L’Industrie 3.X et la TPM décodées

Suite à notre dernier article « Industrie 4.0 … enfin parlons plutôt de 3.X ! », nous vous proposons de poursuivre avec une brève description de la TPM complétée par les différents types de technologies de l’industrie 4.0.

   La TPM, c’est quoi ?

Les défauts ou les défaillances des machines pendant la production ont des effets négatifs sur le planning de production ainsi que sur le moral des employés. La Total Productive Maintenance (TPM) est à l’origine de la fiabilisation des équipements. Il est essentiellement centré sur la machine et sa productivité mesurée par l’OEE (Overall Equipment Efficiency, également appelé TRS pour Taux de Rendement Synthétique).

Le focus est mis sur la réduction des 16 pertes généralisées de l’OEE, classées dans trois groupes : les pertes liées à l’équipement, les pertes liées à la main d’œuvre et les pertes liées aux matières, à l’outillage et à l’énergie.

Le JIPM (Japan Institute for Plant Maintenance) a défini les huit piliers de la démarche de management TPM en 1989 :

Gestion et maintenance autonome des équipements

Elimination des gaspillages / Améliorations au cas par cas

Maintenance planifiée

Amélioration des connaissances et savoir-faire

Sécurité, conditions de travail et environnement

Maitrise ou maintenance de la qualité

Maitrise de la conception des produits et équipements associés

Efficience des services connexes ou "TPM dans les bureaux"

Ces 8 piliers resteront des fondamentaux de l’industrie. La question est simple : « en quoi le 3.X va venir consolider et garantir une maintenance toujours plus efficace ? ».

   Que nous propose l’Industrie 3.X ?

L'analyse de Big Data, l'Internet des objets, l'intelligence artificielle, la réalité virtuelle et augmentée, et les systèmes cyber-physiques sont considérés comme les principaux leviers de la prochaine mise à niveau du numérique.

  • Analyse Big Data

Le terme «big data» fait référence aux grands ensembles de données techniquement complexes pour les applications typiques d’analyse et traitement de données. L'analyse de Big Data permet aux entreprises de faire de la «prédiction», les entreprises peuvent prédire les évènements à l'aide d'une analyse approfondie de grands ensembles de données qui seront activement monitorées. La quantité d'informations stockées croît 4 fois plus vite que l'économie mondiale, tandis que les vitesses de calcul augmentent 9 fois plus vite. Cela reste très important car depuis le début de la création de données numériques jusqu'à l'année 2003, il y avait 5 exaoctets d'information créés et maintenant la même quantité d'informations est créée tous les deux jours. Une étude avec plus de 2 000 participants d'entreprises de 9 grands secteurs industriels et 26 pays montrent que 80% des PDG mondiaux ont reconnu l'importance du data mining et de l'analyse pour leurs organisations. Les données volumineuses permettent d'extraire de nouvelles données à partir des données existantes, fournissant ainsi des informations techniques et commerciales importantes qui aident à prendre des décisions plus claires et optimisées. 


Le cloud computing et le machine learning sont également des technologies prédominantes dans l'analyse Big data, le cloud computing est une plateforme évolutive qui aide à utiliser les ressources informatiques de manière plus rationnelle, aidant l'automatisation et réduisant les coûts générés par les systèmes isolés. Le « cloud manufacturing » est le concept qui reflète l'idée d'une usine intelligente, c'est-à-dire la collaboration de modèles de production avancés avec la technologie informatique dans le cloud pour réaliser une production informatisée et axée sur les services (Givehchi, Tresk et Jasperneite, 2013).

  • Internet des Objets (IoT)

L'idée de l'Internet des objets est apparue pour la première fois dans les années 80, pour répondre aux besoins des guichets automatiques bancaires (Shon, 1996). Depuis, nombre de ces appareils ont été connectés en réseau. L’Internet des objets (IoT) est la terminologie utilisée pour les dispositifs physiques ou les composants qui peuvent être connectés via le réseau et ont la capacité de communiquer entre eux via des RIFD (Radio Frequency Identification) ou des capteurs intelligents (Gilchrist, 2016b). Selon l’ISO/IEC JTC1 (2015) l’IoT est une infrastructure d'objets, de personnes, de systèmes et de ressources d'information interconnectés ainsi que des services intelligents pour leur permettre de traiter l'information du monde physique et virtuel et de réagir. Cependant, il s'agit d’un concept similaire aux systèmes cyber physiques (CPS). Selon une estimation, environ 25 milliards d'appareils / objets seront interconnectés et auront une communication entre eux, et ce sera utilisé d'ici 2020. L'Internet des objets permet aux entreprises d'ajouter de la transparence dans les processus et de les rendre analytiquement mesurables. Ces capteurs peuvent être portés par les opérateurs, placés sur les chaines de production, sur les machines directement, dans les entrepôts …

De même, les nouvelles solutions type RFID permettent de garantir une parfaite traçabilité des produits sur la chaine de valeur et également de mesurer la performance au quotidien grâce à la collecte de données pertinentes. La capacité des IoT à proposer une intelligence augmentée aide les entreprises à optimiser leur capacité de prise de décision, à garantir une collecte de données efficace et à générer les bons rapports pour leur environnement spécifique. L’IoT aide l'entreprise à gagner en « intelligence », en leur donnant la capacité d'analyser leurs processus physiques qui n'étaient pas mesurables auparavant. Tout cela contribue à une meilleure capacité stratégique et opérationnelle et, dans certains cas, à un avantage concurrentiel (Kopetz, 2011).

  • Intelligence Artificielle

L'IA a été introduite comme domaine de recherche à la fin des années 1950. L'intelligence artificielle est un sous-domaine de l'informatique, dont le seul but est de donner aux machines ou aux robots une intelligence humaine telle qu'ils deviennent des plateformes indépendantes et capables de prendre des décisions intelligentes de manière autonome (McCarthy, 2007). Il y a deux types de l'IA : l’intelligence artificielle mono activité (ANI) qui est liée à des applications sur une seule tâche dans un domaine très précis dont nous sommes témoins aujourd’hui (i.e. jeu Go), puis il y a l'intelligence artificielle générale (AGI) qui est encore en développement. Le concept d'AGI est large, profond et contient des caractéristiques qui surpassent l'intelligence humaine dans de nombreuses dimensions telles que la vitesse analytique, la mémoire, le multitâche, la reconnaissance des formes et la capacité d'adaptation avec de nouvelles informations auto-apprises (Muehlhauser, 2013). Selon Hawking et al. (2014), le succès dans la création de l'AGI serait le plus grand événement de l'histoire humaine, mais ils ne sont pas certains que ce soit aussi le dernier, à moins d'apprendre à éviter le risque, d’où la vision hésitante des experts par rapport à l’IA. 

Combien d’emplois seront remplacés par les robots et l’IA dans les prochaines années ? Et combien de nouveaux métiers et postes seront-t-ils créées ? La réponse n’est pas donnée, mais pour illustrer, la plus grande banque du Japon, Mitsubishi UFJ Finance, a récemment installé des robots pour ses opérations de service client et l’IPsoft, un centre d’appel, utilise un robot d’IA "Amelia" capable d'auto-apprendre en dehors des connaissances préprogrammées. « Amelia » peut maintenant traiter plus de 60% de toutes les requêtes entrantes.

  • Réalité virtuelle et augmentée

L'usine intelligente sera aidée par des programmes avancés de ressources humaines en « réalité virtuelle et réalité augmentée ». La réalité virtuelle (VR) est un environnement simulé par ordinateur. Elle est présentée à l'utilisateur comme un environnement réel. Elle peut aider les programmes de formation des employés et dans l'assistance aux processus opérationnels à l’aide d'appareils numériques compatibles. En revanche, la réalité augmentée (AR) a une longueur d'avance et permet à l'utilisateur d'interférer avec un environnement simulé (Boud et al., 1999). Selon Jason Ganz, PDG d'Agora VR "Internet nous a permis d'apprendre quoi que ce soit - VR et AR nous permettront de tout expérimenter". Les experts suggèrent que certaines des tâches de management se tiendront virtuellement comme par exemple les réunions et les conférences stratégiques. De plus la VR et l’AR aideront le département des ressources humaines dans la formation et le système d'accompagnement continu pour la transition dans un environnement numérique.

  • Systèmes cyber-physiques

Afin de rendre l'usine intelligente opérationnelle ou fonctionnelle, nous aurons besoin des « Systèmes Cyber Physiques (CPS) ». Les CPS sont des systèmes intelligents qui permettent de créer un pont entre les composants virtuels et physiques utilisés dans la production, la logistique et les produits. C'est le concept qui se combine avec l’Internet des Services (IoS) pour rendre l'industrie 3.X possible, ce qui ouvre de nouvelles possibilités pour des applications et processus innovants. Les CPS faciliteront le changement de paradigme par rapport aux « business models » et « market models » avec tous les intervenants de la chaine de valeur y compris les fournisseurs. Toutes ces technologies combinées à d'autres technologies telles que la fabrication additive, par exemple l'impression 3D, le frittage sélectif par laser, la cobotique, l’AGV, etc., constituent les bases pour l'usine du futur, qui regroupe des systèmes virtuels et physiques via des systèmes cyber physiques. Une telle fusion des processus techniques et des processus d'affaires fera une porte d'entrée au concept connu sous le nom de « Smart Factory » (MacDougall, 2014).

Toutes ces technologies déjà connues, comment vont-elles contribuer aux sites de production ? Et notamment dans le cadre d’une démarche de TPM ? Dans le prochain article, nous présenterons les contributions de l’environnement numérisé au TPM et de manière plus large, des solutions pratiques que nous mettons en place chez nos clients.

Sources :

Boud, A. C., Haniff, D. J., Baber, C., & Steiner, S. J. (1999). Virtual reality and augmented reality as a training tool for assembly tasks. In Information Visualization, 1999. Proceedings. 1999 IEEE International Conference on (pp. 32-36). IEEE.


Gilchrist, A. (2016b). Middleware Industrial Internet of Things Platforms. In Industry 4.0 (pp. 153-160). Apress.


Givehchi, O., Trsek, H., & Jasperneite, J. (2013). Cloud computing for industrial automation systems—A comprehensive overview. In Emerging Technologies & Factory Automation (ETFA), 2013 IEEE 18th Conference on (pp. 1-4). IEEE.


Hawking, S., Russell, S., Tegmark, M., & Wilczek, F. (2014). Stephen Hawking: \'Transcendence looks at the implications of artificial intelligence-but are we taking AI seriously enough?'. The Independent, 2014(05-01), 9313474


Kopetz, H. (2011). Internet of things. In Real-time systems (pp. 307-323). Springer US.


Shon, S. W. (1996). U.S. Patent No. 5,499,238. Washington, DC: U.S. Patent and Trademark Office.


MacDougall, W. (2014). Industrie 4.0: Smart manufacturing for the future. Germany Trade & Invest.


McCarthy, J. (2007). WHAT IS ARTIFICIAL INTELLIGENCE? Retrieved March 15, 2017, from http://www-formal.stanford.edu/jmc/whatisai/


Muehlhauser, L. (2013, September 15). What is AGI? Retrieved March 26, 2018, from https://intelligence.org/2013/08/11/what-is-agi/