Retour à l'aperçu

Utilisation de la nouvelle génération de données

En raison de la numérisation croissante du contrôle des processus, les entreprises entrent en possession de grandes quantités de (big) data. Celles-ci constituent une source d’information stratégiquement importante pour les décisions d’amélioration et de gestion. Les entreprises utilisent ces données avec avidité par le biais des nouvelles méthodes d’analyse, ce qui donne naissance à de nouvelles spécialités et à de nouvelles fonctions.

Affûtez les compétences de demain de vos collaborateurs et passez à l’action !

Vous trouverez ci-dessous les 6 principales influences pour ce scénario:

(L’analyse des) big data à la base

En savoir plus ...

Capacité à concevoir, effectuer et interpréter des tests in silico

En savoir plus ...

Connaître et exploiter de nouvelles méthodes d’analyse pour la préparation et l’identification des irrégularités

En savoir plus ...

Nouveaux partenaires issus d’autres disciplines

En savoir plus ...

Réduction des interférences dues aux interventions urgentes et curatives

En savoir plus ...

La rectification ne nécessite plus aucune intervention humaine

En savoir plus ...

Formations gratuites à l'honneur

Quelle est l'influence de cette tendance sur les collaborateurs?

(L’analyse des) big data à la base

L’interprétation des dysfonctionnements et l’élaboration de plans de maintenance préventive et prédictive seront (de plus en plus souvent) basées sur les big data et/ou leur analyse. Ces données révéleront, par exemple, des modèles et des relations en combinant des données issues de diverses sources pertinentes (registre de maintenance et d’atelier, bulletin météo, bases de données sur les mesures de vibration, etc.). Une nouvelle technique et source d’information voit ainsi le jour en guise d’input, ce qui implique que les collaborateurs devront être capables de « lire » ce format pour transférer des données plus riches via des blocs « AND » et « OR ».

Capacité à concevoir, effectuer et interpréter des tests in silico

La nouvelle génération d’outils et de sources de production de données se manifestera dans les travaux de recherche et d’essai. Le laboratoire sera, plus encore qu’aujourd’hui, remplacé par le travail informatique. Les tests in silico auront de plus en plus tendance à substituer les tests in vitro et in vivo. Il s’agira alors de pouvoir concevoir, effectuer et interpréter ces tests. L’interprétation concerne principalement les implications de l’application in vivo des résultats in silico. Les collaborateurs devront comprendre correctement les hypothèses sur lesquelles reposent les modèles testés et percevoir ce que les résultats (ne) révèlent (pas).

Connaître et exploiter de nouvelles méthodes d’analyse pour la préparation et l’identification des irrégularités

La mise en œuvre de nouvelles méthodes d’analyse se ressentira sur la production, et plus précisément au niveau de la préparation des cycles de production et de l’identification des irrégularités. Les collaborateurs devront être en mesure d’utiliser ces nouvelles techniques, de faire des pronostics sur le déroulement de la production à partir d’un ordre de travail et de prendre les bonnes dispositions sur cette base. Lors du contrôle des irrégularités, ils devront également pouvoir mettre ces techniques à profit pour identifier les variations qui ne seraient pas détectables autrement. L’expertise attendue du domaine s’enrichit ainsi d’un nouvel élément.

La nouvelle génération de données constitue pour nous une source d’information extrêmement importante, car elle nous apporte des connaissances que nous ne possédions pas auparavant. Les big data ont donc aussi un impact sur notre façon de travailler.

Nouveaux partenaires issus d’autres disciplines

La numérisation et les techniques d’analyse avancées se manifestent par de nouvelles collaborations avec de nouveaux partenaires : développeurs de logiciels, mathématiciens, data scientists, etc. Des partenaires qui se distinguent des parties habituelles en termes de perspective, d’approche et de langage. La capacité à combler le fossé avec ces nouvelles disciplines devient un facteur de succès dans la mise en œuvre de scénarios. L’intensité des concertations à ce sujet doit également être renforcée.

Réduction des interférences dues aux interventions urgentes et curatives

En raison d’une planification de la maintenance axée sur les données (potentiellement grâce à une numérisation poussée), la balance entre les tâches préventives et prédictives et les tâches urgentes et curatives penchera en faveur des premières. Lors de la planification et de l’organisation de leur propre travail, les collaborateurs devront moins tenir compte d’interventions urgentes et difficilement prévisibles. La nécessité de passer rapidement d’une mission à une autre devrait en principe s’atténuer, car les journées de travail se déroulent selon un schéma plus calme.

La rectification ne nécessite plus aucune intervention humaine

Compte tenu de la quantité croissante des données, du traitement intelligent de ces données et du contrôle automatisé, on assiste à la disparition de l’attente à l’égard des collaborateurs de formuler des ordonnances : dans ce scénario, les ordonnances, les paramètres et les protocoles de production sont automatiquement adaptés aux variations des matières premières.

Quelles compétences en seront affectées?

  • Réaliser la planification de la maintenance opérationnelle

  • Élaborer des plans de maintenance prédictive et préventive sur base d’analyses du mode de défaillance et des risques

  • Interpréter les erreurs, les défaillances et les dysfonctionnements (documentés), éventuellement par l’utilisation de techniques de mesure et de contrôle

  • Identifier à temps les irrégularités dans les matières premières, les produits, le fonctionnement des machines ou le déroulement des missions

  • Comprendre les ordres de travail et les documents à l’appui (p. ex. dessins)

  • Évaluer, organiser et planifier son propre travail