Compte tenu des 350 changements de production par jour, d'un portefeuille contenant environ 1 200 produits différents et de 17 millions de composants Simatic produits par an, environ 50 millions d'éléments de données de processus et de produits doivent être évalués et utilisés à des fins d'optimisation afin que la production à l'usine Siemens Electronics Works d'Amberg (EWA) fonctionne correctement. En outre, des technologies révolutionnaires telles que l'intelligence artificielle (IA), l'informatique Industrial Edge et solution cloud permettent déjà des séquences de production extrêmement flexibles, extrêmement efficaces et fiables.
L'informatique Industrial Edge et l'IA pour un débit accru
« Grâce à l'Edge Computing, les données peuvent être traitées immédiatement là où elles sont générées, directement dans l'usine ou la machine », explique le Dr Jochen Bönig, responsable de la numérisation stratégique chez Siemens Amberg. C'est ce que fait EWA, par exemple, sur la chaîne de production où les PCB sont fabriqués pour les composants des E/S distribuées. Mais même dans ce cas, la production n'est pas suffisamment optimisée, et ce n'est pas la faute de la disponibilité de l'usine ni de la qualité des processus. Le goulot d'étranglement se situe à la fin de la production des circuits imprimés, dans la section d'inspection automatique par rayons X. Les circuits imprimés de la taille d'un ongle peuvent accueillir des connecteurs BUS liés aux fonctions dotés de différentes broches de connexion. Lors d'un test non intégré, les joints soudés de ces broches de connexion sont radiographiés et leur bon fonctionnement est vérifié. Devrait-on acheter un autre appareil à rayons X pour environ 500 000€ ? (Cliquez ici pour lire un article d'expert sur le sujet sur le blog Siemens.) L'alternative est l'intelligence artificielle. Les données des capteurs sont transférées vers un cloud via l'environnement TIA (Totally Integrated Automation), qui se compose d'un contrôleur et d'un appareil Edge. Les experts forment un algorithme basé sur l'IA et les paramètres du processus. L'algorithme apprend comment se comportent les données de processus reflétant la qualité des joints soudés et contrôle un modèle qui s'exécute sur une application Edge en usine. « Le modèle prédit si les joints soudés du circuit imprimé sont exempts de défauts : en d'autres termes, si un test de fin de ligne est nécessaire ou non. Grâce à l'analyse en boucle fermée, ces données peuvent être immédiatement prises en compte dans la production », explique Bönig.



