PSA Peugeot Citroën vers l’Usine du Futur : un monde de données à explorer

Séminaire du Mastère Spécialisé Big Data de Télécom ParisTech du jeudi 8 octobre 2015

Anne Coat, Responsable « Business Proximity » auprès de la Direction Industrielle, et Ludovic Ferlin, I.T. Business Partner, tous deux à la Direction des Systèmes d’Information à PSA Peugeot Citroën, sont venus présenter les différents enjeux liés aux données au sein du Groupe, aux étudiants du Mastère Spécialisé Big Data. En effet le Big Data fait partie intégrante du programme de l’Usine du Futur initié par le constructeur, pour définir la vision à l’horizon 2025 de son système industriel.

On sait que la quatrième révolution industrielle passera par le digital, et notamment que des technologies de communication comme le wifi, la 4G, le RFID vont investir l’usine. L’entreprise teste par exemple des visseuses industrielles connectées en wifi, qui permettent beaucoup plus de souplesse dans le travail de l’opérateur. Les tablettes arrivent aussi pour permettre aux opérateurs de pouvoir réagir plus vite, dans le domaine maintenance par exemple.

Suite à une démarche globale multi-directions, trois axes majeurs ont été retenus pour définir l’usine de demain et de nouveaux projets sont déjà lancés. Ce sont : l’usine virtuelle, avec tout ce qui touche à la modélisation et à la simulation ; l’usine connectée, avec la notion de continuité digitale, le Big Data, la 3G/4G, le Wifi ; et l’usine agile et flexible qui comprend procédés et process, automatisation.

En captant un maximum de données, le Big Data appartient aux technologies qui vont permettre d’aller vers plus de prédictif et de corrélation. Pour PSA, l’enjeu du Big Data est de faire parler les données issues des systèmes d’information industriels. La clé de la réussite passera par la mise en place d’une véritable association entre data science et métiers. Le data scientist devra échanger avec les experts métiers pour faire comprendre les résultats qu’on peut tirer de l’analyse des données.

Deux axes industriels où le Big Data peut apporter rapidement une avancée concrète à PSA ont été identifiés : la qualité produit et la maintenance industrielle.

Qualité

La mission principale de la qualité a avant tout une mission de protection clients. Il s’agit de garantir la conformité et certifier la bonne qualité de fabrication des véhicules. Pour cela des contrôles sont posés sur des opérations spécifiques et des retouches sont faites pour lever les défauts de fabrication.

Pour s’animer sur sa Qualité et valider la bonne qualité de fabrication des véhicules, les SI verrouillent l’ensemble du processus : Un référentiel commun des défauts partagés entre l’ensemble des usines permettant de définir les mêmes natures et localisations, un système opérationnel s’appuyant sur quelques solutions tactiles, pour saisir et lever les défauts identifiés, et un système décisionnel pour porter l’ensemble de l’animation qualité locale et transversale.

Pour une usine qui produit 100 000 véhicules par an, cela représente un bon million de données, avec un archivage au moins deux ans sur l’ensemble des usines. De plus, il y a des SI permettant d’effectuer la surveillance du process, soit remontée de façon automatique par des robots déployés dans les ateliers de peinture ou de montage. Pour la peinture, ils vont mesurer l’épaisseur de la peinture, estimer s’il y a une déformation de la tôle… Pour le montage, ils vont mesurer les couples de vissage réel et les comparer avec le couple théorique. Si on veut pouvoir utiliser ces informations automatiques, il faudra les rapprocher avec d’autres données qui sont celles des défauts constatés.

Pour valoriser ces données, plusieurs projets se développent en parallèle. L’un repose sur la modélisation de la survenue d’un défaut en fonction de l’historique des défauts précédents. L’autre projet s’intéresse à l’identification des perturbations d’une zone de montage en cernant les signaux faibles (pannes non critiques). Un troisième sujet plus complexe concernera la corrélation des défauts d’un véhicule, de sa conception jusqu’au client, en passant par la fabrication.

Maintenance industrielle

La maintenance industrielle se décompose en trois parties : les interventions de maintenance (programmées périodiquement ou non prévues), la gestion des stocks de consommables et pièces de rechange et la maintenance des référentiels (pièces, fournisseurs, etc.)

La surveillance des process est généralement automatisée, en particulier la surveillance des bâtiments pilotée par une GTC (Gestion Technique Centralisée) qui contrôle la température, la ventilation, la consommation électrique ou encore la distribution des fluides dans l’usine. Ces données représentent une volumétrie importante et hétérogène : jusqu’à 200 capteurs par bâtiment avec un historique de 4 mois.

Les données de maintenance proviennent de SI structurés. On sait par exemple précisément quel fournisseur apporte quelle pièce pour quelle machine et comment elle doit être remplacée. Cela représente 2 millions d’opérations de maintenance sur une trentaine de sites de production, avec un historique remontant jusqu’à 2008.

Les données de surveillance représentent également un volume important. Un atelier de ferrage, c’est plus de 200 robots qui remontent des informations sur leurs opérations (voltage, temps de soudure, panne, attente de pièce…) certaines sur quelques jours d’autres jusqu’à 6 mois.

Un des enjeux de la maintenance préventive est de pouvoir arriver à utiliser toutes ces informations de l’environnement pour modéliser les comportements de l’équipement et ainsi anticiper des opérations de maintenance. Ce qui permettrait de réduire significativement leur fréquence.

Un autre cas d’école est celui de la dispersion du taux de rebuts : quand la fabrication d’une pièce génère habituellement 3 à 4 % de rebut, et que parfois ce chiffre grimpe à 16 voire 30% sans qu’aucune cause n’ait pu être identifiée. Ici encore une modélisation précise du comportement des processus en jeu pourrait permettre de comprendre ce qui se passe, grâce à une vingtaine de paramètres déjà mesurés et potentiellement 150 autres qui pourraient être pris en compte.

Plusieurs nouveaux défis se présentent déjà : de très nombreux projets Big Data, l’intégration d’informations issues du Web, par exemple sur les fournisseurs et concurrents, le développement de l’internet des objets pour disposer des moyens de mesure re-paramétrables en permanence…

Dès maintenant, PSA souhaite recruter quatre stagiaires pour valoriser ses téraoctets de données et concrétiser ses projets Big Data...