Comment un algorithme aide BekaertDeslee à réduire les déchets

« Produire du textile est une activité délicate », commence Rik Holvoet, qui est DSI chez BekaertDeslee depuis 2012. « La qualité du fil, les conditions climatiques, l'humidité... tous ces facteurs peuvent avoir un impact tant sur les performances des machines de production que sur la qualité du produit final. Si l'on ajoute à cela les designs stimulants que nos créatifs imaginent, il n'est pas difficile de comprendre pourquoi la fabrication de tissus est réputée pour sa production élevée de déchets. »

L'intuition des opérateurs

Chez BekaertDeslee, la quantité de déchets produits se traduit par plusieurs terrains de football par jour. « Nous savions que nous devions faire quelque chose, nous avons donc commencé à rechercher les facteurs ayant le plus grand impact », poursuit Rik. « Étonnamment, une grande partie de ces facteurs se résumait à l'instinct de nos opérateurs. Les employés qui avaient l'intuition la plus fiable pour savoir quand une machine était susceptible de tomber en panne, ou qui pouvaient ‘sentir’ que les paramètres n'étaient pas exactement corrects, avaient les meilleures chances d'éviter un mauvais lot. Malheureusement, ce n'est pas quelque chose qui s'apprend en quelques semaines : cela s'acquiert avec des années d'expérience. Mais peut-être l'intelligence artificielle pourrait-elle nous aider. »

Une mine d'or de données sur les ateliers

Depuis plus de 11 ans, BekaertDeslee recueille des données sur les ateliers à l'aide des logiciels SAP et VisionBMS, les stockant soigneusement pour le jour où ces informations seraient nécessaires. Avec le projet de réduction des déchets, ce jour est enfin arrivé. « Le stockage de toutes ces données de production est coûteux », explique Rik. « Mais nous savions que cela finirait par payer. Ce projet est la preuve que nous avions raison. »

Armé d'une mine d'informations, un ingénieur audacieux de BekaertDeslee a décidé de s'essayer à Azure Machine Learning pour développer un algorithme capable de prédire quand une machine était susceptible de tomber en panne. « Sans aucune connaissance préalable de la plateforme, il est parvenu à obtenir des résultats fiables et à indiquer aux opérateurs quelles machines ils devaient vérifier pour éviter les erreurs », continue Rik. « C'est là que nous avons su que nous étions sur quelque chose. »

Déploiement mondial

Rik et son équipe ont décidé de lancer un projet pilote limité à l'usine de BekaertDeslee en Turquie, qui ne concernait que quelques machines. « Pour nous assurer que la technologie est robuste et évolutive, nous avons fait appel à notre partenaire de confiance, delaware « , poursuit Rik. « Nous avons travaillé avec eux sur de nombreux projets, souvent dans le cadre du programme d'innovation DEL20, ils connaissent donc parfaitement notre entreprise. Leur expertise a été essentielle pour exporter les données de production vers le cloud, les intégrer à notre ERP et les utiliser pour améliorer le modèle de prédiction au fil du temps. »

Une réduction des déchets de 10 à 20 % s'est avérée réaliste. Aujourd'hui, l'algorithme a été mis en œuvre dans les 20 sites de production de BekaertDeslee à travers le monde. Et grâce à l'approche normalisée, les données peuvent être facilement partagées entre les sites de production. Ainsi, si un problème survient en Turquie, l'usine américaine sera informée des risques lorsqu'elle travaillera sur un ordre de production similaire. « Pour moi, c'est un excellent exemple de la valeur à long terme du stockage des données et du partage des connaissances et de l'innovation », conclut Rik.

Vous voulez savoir ce que vous pouvez réaliser avec vos données d'atelier ? Contactez-nous et découvrez la valeur cachée de vos données.