CONFIDENTIEL DE L'ENTREPRISE. NE PAS DIVULGER.
Dans un environnement de production intelligent, une petite compréhension des processus peut être très utile
Chez ADM, les capacités statistiques multivariées sont essentielles pour générer une optimisation et des améliorations des processus qui s'étendent aux sites de production du monde entier.
Défi : Avec l'adoption de systèmes de production entièrement automatisés sur les sites ADM du monde entier, les ingénieurs technologiques chargés de piloter des améliorations proactives et de faciliter l'analyse sont mis au défi de reproduire les succès à grande échelle.
Solution : ADM standardisé autour de JMP® Pro, un logiciel de découverte statistique qui fournit une large gamme d'outils de validation, d'optimisation des processus, d'analyse multivariée et de personnalisation. « JMP Pro permet vraiment aux utilisateurs de travailler plus rapidement », déclare Isaac Himanga, ingénieur analytique senior, ajoutant que, selon son estimation, ce qui prenait auparavant 15 minutes n'en prend plus qu'une. "Vous multipliez cela par 100 utilisateurs et toutes les analyses qu'ils effectuent en un an, et cela a un impact énorme."
Résultats : En plus de réduire le temps consacré à l'accès et à la préparation des données, JMP Pro a aidé les ingénieurs d'ADM à renforcer le contrôle des processus et à résoudre les problèmes coûteux de variation et de validation des processus. En outre, l'équipe a trouvé des moyens d'exploiter les connaissances en matière de processus acquises lors d'un projet d'optimisation pour améliorer le SPC sur d'autres sites via des compléments et des tableaux de bord JMP scriptés. Himanga déclare : « Nous l'avons mis en ligne – c'est un excellent moyen de reproduire [l'impact] plusieurs fois. »
_________________________________________________________________________________________________
Archer-Daniels-Midland Company (ADM) est un acteur majeur de l'industrie alimentaire mondiale avec un vaste portefeuille d'ingrédients et d'arômes pour tout, des céréales pour petit-déjeuner aux multivitamines pour le bétail. En tirant parti de ses capacités tout au long de la chaîne d’approvisionnement, ADM a révolutionné la façon dont les matières premières naturelles sont transformées en aliments de base pour des centaines de millions de consommateurs dans le monde. De plus, l’entreprise utilise désormais son influence pour promouvoir des solutions durables dans les domaines de la technologie agricole et de la transformation alimentaire.
Une grande partie de la capacité d’innovation d’ADM au cours des dernières années peut être directement attribuée à sa transformation analytique. L'adoption généralisée par l'entreprise de systèmes informatiques et de données de pointe a catalysé un changement radical dans la manière dont l'efficience et l'efficacité des processus sont optimisées à chaque étape du pipeline de production.
« Nous avons constaté une montée en puissance des initiatives d'analyse au sein d'ADM », déclare Isaac Himanga, ingénieur senior en analyse. Cette vague de soutien à l'analyse, explique-t-il, s'est produite en partie lorsque ADM s'est réorganisé autour de centres d'excellence – un pour l'amélioration et un pour l'analyse – qui a établi des rôles plus interdisciplinaires pour les ingénieurs en technologie qui, comme leurs homologues en ingénierie des procédés, sont des experts en la matière dans chaque domaine. processus individuel. L’autre facteur de motivation, ajoute-t-il, était simplement de démontrer la valeur à travers un certain nombre d’études de cas très médiatisées : « Il faut un certain temps pour mettre les gens au courant, mais il suffit de les faire surmonter l’obstacle initial. Il est utile de saisir une opportunité où nous comprenons bien le processus pour effectuer beaucoup de travail en un minimum de temps afin de démontrer une amélioration », dit-il.
Au fur et à mesure que la capacité d'analyse d'ADM a été progressivement améliorée grâce à des formations et à des mises à jour de l'infrastructure de données, explique Himanga, les équipes en sont venues à considérer Excel comme n'étant plus adapté à leur objectif. « Nous essayions d'exploiter ces outils d'analyse et d'utiliser nos données pour prendre de meilleures décisions », explique-t-il.
Les exigences de systèmes de contrôle de processus et d'automatisation plus avancés les ont conduits à JMP® Pro, un logiciel de découverte statistique qui a été un partenaire clé d'ADM non seulement dans la transformation de la culture, mais aussi dans de nombreuses premières preuves de concept de l'équipe d'analyse.
S'éloigner de la résolution réactive des problèmes
Comme toute société multinationale opérant entre la transformation des aliments et les marchés des matières premières, ADM dispose de plusieurs millions de données de séries chronologiques et d’autant de balises. De plus, ADM acquiert souvent de nouvelles installations – dont beaucoup, au moment de l’acquisition, reposent sur des systèmes analogiques obsolètes et doivent être équipées d’une technologie de détection numérique. La prise en compte des lacunes des systèmes obsolètes, explique Himanga, a présenté une opportunité d'étendre les améliorations et de traiter les connaissances des sites phares de pointe d'ADM.
Selon lui, dans les nombreuses installations de production mondiales d'ADM, l'Industrie 4.0 a prouvé qu'il existait des lacunes dans les instruments existants et a démontré la valeur commerciale de la résolution des défis liés aux systèmes de données. « Il y a des choses que nous avons apprises dans un établissement et que nous avons réalisé que nous pourrions reproduire dans d'autres », explique-t-il. « [Cette évolutivité] nous permet désormais d’avancer plus rapidement et de nous concentrer sur des améliorations spécifiques. »
Aujourd'hui, la mission d'Himanga consiste à la fois dans des projets de dépannage ponctuels (réduire la vapeur, augmenter le rendement ou résoudre un problème de qualité, par exemple) et dans des projets dans lesquels lui et ses collègues recherchent des opportunités pour augmenter les revenus et réduire les coûts. « Nous consacrons beaucoup d'efforts à l'analyse proactive », dit-il. « Prenons l’exemple de la détection d’anomalies. Nous pouvons signaler des variables ou des parties d'un processus qui fonctionnent anormalement, puis utiliser notre plateforme pour identifier les problèmes avant qu'ils ne se manifestent réellement comme affectant la qualité ou le rendement.
Grâce à son flux de travail d'analyse simple et à ses plates-formes qui permettent des approches avancées telles que la modélisation multivariée, JMP Pro a largement ouvert le champ des possibilités en matière d'amélioration. Non seulement Himanga a découvert des domaines dans lesquels des données étaient collectées mais non utilisées, mais il a également identifié d'innombrables opportunités pour passer d'une approche réactive traditionnelle à un modèle plus proactif.
« Dans de nombreux cas, nous réaliserons un grand projet d'analyse et il s'avérera que même le point de consigne était suffisant pour démarrer et indiquer la bonne direction ! il dit. « Nous devons veiller à ne pas consacrer trop de temps à une seule opportunité d'optimisation, car il existe de nombreuses opportunités. Nous commencerons à optimiser quelque chose, à faire des recommandations, et lorsque l'installation disposera plus tard d'une meilleure instrumentation, nous pourrons revenir en arrière et faire une version deux.
La standardisation autour de JMP Pro contribue à accroître les succès dans les installations mondiales d'ADM
En plus de sa forte présence en Amérique du Nord, ADM possède désormais d'importantes opérations de fabrication en Europe, au Brésil et dans la région Asie-Pacifique. En adoptant une approche globale de l'excellence analytique, Himanga et ses collègues ont saisi des opportunités uniques pour accroître la valeur commerciale créée grâce aux améliorations techniques.
« Au lieu de demander à quelqu'un de se concentrer uniquement sur sa propre région géographique, nous mélangeons et associons intentionnellement afin que chaque [membre de l'équipe apporte une nouvelle perspective] aux usines situées dans d'autres parties du monde », dit-il. Les approches créatives et basées sur les données pour résoudre les problèmes transcendent les frontières nationales, et les outils communs aident les individus à surmonter les barrières culturelles et linguistiques qui pourraient autrement entraver la collaboration.
« Notre vision est de faire en sorte que chaque ingénieur, et peut-être même chaque manager, suive un ensemble standard de formations afin que nous parlions tous le même langage en matière d'analyse de données », explique Himanga. "Mais pour ce faire, nous devions standardiser un outil." JMP Pro a fourni un mécanisme permettant d'augmenter le temps et les activités à valeur ajoutée, d'autant plus que la fonction de script de l'outil a permis aux experts en analyse de déployer rapidement des personnalisations.
Le « moteur de modèle JMP » réduit le temps d'accès aux données de 15 fois
L'un de ces compléments, créé par Himanga et son équipe, extrait les données dans JMP Pro directement à partir de l'historique des données d'ADM. Le complément – ce que Himanga appelle un « moteur de modèle JMP » – peut extraire des informations d'un système source vers un ordinateur de bureau. En exécutant ensuite le script sur de nouvelles données et en renvoyant les résultats à l'historien, une grande partie du processus d'accès aux données est entièrement automatisée, explique-t-il ; les utilisateurs peuvent passer de l'analyse hors ligne à l'évaluation d'un modèle en ligne relativement rapidement.
« Accéder aux données représentait autrefois une grande partie du travail, en particulier pour les petits projets… et cela pouvait prendre beaucoup de temps », explique-t-il. « Mais notre complément personnalisé s’occupe désormais de tout ce travail. Vous pouvez taper une balise dans JMP et il récupérera les données et vous donnera un script. Et si demain vous souhaitez voir le même graphique en utilisant des données plus récentes, il vous suffit de copier et coller le graphique, d'assembler les scripts et de cliquer sur "Exécuter".
Himanga estime que l'automatisation des processus d'accès aux données dans JMP Pro a réduit ce qui prenait auparavant 15 minutes en une seule. « Et si on multiplie cela par 100 utilisateurs et toutes les analyses qu’ils font en un an, ça fait vraiment un total ! JMP permet réellement aux utilisateurs de travailler plus rapidement », déclare-t-il. « Nous avons suffisamment de cas d'utilisation positifs maintenant que les gens en parlent. Les gens qui faisaient autrefois partie des sceptiques commencent à dire : « eh bien, les autres usines l'ont déjà fait. Je veux aussi cet avantage.
Les tableaux de bord automatisés améliorent le contrôle des processus
Enthousiasme mis à part, Himanga est clair sur le fait que la transformation analytique ne se fait pas du jour au lendemain, même avec les bons outils ; c'est plutôt un projet à long terme et un voyage. Les processus d’amélioration peuvent prendre 6 mois, mais la connaissance des processus qu’ils génèrent vaut l’investissement.
À titre d'illustration, Himanga partage des exemples de deux initiatives liées aux processus dans lesquelles les statistiques multivariées dans JMP Pro ont résolu un problème autrement insoluble. Dans un cas, des problèmes de production ont frappé l'un des broyeurs humides de maïs d'ADM, où sont produits des granulés d'aliments à base de gluten de maïs. Parfois, la solution liquide de maïs ne traversait pas le moulin aussi vite que nécessaire, mais les opérateurs ne pouvaient pas identifier la source de variation.
« La cause était vraiment difficile à identifier, car une seule usine peut avoir des millions de points que vous pourriez potentiellement examiner, ainsi qu'un ensemble de paramètres de qualité et plus d'entrées que ce que vous pourriez représenter graphiquement dans Excel », explique-t-il. «De nombreuses personnes travaillaient sur ce problème depuis des années. Mais la situation s’est vraiment aggravée il y a deux ans, au point que l’usine dans son ensemble a ralenti.»
« Nous avons donc utilisé JMP pour examiner des milliers et des milliers de balises avec des temps de latence différents. Il s'agissait d'un très gros ensemble de données et nous avons fini par utiliser toutes les différentes plates-formes de JMP. Au final, nous avons procédé à un bootstrap de l'ensemble de données pour identifier les candidats les plus probables. Nous avons ensuite pu utiliser les outils multivariés de JMP pour identifier le véritable avantage et en six mois, nous avons trouvé notre réponse. Nous avons compris que nous devions gérer le processus d'une certaine manière. Quelques mois plus tard, nous constations des améliorations.
Dans une autre étude de cas, Himanga et ses collègues ont identifié une tendance dans la manière et le moment où les opérateurs refroidissaient l'équipement utilisé pour créer un produit à base de farine de soja, souvent vendu aux clients comme additif raffiné selon des spécifications personnalisées. Avant d'examiner les données dans JMP Pro, l'équipe n'était pas parvenue à comprendre pourquoi la maintenance et le refroidissement des équipements avaient un impact aussi variable. Cependant, en utilisant l'analyse pour développer la compréhension des processus, Himanga a pu définir un ensemble de lignes directrices pour aider les opérateurs de l'usine à savoir précisément quand refroidir la chaîne de production. Puis ils sont allés encore plus loin.
« Nous avons réalisé que nous n'avions pas du tout besoin de leur donner des conseils : nous pouvions laisser l'ordinateur le faire à notre place », explique-t-il. Désormais, les opérateurs peuvent simplement consulter un tableau de bord mis à jour automatiquement pour savoir quand les vannes de vapeur de la ligne de production doivent être fermées.
« [Ce tableau de bord] donne une réponse cohérente à tous les opérateurs, à toutes les équipes, et se traduit par un contrôle plus strict. Et JMP nous a aidé à y parvenir non seulement dans ce site, mais également dans d'autres », explique Himanga. « Parfois, différents scénarios entraînent des différences d’humidité. Mais grâce à JMP, nous sommes en mesure d'identifier rapidement les facteurs clés, de créer un modèle et de générer une recommandation permettant d'atténuer ces fluctuations. Ensuite, nous l'avons mis en ligne. C'est un excellent moyen de reproduire [l'impact] plusieurs fois.
