Des systèmes d’information d’exécution de production (MES…).
• Des systèmes d’information qualité (LIMS, ERP…), pour les analyses du contrôle qualité, du laboratoire…
• Des systèmes d’information financiers (ERP), avec par exemple des prix d’achat de matières premières, des coûts standards de production…
• Des IIoT (Industrial Internet of Things) : capteurs de surveillance d’équipements, systèmes de géolocalisation…

Agréger, combiner, c’est déjà rassembler les données dans un lieu unique pour faciliter leur manipulation. Ce qui sous-entend les stocker. L’enjeu est de trouver la bonne manière de faire par rapport aux usages envisagés, tout en gardant une certaine flexibilité dans ces usages. C’est ce que proposent les Data-Warehouse (entrepôt de données) ou les Data-Lake (lac de données).

Une solution d’Entreprise Manufacturing Intelligence se doit de fournir un Data-Lake optimisé pour le stockage et la manipulation des données industrielles. On peut noter par exemple la capacité à traiter de manière efficace les données temporelles (ou Time Series) mais également des données de traçabilité et de généalogie. L’existence d’un modèle de données préétabli adapté aux données industrielles est un moyen de faciliter et accélérer la mise en œuvre de la solution retenue.

Manipuler et analyser les données pour les transformer en informations actionnables ou « usages »

Une fois les données agrégées, les solutions d’EMI permettent de les transformer en informations actionnables. C’est certainement dans ce domaine que les choses ont le plus évolué. La manipulation des données ne s’arrête plus à des calculs d’indicateurs (Consommations spécifiques, rendements, productivité, TRS…), et leur visualisation. Aujourd’hui les outils disponibles permettent d’aller plus loin en s’appuyant sur l’analyse statistique, la Data-Science et le Machine Learning. Il est ainsi possible :

• D’anticiper sur le pilotage des procédés (détection de dérives, anticipation de changements de consommables, préconisations de pilotage…)
• De faire de la maintenance prédictive (détection d’anomalies sur le fonctionnement d’équipements, anticipation de défaillances…)
• D’optimiser les procédés (arbitrage en fonction de prix de matières premières et d’énergies, optimisation des conditions opératoires…)

C’est dans ce cadre que le mot « Intelligence » de l’EMI prend tout son sens et va au-delà de la réponse simple besoin de « connaissance » et permet d’accompagner concrètement la prise de décisions, voire de l’automatiser, en s’appuyant sur l’expertise métier acquise au fil du temps.

Valoriser l’information qui se cache dans les données

Une grande partie des informations qui pourraient être pertinentes pour le pilotage de l’outil industriel restent inutilisées car non disponibles, non visibles pour ceux qui en ont l’utilité. L’objectif d’un EMI est donc bien de rendre ces informations accessibles, intelligibles, au bon utilisateur, au bon moment. Ce type de solutions va ainsi fluidifier l’échange d’informations dans l’organisation industrielle, donc supprimer les silos qui peuvent entraver son efficacité.

Des solutions tournées vers les usages et l’autonomie des utilisateurs métier

Il n’en reste pas moins qu’un aspect important d’un projet EMI 2.0 est la capacité à faire monter la compétence autour de la donnée et de l’amélioration continue des opérations sur le terrain. Ainsi, un des piliers de la transformation digitale portée par les EMI est de se concentrer sur les usages. Les progrès réalisés dans le développement d’applications (UX design, ergonomie, convivialité…) permettent de proposer des solutions dont la prise en main est beaucoup plus rapide grâce à des fonctionnalités conçues pour répondre à des usages métier concrets.

L’EMI 2.0 arrive enfin…

Aujourd’hui l’EMI bénéficie de la toute-puissance des révolutions technologiques des 10 dernières années (Cloud, Big Data, Intelligence Artificielle, Recherche Opérationnelle…) qui permettent enfin de répondre aux questions que les acteurs industriels se posent au quotidien pour piloter au mieux leurs usines. Ces révolutions, outre de rendre possible de nouveaux usages, permettent d’y accéder à un coût toujours plus bas. L’EMI n’est donc plus l’apanage des seuls grands groupes et devient accessible aux ETI et progressivement aux PMI.

Pour les grands groupes la question se pose de sortir des approches internalisées de l’EMI qui faisaient sens tant qu’il n’y avait pas de solutions matures sur le marché. Ils peuvent maintenant aller vers des solutions du marché, seules garanties pour rester à jour dans la durée et consacrer leurs ressources financières uniquement sur des tâches ayant une valeur ajoutée directe sur leurs métiers.

Jean-François Hénon, Mathieu Cura

Références :
1 – L’Enterprise Manufacturing Intelligence selon wikipédia
2 – La vision de la Manufacturing Intelligence par Capgemini.
3 – Etude sur l’Enterprise Manufacturing Intelligence par Arc Advisory Group