De nombreux procédés industriels impliquent des paramètres dynamiques pendant au moins une partie du processus de fabrication, comme la température ou la pression d'un réacteur chimique discontinu, ou la montée en vide d'un autoclave. Pour garantir la reproductibilité d'un lot à l'autre, il est essentiel de trouver un moyen de comparer ces phases dynamiques de production ou de mise en place, à l'instar des cartes de contrôle utilisées pour le suivi de la production en régime permanent.
JMP permet, en quelques étapes relativement simples, de créer des limites de contrôle dynamiques à partir de plusieurs lots représentatifs. Les lots futurs peuvent ensuite être superposés dans Graph Builder afin de vérifier leur conformité avec ces limites historiques. Cette démonstration illustre les étapes de création des limites de contrôle et leur utilisation pour les comparaisons entre lots. Certains défis liés à ce type de données sont également abordés.
Bienvenue à ma présentation sur la cartographie des processus dynamiques. Le contrôle statistique des processus (CSP) est utilisé depuis de nombreuses années pour surveiller les processus qui varient autour d'une consigne. Le processus est suivi dans le temps et la variation peut être décomposée en deux composantes : la variation de cause commune, c'est-à-dire une variation constante tout au long du processus et qui persistera tant que des modifications fondamentales n'y seront pas apportées, et la variation de cause spéciale, lorsqu'un processus devient incontrôlable parce qu'un facteur externe a accru la variation.
Cependant, de nombreux procédés industriels ne varient pas autour d'un point de consigne. On trouve beaucoup de procédés par lots où le lot est traité au fil du temps selon une recette comportant des étapes prédéfinies, avec des variations de température, de pression ou de vide pouvant être augmentées progressivement. Par exemple, la conversion de monomères en polymères dans un réacteur discontinu ou l'augmentation du vide ou de la pression dans un mélangeur pour ajuster le niveau de solvant ou l'humidité du matériau. Il est donc essentiel de garantir la reproductibilité des résultats d'un lot à l'autre, la constance du comportement du procédé dans le temps et d'identifier les lots non conformes au procédé standard.
Cette présentation illustre une approche visuelle pragmatique permettant de fixer des limites dans le temps à ces processus, de surveiller les écarts dans le processus, mais aussi d'examiner la mise en route et le refroidissement des équipements de production, la surveillance de leur état, afin de garantir la cohérence de ces phases de démarrage et de refroidissement dans le temps.
Dans mon secteur d'activité, on peut citer comme exemples les mélangeurs discontinus. Un monomère est ajouté au mélangeur, chauffé, maintenu à température constante, puis refroidi. Cette méthode permet de surveiller la température au fil du temps, ainsi que d'autres paramètres comme le couple moteur, qui peuvent indiquer le degré de polymérisation. Autre exemple : l'autoclave. On y applique un vide et une température à des matériaux composites en fibre de carbone, selon une vitesse prédéfinie. Le procédé comprend des paliers où le matériau est maintenu à une certaine température pendant une durée déterminée, avant d'être refroidi.
Un exemple d'application de cette technique de surveillance de l'état des extrudeuses à double vis concerne ces machines. Plusieurs pompes à vide y créent un vide permettant d'éliminer les composés volatils de la résine. Nous veillons à ce que ces pompes fonctionnent de manière optimale. Nous surveillons la phase de démarrage, lorsque la pression passe de la pression atmosphérique au point de consigne défini au début de la production. Tous les procédés dont les paramètres varient dans le temps se prêtent à cette approche.
Dans ce cas précis, nous disposons de données issues de notre système d'historisation. Heureusement, ces données sont enregistrées électroniquement. Plusieurs lots sont empilés les uns sur les autres, ici étiquetés « fabricant de données ». J'ai ici 21 lots de matière, chacun avec un numéro de lot différent. J'ai également mes paramètres de processus, le vide, et mes intervalles de temps prédéfinis. Les données sont enregistrées toutes les 5 secondes, et je sais que chaque lot doit atteindre la pression de consigne de 210 millibars en 17 minutes maximum. Cela me donne 205 lignes de données pour chaque lot fabriqué à ces intervalles de 5 secondes. Voici les données pour les 21 lots.
Je dois maintenant traiter ces données et les organiser de manière à calculer l'intervalle de valeurs normales pour chaque intervalle de temps. Je vais diviser mon tableau de données et créer une colonne pour chaque intervalle : 5, 10, 15 secondes, etc., jusqu'à 17 minutes. J'aurai une ligne de données pour chaque lot fabriqué. Comme j'ai 21 lots, j'en utiliserai 15 pour définir les limites de contrôle. Ensuite, je comparerai les six lots suivants à ces limites afin de vérifier que le processus reste normal, stable et prévisible.
Je vais prendre mon ensemble de données empilées. Je vais dans Tables et Fractionner. Le paramètre de processus que je souhaite utiliser pour la séparation est le vide. Je vais donc séparer mes colonnes par vide. Je vais regrouper les données par numéro de lot, ce qui me donnera une ligne par numéro de lot. Mais je souhaite une colonne par incrément de temps, donc je vais séparer par temps. Dans ce tableau d'aperçu, nous pouvons vérifier que les données sont au format attendu : une ligne par lot et une colonne par incrément de temps. Si cela nous convient, nous pouvons cliquer sur OK pour créer un tableau de données. Comme indiqué, nous allons utiliser nos 15 premiers lots pour créer les limites de contrôle. Cela signifie que je vais masquer et exclure les six derniers lots. Mon tableau de données ressemble maintenant à celui de la diapositive.
Il me faut maintenant calculer les limites de contrôle pour chaque intervalle de temps. Concrètement, j'analyse le niveau de vide attendu à chaque instant. Quelle est la moyenne de ce niveau ? Quelles sont les limites de contrôle autour de cette moyenne ? Quelle est la variabilité de pression attendue aux intervalles de temps 5 et 10, etc. ?
Je vais créer des cartes de contrôle individuelles pour chaque période, car chaque simulation correspond à une exécution indépendante configurée séparément. Nous souhaitons des cartes de contrôle individuelles pour chaque période. Je veux en créer une pour chaque intervalle de temps et m'assurer qu'elles sont ordonnées chronologiquement, selon le fabricant des données. Il y a 205 cartes de contrôle à générer ; la génération ne prend donc que quelques secondes.
J'ai maintenant un graphique de plage mobile individuel pour chaque période, cette dernière étant précisée dans sa description. Je peux les parcourir et vérifier qu'ils ne présentent que des variations dues à des causes communes. Aucun point de données anormal. Si chaque graphique me convient, je peux alors enregistrer ces limites de contrôle. Prenons l'exemple d'une durée de 5 secondes : 5 secondes après le début de la descente de l'extrudeuse, je m'attends à un niveau de vide de 914,6 millibars dans l'extrudeuse, avec une plage de valeurs allant de 865 à 963 millibars.
En cliquant sur le triangle rouge, je peux enregistrer ces limites. Elles seront enregistrées pour chaque période, et je souhaite les stocker dans un tableau vertical. Ce tableau contiendra, pour chaque période, une valeur moyenne et les valeurs attendues pour la population normale. Je simplifierai ensuite le tableau en supprimant les colonnes inutiles, afin de ne conserver que la moyenne et les limites de contrôle. Ces données suffiront pour les analyses ultérieures.
Comme cette colonne a repris une étiquette des cartes de contrôle, vous pouvez constater que le format de ces données n'est pas numérique continu. Je dois donc corriger cela pour qu'il s'agisse bien de données temporelles, et je peux également la renommer « Temps » afin de clarifier sa nature à l'avenir.
J'ai maintenant un tableau de données contenant mes limites de contrôle pour chaque incrément de temps. Je dois maintenant réorganiser mes données initiales en fonction du temps et de chaque lot, afin de pouvoir générer des graphiques. Je retourne à mes données empilées. Je vais les segmenter à nouveau, mais cette fois-ci différemment. Je souhaite toujours segmenter par mon paramètre de processus, le vide, mais cette fois-ci, je veux les regrouper par temps. J'aurai une ligne pour chaque incrément de temps, et je souhaite segmenter par numéro de lot, afin d'avoir une colonne par lot. Je peux vérifier l'aperçu et m'assurer que les données sont regroupées comme prévu. Une fois satisfait, je clique sur OK. J'ai maintenant les données de séquence temporelle pour chaque lot dans une colonne distincte, et je peux y ajouter des lots au fur et à mesure de leur disponibilité.
Je peux soit ajouter les limites de contrôle que j'ai calculées à la table de données, soit créer un lien virtuel. Avec un lien virtuel, les données ne sont pas attachées de façon permanente à la table ; elles peuvent donc être utilisées dans d'autres ensembles de données, ou recalculées et modifiées au fil du temps sans modifier les ensembles de données, tout en restant disponibles dans les données de processus pour définir les limites de ce dernier. Je peux donc utiliser les données sans les intégrer physiquement à la table. C'est ce que je vais faire : créer un lien virtuel entre les deux tables de données.
Pour cela, j'ai besoin d'une colonne commune aux deux ensembles de données. Ici, il s'agit de la colonne « Heure ». Je clique avec le bouton droit sur cette colonne et je la définis comme identifiant de lien. Cette colonne contient les informations d'identification nécessaires pour la lier à la table de données. Dans la table de données, je clique à nouveau avec le bouton droit sur la colonne « Heure ». Cette colonne est maintenant une référence de lien, que je vais lier à la table contenant les limites de contrôle et la moyenne.
Si je regarde la sélection de colonnes à gauche, je vois chacun de mes lots de matériel, la colonne « Temps », et tout en bas, les colonnes liées virtuellement. On voit bien le lien virtuel, symbolisé par cette petite icône. Ces colonnes sont actuellement masquées et verrouillées. Je ne peux pas modifier les données de ces colonnes dans ce tableau. Il faudrait que je retourne au tableau où se trouvent les données. Je peux les afficher si besoin. Les données sont visibles, mais il n'est pas nécessaire de les afficher pour les utiliser. Je vais les masquer à nouveau pour plus de clarté.
Je vais maintenant tracer ces limites de contrôle à l'aide de Graph Builder, une plateforme extrêmement flexible pour la visualisation de données. Je pourrai ensuite superposer successivement chacun de mes lots à ces limites de contrôle au fil du temps et vérifier si le comportement de chaque lot correspond à mes attentes, basées sur l'historique des 15 lots ayant servi à établir ces limites.
Si j'accède à mon tableau de données, je vais dans Graphique, puis Créateur de graphiques. Je choisis le temps comme axe des abscisses. Je vais ensuite ajouter les limites de contrôle. Seules les lignes m'intéressent, pas les points de données individuels. Pour mieux visualiser les lots de production, je vais les griser et les transformer en lignes pointillées, afin de distinguer clairement les données de lot des limites de contrôle. Je les rends grises, j'ajoute une ligne pointillée pour la moyenne et une ligne en pointillés pour les limites de contrôle. On peut ainsi observer l'évolution d'un processus normal au fil du temps. On s'attend à ce que chaque valeur, témoignant d'un comportement stable et constant du processus, se situe entre les lignes en pointillés et, en moyenne, proche de la ligne pointillée.
Je peux maintenant superposer un de mes nouveaux lots, non utilisé pour créer les limites de contrôle (par exemple, le lot du 06/09/2023), aux limites de contrôle afin d'observer son évolution dans le temps par rapport aux valeurs attendues. Un sélecteur de colonnes permet de visualiser et de parcourir les lots, et de comparer chacun d'eux aux limites de contrôle. En sélectionnant le lot de production en haut, puis tous les autres lots comme colonnes de remplacement, j'obtiens la liste de tous les lots fabriqués. Je peux alors les parcourir un par un et comparer mes six nouveaux lots aux limites de contrôle historiques. En ajoutant de nouveaux lots à mon tableau de données, je peux facilement les comparer à ces limites. Si je souhaite partager ces données avec une personne n'utilisant pas JMP, je peux les animer, les enregistrer au format GIF et les joindre à un e-mail.
Voici un autre exemple, basé sur certaines de nos données. Il s'agit d'un procédé de fabrication de résine où la résine est chauffée. Nous devons la maintenir à une température précise pendant une durée déterminée, puis la refroidir avant de la décharger. Nous avons créé des données et des cartes de contrôle similaires. En parcourant les lots, nous pouvons constater que, ponctuellement, des anomalies apparaissent dans les données. Dans ces cas, une investigation s'impose, car un élément de ce lot diffère de la norme.
Nous avons largement utilisé cette technique dans différentes étapes de nos processus de fabrication et de test. Elle nous permet d'identifier rapidement les dysfonctionnements des processus et les besoins de maintenance des équipements, et de repérer ces tendances dans les données avant tout risque de défaillance des matériaux ou des équipements de production. Nous voulons absolument éviter les arrêts de maintenance imprévus. Ce type de surveillance nous permet d'anticiper la détérioration des équipements. Merci.
