Projets

Chez Pampers, la data empêche les fuites

Chez Pampers, la data empêche les fuites
Une usine Procter & Gamble. Dans la fabrication des couches, tout défaut se traduit par d’importantes quantités de produits mis au rebut. (Photo : P&G)

Procter & Gamble, qui fabrique les Pampers, s'est tourné la plateforme IoT et Edge de Microsoft pour capturer des données en temps réel sur ses processus de fabrication et les analyser, afin d'anticiper les défaillances imminentes avant qu'elles n'endommagent la production de couches.

PublicitéS'il y a des produits du quotidien que l'on espère fiables, ce sont bien les couches infantiles. Cet impératif pousse la société Procter & Gamble Co (P&G) à investir dans la qualité et la fiabilité de ses produits Pampers. Mais lorsque des milliers de couches endommagées au cours du processus de fabrication sont jetées tous les jours, il faut aussi travailler sur le taux de rebut. C'est ce qui a décidé P&G à exploiter la data au service de l'amélioration de son activité de fabrication de couches.

« Nous cherchons toujours à savoir quelles sont les sources les plus importantes de pertes et où les choses pourraient mieux fonctionner », explique Jeff Krietemeyer, directeur principal de l'informatique pour Global Baby Care Services & Solutions chez Procter & Gamble. Son équipe a commencé, dès la fin 2021, à étudier une solution pour résoudre les problèmes de fabrication les plus coûteux, en particulier ceux qui affectent les couches.

Un taux de rebut en chute de 70%

Les couches sont fabriquées à partir de pâte à papier, de plastique, de granulés absorbants et d'élastiques, et différents procédés - tels que le collage à chaud en continu et le thermocollage - sont utilisés tout au long d'un processus de fabrication hautement mécanisé. Lorsque ce dernier commence à connaître des ratés, Procter & Gamble utilise désormais sa plateforme d'optimisation du collage à chaud, appelée Hot Melt Optimization, pour le remettre sur la bonne voie. Ce projet, qui a valu à Procter & Gamble le prix CIO 100 2023 pour l'innovation IT et le leadership, a eu un impact très important sur la fabrication.

Hot Melt Optimization utilise une méthode exclusive de collecte de données à l'aide de capteurs propriétaires positionnés sur la chaîne de montage. Combinée à l'analyse prédictive de Microsoft et au cloud Azure pour l'industrie, cette méthode permet à P&G de produire des couches parfaites en réduisant les pertes venant des produits endommagés au cours du processus de fabrication. Depuis le déploiement de la solution dans 11 usines, P&G estime avoir éliminé 70 % des couches défectueuses qui doivent être mises au rebut. Les dirigeants du groupe n'ont pas voulu divulguer le montant exact des économies réalisées chaque semaine grâce à cette approche, mais il s'agit d'un montant à sept chiffres.

Analyse de couches data-driven

Au cours du processus de fabrication des couches, un flux de colle chaude est libéré par une électrovanne automatisée de manière très précise afin de garantir que les épaisseurs de la couche se solidifient correctement. « Les couches traversent la chaîne de fabrication à grande vitesse pendant le processus d'assemblage, ce qui nécessite une application extrêmement précise de la colle thermofusible », détaille Jeff Krietemeyer, qui précise que ces colles sont sans danger pour la peau humaine. Cependant, si la température et la pression du flux de colle sont imprécises, ou si la colle se bloque dans la valve et que ce défaut n'est pas corrigé à temps, les couches assemblées avec ces paramètres doivent être jetées à la poubelle.

PublicitéPour diminuer les conséquences de ces défauts, Procter & Gamble a travaillé en étroite collaboration avec Microsoft pour déployer la plateforme analytique IoT et Edge de l'éditeur, son cloud Azure pour l'industrie et ses capteurs IoT, ses fonctions analytiques en Edge Computing et ses modèles de Machine Learning. La plateforme qui en résulte a été testée pendant neuf mois dans une usine pilote de P&G, avant d'être déployée sur la moitié des sites de fabrication de Pampers à travers les États-Unis.

En route vers l'une de ces usines, dans le Missouri, Jeff Kietermeyer explique que la combinaison de la plateforme Edge et de l'IoT, des capteurs et du moteur de règles analytiques a été employée avec succès pour traiter les anomalies de pression et de température, ainsi que les problèmes liés aux valves. « L'équipe en charge du projet a exploré plusieurs algorithmes, y compris l'entraînement de modèles à base de réseaux neuronaux, et a constaté que le moteur de règles Microsoft AI obtenait les meilleurs résultats », précise le DSI.

Détecter les dérives en temps réel

Sur la chaîne de montage, P&G utilise des automates programmables Rockwell et d'autres capteurs pour surveiller étroitement et enregistrer les données relatives à la température et à la pression du flux de colle. Les données sont introduites dans des plateformes analytiques et dans des programmes développés en interne pour identifier les erreurs ou anomalies qui doivent être corrigées en temps réel, sans pour autant mettre la production hors ligne. Ce qui permet de garantir que la production de chaque ligne dépasse le niveau réalisé avant le lancement de Hot Melt Optimization.

Le streaming de données a été configuré à l'aide d'une base de données de contrôle industriel appelée Influx Historian. Les données sont transmises au modèle analytique Edge de Microsoft à l'aide d'un système de diffusion et d'une prévisualisation via Grafana. Le capteur et le logiciel peuvent détecter si quelque chose ne fonctionne pas correctement et, en quelques heures, effectuer la correction automatiquement.


Jeff Krietemeyer, directeur principal de l'informatique pour Global Baby Care Services & Solutions chez Procter & Gamble.

« Ces microcontrôleurs industriels fonctionnent à très grande vitesse et sont très sensibles », observe Jeff Kietermeyer. « Il faut beaucoup d'efforts et d'inspections pour les faire fonctionner avec une grande précision afin de fabriquer la couche parfaite, et il n'y a pas d'expert disponible 24 heures sur 24 et 7 jours sur 7 pour surveiller la ligne. Et même s'il y en avait un, il aurait besoin de temps de pause. C'est de là qu'est née l'idée du projet ».

La puissance de l'analyse prédictive

Ici, l'analyse prédictive est essentielle. Les spécifications de fabrication de P&G sont continuellement testées par rapport aux données entrantes, sur la base de règles, via le moteur d'analyse de Microsoft, ce qui permet de repérer les corrections nécessaires plusieurs heures à l'avance. « Si les données suivent une mauvaise tendance, il est possible de prévoir dans les six à huit heures qui suivent si elles vont provoquer un échec [dans la fabrication] », détaille Jeff Kietermeyer. « Nous pouvons le prévoir à temps pour arrêter cette tendance, et effectuer la maintenance avant de sortir des spécifications. »

Procter & Gamble, l'une des plus grandes entreprises de produits de grande consommation au monde avec plus de 80 Md$ de chiffre d'affaires en 2022, souligne l'importance de l'utilisation de la collecte de données et de l'analyse prédictive dans les résultats de l'entreprise. « La demande de produits de soins pour bébés est extrêmement élevée et les lignes de production nécessaires à la fabrication de ces produits sont très exigeantes en termes d'actifs », indique le groupe. « La capacité de P&G à maintenir les lignes en fonctionnement a un impact significatif sur nos résultats, notamment en soutenant notre capacité à maintenir et à augmenter la capacité de production, à réduire les temps d'arrêt non planifiés et à réduire la quantité de déchets générés au cours de la production. »

Comprendre en détail ses processus de fabrication

L'optimisation de la thermofusion fait suite à des engagements plus larges pris par P&G pour faire évoluer ses activités de fabrication à l'aide des technologies et de l'IA. Un analyste qui suit l'utilisation de la technologie dans le manufacturing note qu'il est essentiel pour les industriels de connaître leurs processus de fond en comble pour bénéficier des dernières avancées : « la transformation numérique fait appel à des capteurs évolués, à l'analyse des données et aux dernières avancées en matière d'intelligence artificielle pour obtenir des informations sur les processus de production », explique Carlos Gonzalez, directeur de recherche pour l'écosystème et les tendances IoT chez IDC. « Le dynamisme du commerce électronique pousse les organisations à adopter davantage de flexibilité et à produire des biens de manière efficace et rapide. Pour ce faire, les organisations doivent comprendre en profondeur leurs processus industriels. Les plateformes IoT et la collecte de données sont donc nécessaires pour assurer la réussite et la résilience des opérations industrielles. »

Partager cet article

Commentaire

Avatar
Envoyer
Ecrire un commentaire...

INFORMATION

Vous devez être connecté à votre compte CIO pour poster un commentaire.

Cliquez ici pour vous connecter
Pas encore inscrit ? s'inscrire

    Publicité

    Abonnez-vous à la newsletter CIO

    Recevez notre newsletter tous les lundis et jeudis

    La question du moment
    Avez-vous déployé des initiatives visant à automatiser l’exploitation de vos réseaux ?