Food for thought

L'exploitation des données de production, premier levier de performance industrielle

Un billet de
Pierrick Boissel

Un enjeu crucial trop souvent relégué au 2nd plan de la transformation digitale

L'exploitation des données de production, premier levier de performance industrielle

Selon McKinsey, 11 000 milliards de dollars de valeur économique seront générés d'ici 2025 par les efforts de transformation numérique industrielle.

Quels sont les drivers de cette transformation ?

  1. Une hausse de la qualité
  2. Des opérations améliorées grâce à un meilleur monitoring ainsi que de la maintenance prédictive
  3. Une plus grande souplesse face à la volatilité des marchés et de la demande ainsi que les problèmes de supply chain

Or, toujours selon McKinsey, les efforts de transformation numérique ayant pour but de créer une plateforme de données edge & cloud agile peuvent avoir des retombées importantes :

  • Réduction des stocks qui peut rapporter entre 12 et 30 % de ROI
  • Réduction du lead time qui peut rapporter entre 10 à 90 % de ROI
  • Réduction du temps d’arrêt machine qui peut rapporter entre 30 à 50 % de ROI

Il est donc crucial pour les entreprises de ne pas rater le virage numérique et de capitaliser sur ces évolutions pour acquérir un avantage concurrentiel certain.

Pourtant, lorsque l’on évoque la gestion de la donnée, de nombreuses difficultés subsistent (Temps réel, Big Data, etc..), et ce pour plusieurs raisons :

  1. Difficulté d’évaluer le volume et la variété de la donnée IoT face à la multiplication des sources de données
  2. Gérer la complexité de la gestion de la donnée en temps réel est un défi pour bon nombre de compagnies
  3. Libérer la donnée des silos indépendants s’avère difficile avec des outils d’un autre temps
  4. Trouver le juste équilibre entre edge et cloud nécessite une vraie réflexion en interne, réflexion qui reste souvent au stade embryonnaire car on observe un manque de connaissances autour des spécificités de ces plateformes et peu de temps pour former les équipes
  5. Passer de modèles réactifs à des modèles prédictifs induit une changement de culture et de pratiques.
  6. La scalabilité des solutions IIoT se place au coeur des enjeux liés aux données
  7. Enfin, les questions autour de la connectivité au edge restent nombreuses

Les obstacles sont donc légion, mais alors que les données time series real time augmentent 50 % plus vite que les données statiques et que l'analyse en continu devrait connaître une croissance de 28 % par an, il apparait crucial pour les entreprises d’adopter ces solutions pour faire remonter et exploiter au mieux leurs données afin d’accroître leurs performances.