Digital Engineering, Advanced Analytics, Connected Materials & Products – tels sont les noms des trois initiatives par lesquelles Freudenberg Sealing Technologies (FST) fait avancer la numérisation dans le domaine des innovations. C’est l’Initiative Owner, Philipp Oestringer, Technology & Innovation, qui les coordonne.
« Le Digital Engineering n’est pas nouveau en soi », déclare Philipp Oestringer. « Ceci a commencé par le fait que les dessins de conception n’étaient plus faits sur papier, mais que l’on se mit à utiliser pour cela des programmes de CAO. » Quand il parle aujourd’hui de Digital Engineering, il pense surtout à l’échange de données et à la mise en réseau numérique : par exemple à la Conception Assistée par Ordinateur (CAO) avec des simulations dans l’Ingénierie Assistée par Ordinateur (IAO) et la Fabrication Assistée par Ordinateur (FAO) dans la technique de production. « Les systèmes peuvent communiquer entre eux et comprennent mutuellement les données de l’autre. C’est comme si on pouvait lire à l’aide de MS Word des informations contenues dans un fichier au format Excel », explique-t-il.
Un projet actuel de l’initiative Digital Engineering se penche sur l’introduction d’un système de Product Lifecycle Management (PLM) End-to-End (E2E) chez FST. Il s’agit là d’un logiciel contenant toutes les données d’un produit sur l’ensemble de son cycle de vie – du problème initial au recyclage en passant par le développement du produit et sa production. Dans une première étape de ce projet, FST reproduit actuellement dans le système PLM, à l’aide du logiciel Teamcenter de Siemens, le processus de développement du produit, avant de passer au pré-développement.
Éviter le travail double
L’avantage du système PLM est qu’il apporte une grande transparence et permet de retracer même des détails de l’histoire de la naissance et de la vie du produit, pour ainsi dire « du berceau à la tombe ». Ceci est utile par exemple pour des audits, mais aussi si les ingénieurs reçoivent un cahier des charges semblable à l’un de ceux déjà archivés dans le système. Ce savoir-faire est disponible pour toutes les unités de l’organisation, qui peuvent donc s’appuyer sur le savoir existant, ce qui permet d’éviter un travail double. Il en est de même si des problèmes similaires se posent dans deux ou trois services de l’entreprise. Ceci permet de créer des synergies. De plus, le logiciel guide les développeurs à travers toutes les tâches du processus de développement, et ce de manière standardisée. Ceci permet de ne rien oublier. Des jeux de données peuvent être échangés avec le système de gestion des stocks (SAP) ou le système de gestion des relations clients (CRM). Ceci évite du travail supplémentaire et augmente l’efficience.
Un autre projet actuel de Digital Engineering est l’Intellectual Property (IP) Management. Il s’agit là de la propriété intellectuelle, entre autre de la question de savoir si FST veut renouveler certains brevets ou les laisser expirer. Le système extrait de SAP les données relatives par exemple au chiffre d’affaires et aux coûts, les met en relation avec des chiffres clés pertinents, ce qui permet une décision qualifiée.
Collecte et évaluation de données
Les deux autres initiatives de numérisation dans le domaine stratégique de l’innovation avancent elles aussi. Dans Connected Products & Materials, il s’agit d’équiper de plus en plus de produits et de matériaux avec des capteurs. La surveillance permanente de l’état du produit doit d’une part permettre aux clients de FST une maintenance précise (« Condition Monitoring ») ; d’autre part, FST peut utiliser les données en temps réel pour poursuivre l’amélioration de ses produits. Les données issues de l’utilisation dans la pratique viennent compléter celles collectées lors de tests et de simulations.
L’Initiative Advanced Analytics se consacre elle aussi à l’évaluation de données. Il s’agit ici d’exploiter des données « enfouies », c’est-à-dire enregistrées, mais restées inutilisées jusque-là, mais aussi de collecter des données nouvelles. « Nous voulons ensuite exploiter pour des analyses, à l’aide d’algorithmes intelligents, ces données et les valeurs empiriques », déclare Philipp Oestringer. L’objectif : de moins en moins de « trial and error » dans le développement, de plus en plus de prévisions intelligentes sur la base de données fiables. « Nous pourrions ainsi, grâce à l’Intelligence Artificielle », assister le développement d’un mélange. »
La qualité croissante des données et des prévisions permet par exemple de limiter les tests de prototypes aux solutions jugées les meilleures lors des simulations. Ceci permet des économies tant de temps que de frais, et d’augmenter en même temps la qualité de l’ingénierie dans le développement, ce qui est extrêmement important. En effet, si l’orientation prise au départ est mauvaise, il revient bien plus cher, aux étapes suivantes, de corriger ces erreurs. Il se peut alors que les prototypes d’outils soient déjà fabriqués, que des machines aient été commandées, ou même que des problèmes de qualité surviennent chez le client.
Ces trésors de données de plus en plus importants pourraient aussi bientôt, selon Philipp Oestringer, générer de nouvelles opportunités commerciales. « Nous allons pouvoir développer des solutions pour des exigences dont, par manque de données, nous ne savons pas aujourd’hui qu’elles existent. » À ce propos : les développeurs de Technology & Innovation accueillent toujours volontiers les idées venues des unités commerciales.
