CETTE HISTOIRE EST EN ATTENTE D'APPROBATION DU CLIENT. VEUILLEZ LE CONSIDÉRER COMME CONFIDENTIEL. NE PAS DIVULGUER.
L'ingénierie Lean place Pirelli en pole position
La consolidation des workflows de données en une seule plate-forme personnalisée signifie que les innovations de processus se déploient à une vitesse fulgurante
_____________________________________________________________________________________
Défi: Les processus de fabrication modernes générant une quantité de plus en plus importante de données en temps réel, les ingénieurs de Pirelli ont cherché à la fois à développer les compétences de l'organisation en matière de données et à acquérir un outil qui leur permettrait de déployer un ensemble unique de meilleures pratiques statistiques dans toute l'entreprise. « Nous avons imaginé un moyen d'effectuer des analyses dans un logiciel standardisé, de générer des rapports de la même manière [dans toute l'entreprise] et d'effectuer des analyses de la manière la plus efficace et la plus efficace », explique Sara Sorrentino, ingénieure en qualité des processus.
La solution: La direction de Pirelli a approuvé une proposition visant à déployer le logiciel de découverte statistique JMP en tant que norme d'entreprise pour la gestion, l'accès, l'analyse et la création de rapports sur les données. Les fonctionnalités d'automatisation et de script, ainsi que les capacités d'intégration de Python, ont permis aux défenseurs de développer des tableaux de bord personnalisés sophistiqués qui ont considérablement consolidé le flux de travail d'analyse de l'entreprise. La sensibilisation et la formation interne ont rapidement amené des experts du domaine à bord.
Résultats : "Notre flux de travail est désormais très, très allégé", déclare Massimo Pampurini, ingénieur qualité de fabrication, qui, avec Sorrentino, a dirigé les efforts pour développer la capacité d'analyse. "Nous avons un système cohérent qui nous permet d'extraire des données directement de la base de données, de créer des tables, d'effectuer des requêtes, de nettoyer et de filtrer les données et d'effectuer nos analyses, le tout en interne au logiciel." En ce qui concerne le potentiel de ce système à transférer une valeur réelle à l'entreprise grâce à des améliorations basées sur les données, Sorrentino ajoute : "C'est un impact très puissant sur l'entreprise - l'impact est énorme."
_____________________________________________________________________________________
Fondé à Milan en 1872, le fabricant multinational de pneus Pirelli est aujourd'hui non seulement un producteur leader de pneus pour le marché mondial de la consommation ; c'est aussi une centrale électrique du sport automobile d'élite. En fait, la riche histoire sportive de l'entreprise remonte à plus d'un demi-siècle, période au cours de laquelle Pirelli a noué des partenariats exclusifs avec le Championnat du Monde FIM de Superbike, le Championnat du Monde des Rallyes, le GT World Challenge et, bien sûr, le summum du sport automobile mondial. , Formule 1.
Les innovations substantielles que Pirelli a introduites en tant que partenaire pneumatique exclusif du Championnat du monde de Formule 1 de la FIA - un poste que la société occupe depuis 2011 - présentent un aperçu microcosmique du dévouement de Pirelli à la performance. La gamme à cinq composés de pneus slicks et pour pluie développée par Pirelli pour la seule saison de F1 2022, par exemple, a nécessité plus de 15 000 heures d'essais et de simulations en intérieur, le développement de plus de 30 prototypes et plus de 20 000 kilomètres d'essais par presque toutes les équipes sur la grille.
Les tests de performance et de qualité sont la pierre angulaire de la marque Pirelli, une philosophie qui va de la R&D à la commercialisation et à la fabrication à grande échelle. L'un des premiers à adopter les statistiques industrielles, Pirelli a adopté le mouvement Industrie 4.0 dès ses débuts avec un effort d'entreprise pour augmenter la vitesse et l'efficacité, en partie grâce à la mise en œuvre de l'IoT. Depuis lors, l'entreprise a collecté, conservé et utilisé de nombreuses données sur tous ses produits et systèmes. Au fur et à mesure que la technologie numérique a progressé, ces systèmes sont désormais de plus en plus intégrés, et la direction de Pirelli a élevé dans ses rangs des agents du changement qui proposent de nouvelles solutions pour l'utilisation de l'analyse de données.
L'ingénieur qualité processus Sara Sorrentino et l'ingénieur qualité fabrication Massimo Pampurini sont deux de ces défenseurs. Basés au siège de Pirelli à Milan et travaillant tous deux dans la semi-finition, Sorrentino et Pampurini unissent leurs forces pour étendre les capacités d'analyse des sites Pirelli à travers le monde en développant l'automatisation, en consolidant et en normalisant les flux de données et en formant leurs collègues aux statistiques industrielles modernes.
« Aujourd'hui, tous nos processus génèrent une énorme quantité de données en temps réel. Nous devons avoir les compétences - et aussi les outils - pour analyser cette quantité de données de manière appropriée », déclare Sorrentino. « Nous envisageons un moyen d'effectuer des analyses dans un logiciel standardisé, de générer des rapports de la même manière [dans toute l'entreprise] et d'effectuer des analyses de la manière la plus efficace et la plus efficace. Et nous nous efforçons autant que possible de diffuser ces connaissances [à Pirelli] dans le monde entier.
Une solution logicielle unique pour l'ensemble du flux de travail d'analyse
Au début de la transformation numérique, l'accès aux données et l'intégration chez Pirelli étaient gérés uniquement dans Excel, un outil qui manquait finalement de capacité et de sophistication suffisantes pour suivre le rythme des besoins de l'entreprise. Même après que Pirelli a fait la transition de son système vers une application de collecte de données dédiée développée en interne, les procédures d'importation de données ont encore évolué relativement lentement, explique Pampurini. Connecter la base de données à un logiciel capable de répondre à la fois aux besoins d'intégration et d'analyse des données était donc une innovation transformatrice.
"Nous avions entendu parler à maintes reprises de la puissance de l'analyse de données volumineuses, mais nous avions besoin des bons outils pour mettre en œuvre l'analyse avec succès", explique Sorrentino. C'est pourquoi Pirelli a finalement opté pour le logiciel de découverte statistique JMP comme outil standard pour le flux de travail d'analyse.
"Bien sûr, il y avait d'autres alternatives, comme R ou Minitab, qui peuvent être puissantes d'un point de vue statistique. Mais avec JMP, nous avons cela en plus des scripts, de l'importation automatique des données, de l'intégration et de la génération de rapports et de journaux. Et nous avons la possibilité de créer des tableaux de bord dans JMP pour l'évaluation des données », déclare Sorrentino. Une grande valeur est accordée à la consolidation de la puissance statistique, de la personnalisation, de la convivialité et de la diversité des fonctionnalités, ce qui permet de regrouper plusieurs étapes de tout flux de données en une seule solution logicielle, ajoute-t-elle.
L'utilisation de JMP chez Pirelli avait commencé près d'une décennie auparavant, avec des ingénieurs individuels utilisant l'outil pour la gestion et l'exploration de données de base. Au cours des années suivantes, cependant, alors que les besoins en données de Pirelli augmentaient parallèlement à des systèmes de production de plus en plus intégrés, Pampurini réalisa que JMP avait bien plus à offrir qu'une simple plate-forme d'analyse.
« Une fois que j'ai pris conscience de la pleine puissance de JMP, tout mon état d'esprit a changé », se souvient-il. « Connecter le logiciel à une base de données, par exemple, ouvre de grandes possibilités. Et nous sommes maintenant en mesure de voir nos données sous tant de points de vue différents ; JMP nous permet de récupérer davantage d'informations, et des informations plus précieuses. » Consolider toutes les étapes d'un workflow de données traditionnel en une seule plate-forme, ajoute-t-il, incarne les principes de la fabrication Lean.
« Notre flux de travail est désormais très, très allégé. Nous avons un système cohérent qui nous permet d'extraire des données directement de la base de données, de créer des tables, d'effectuer des requêtes, de nettoyer et de filtrer les données et d'effectuer nos analyses, toutes internes au logiciel. De plus, nous avons maintenant une concentration plus élevée : alors qu'auparavant, nous pouvions nous perdre dans l'exploration, maintenant le flux de travail est orienté vers ce que nous voulons trouver. »
La visualisation des données, explique Sorrentino, est un élément essentiel de tout flux de travail de données, et qu'elle et Pampurini ont travaillé dur pour formaliser dans les meilleures pratiques statistiques qu'ils déploient auprès de leurs collègues. Heureusement, c'est un autre domaine où JMP excelle, dit-elle. « L'examen des tracés nous donne immédiatement une idée du comportement d'un processus. Par exemple, nous pouvons utiliser la plate-forme de dépistage de JMP pour explorer les valeurs aberrantes. »
"Cette première couche d'exploration est essentielle car elle nous permet de comprendre si nous suivons la bonne voie et, si ce n'est pas le cas, de changer notre approche", ajoute Pampurini. « JMP Graph Builder est un outil de première couche très puissant, non seulement parce qu'il est idéal pour l'exploration, mais aussi parce que vous pouvez voir un grand nombre de variables simultanément. Ce n'est pas possible dans d'autres logiciels.
Des interfaces dynamiques et automatisées offrent une vue à 360 degrés des systèmes
L'automatisation des processus d'intégration des données et la création de tableaux de bord qui se mettent à jour en temps réel n'ont fait qu'optimiser davantage l'utilisation des données chez Pirelli. Pampurini explique comment il a déployé des scripts JMP pour rationaliser davantage les workflows de données, en utilisant même l'intégration de l'outil avec Python pour transférer le code de récupération de données Python existant de l'équipe. « L'intégration de JMP avec Python est vraiment intéressante car vous avez la possibilité d'intégrer des codes que vous avez déjà structurés en Python », ajoute-t-il.
Les tableaux de bord fournissent désormais rapidement un aperçu en temps réel des performances de la machine et du niveau de qualité des matériaux. Les principaux résultats de ce type d'analyse, explique-t-il, sont les performances de l'équipement et les informations sur la qualité des produits qui aideront l'équipe à identifier les domaines stratégiques à améliorer. Le résultat secondaire est constitué d'informations techniques sur le fonctionnement des différentes parties de l'entreprise qui peuvent être transmises aux départements de R&D et de traitement.
« La capacité de recueillir ces informations très rapidement signifie que nous pouvons avoir une vue à 360 degrés de nos systèmes et des opportunités d'amélioration », déclare Pampurini.
"C'est très puissant d'un point de vue qualitatif pour comprendre le plan d'action et quelles améliorations sont nécessaires", ajoute Sorrentino. « Ces analyses ne sont jamais isolées ; elles nous amènent plutôt à comprendre les actions qui doivent être entreprises pour améliorer notre processus. Nous pouvons comprendre, par exemple, quels points d'un processus influencent les déchets ou les rebuts. »
J
Le potentiel de transfert de valeur réelle à l'entreprise grâce à des améliorations axées sur les données, ajoute-t-elle, est "un impact très puissant sur l'entreprise - l'impact est énorme".
Dans un exemple, un seul script JMP permet aux utilisateurs d'examiner des segments spécifiques de leurs opérations. Une première étape de nettoyage des données est effectuée automatiquement en exécutant simplement le script de téléchargement des données, et un deuxième cycle de nettoyage des données se produit lorsque les utilisateurs effectuent la sélection. À partir de là, les boutons du tableau de bord permettent aux utilisateurs d'analyser les données par chronologie ou d'approfondir les différentes couches d'exploration et d'analyse. "Le résultat final, dans ce cas, est un graphique à barres avec les indices de capacité par trimestre, par usine, etc. Et après avoir calculé et extrait différentes tables, il existe également une opération de jointure grâce à laquelle vous pouvez accéder à toutes les informations d'une seule table », explique Pampurini.
Développer la capacité d'analyse parmi les experts du domaine dans toute l'entreprise
Alors que le siège mondial de Pirelli s'est désormais normalisé autour de JMP, Pampurini et Sorrentino étendent rapidement leurs efforts pour faire passer les sites du monde entier à l'outil. "Changer l'état d'esprit est fondamental, tout comme la formation et le soutien avec un ensemble de directives générales sur la façon de démarrer", explique Sorrentino. En conséquence, les deux ont investi beaucoup de temps dans le développement d'un ensemble unique de bonnes pratiques et de directives pour l'entreprise afin d'accompagner le déploiement de JMP et des tableaux de bord JMP.
Une académie interne qu'ils organisent propose une formation développée avec la contribution de personnes à l'intérieur de Pirelli conformément aux priorités de l'entreprise. Des projets internes sont proposés, et tout groupe au sein de Pirelli qui pense pouvoir bénéficier du développement d'un projet dans JMP peut participer. Des formations ont également été organisées sur d'autres sites, comme au Brésil par exemple, où de nombreux salariés ont demandé des licences JMP.
"Nous nous efforçons de diffuser les connaissances de JMP pour faire prendre conscience aux gens qu'en utilisant cet outil, ils peuvent faire les mêmes choses qu'ils font actuellement dans d'autres logiciels, mais le faire plus rapidement et plus facilement", ajoute Pampurini, et Sorrentino est d'accord : "Nous devons faire prendre conscience aux gens du temps qu'ils peuvent gagner avec ce logiciel."
