Agilité
L’agilité est la capacité d’un sujet à modifier rapidement sa position. Ainsi, une entreprise agile est capable de s’adapter aux changements de son environnement pour augmenter à la fois la satisfaction globale (autant la satisfaction client que la satisfaction des collaborateurs) ainsi que son Chiffre d’Affaires. Depuis de nombreuses années, on constate que les clients se tournent de plus en plus vers des produits personnalisés. Ce constat force les industriels de s’adapter à leurs environnements et cela est devenu un véritable enjeu, surpassant alors les capacités de la production de masse. Les nouvelles technologies telles que la robotique collaborative permettent de passer d’une production à une autre en quelques instants, son adaptation à l’environnement, notamment au travers de sa facilité de programmation et d’utilisation, et permet aux entreprises utilisant cette technologie d’être plus réactives, de gagner en compétitivité et d’augmenter leur taux de satisfaction client.
Si l’agilité industrielle était autrefois et encore aujourd’hui limitée par la rigidité des systèmes productifs, l’émergence de l’industrie 4.0, portée par les nouvelles technologies, l’évolution d’internet et la data apportent des solutions robotiques flexibles permettant de répondre de manière efficace, pertinente et évolutive, aux besoins de consommateurs qui deviennent de plus en plus spécifiques et fugaces.
Cette agilité, portée notamment par l’industrie 4.0 (robots collaboratifs, big data, IoRT, Machine learning…), permet alors de concevoir un système productif agile, capable d’être revu rapidement pour s’adapter aux différents produits qui répondront à la demande du marché (exemple : lignes de conditionnement multi-références). L’ industrie 4.0 a pour objectif d’apporter une adaptabilité sans pareil. L’association de la robotique collaborative, de la gestion des demandes et des données en temps réel offrent la possibilité d’accroître considérablement la compétitivité et la réactivité au sein du secteur industriel.
Big Data
“Big Data” est un terme qui émerge à la fin des années 1990 pour désigner une quantité importante de données dont le volume est tel qu’un traitement spécifique est nécessaire afin d’en tirer une valeur.
Le Big Data est un sujet autour duquel de nombreux concepts technologiques récents gravitent. En effet, les évolutions technologiques ont fait émerger une masse de données significative, formée en flux plus ou moins continus, générés par un ensemble de dispositifs (ordinateurs, smartphones, machines et capteurs en tous genres) lui même de plus en plus important. Cette quantité de données souvent brutes ou peu structurées, ne permet pas, à elle seule, une quelconque analyse. Il est ainsi nécessaire d’effectuer une structuration logique pour déterminer à la fois quelles données analyser, et selon quel procédé. Ceci fait, le Big Data concerne de nombreux processus et usages, tels que la veille, la domotique, les objets connectés sous toutes leurs formes, l’analyse prédictive, la maintenance prédictive, etc. Si le Big data forme les fondations d’une entreprise, l’analyse des données et les actions qui en découlent en sont les briques.
Cloud computing
Le Cloud Computing est un concept étroitement lié à internet, souvent imagé par un nuage (“cloud” en anglais). Cette idée de cloud représente une infrastructure composée de matériels et logiciels qui permet de fournir des services à distance, qui peuvent alors relever du IaaS (Infrastructure as a Service), PaaS (Platform as a Service), SaaS (Software as a Service), RaaS (Robot as a Service)… Le cloud est également une alternative flexible au stockage classique des données. Il permet une flexibilité accrue, un coût avantageux et est constamment mis à jour.
Customer-Centric (centré-client)
La stratégie d’une entreprise peut être conçue de nombreuses manières. Si depuis plusieurs années, il est souvent fait mention d’entreprises orientées client (customer focused), un nouveau paradigme a émergé, changeant le point de vue et le positionnement stratégique de l’entreprise par rapport au client, à la fois dans la relation entretenue avec celui-ci, mais également dans la construction de l’offre qui lui est proposée et la manière dont celle-ci lui parvient.
Ce nouveau paradigme est basé sur un nouveau point de vue pour l’entreprise qui conçoit sa stratégie en adoptant le point de vue du client. La stratégie peut alors être considérée comme optimale pour ce dernier, puisqu’elle permet à l’entreprise de comprendre toute la subjectivité liée à son point de vue, et ainsi de proposer l’offre la plus adaptée à ses besoins.
Cette conception de la stratégie de l’entreprise permet en effet de concevoir l’offre la plus pertinente possible pour chaque segment de clientèle étudié, de comprendre l’évolution de ses besoins plus rapidement, et ainsi, d’y répondre avec agilité et flexibilité.
Dans le cadre de l’industrie, les processus impliquant l’automatisation ne pouvaient jusqu’à présent permettre aux entreprises d’adopter ce nouveau mode de fonctionnement. Mais l’émergence de la cobotique (la robotique collaborative) permet maintenant, dans le cadre de l’industrie 4.0, de gagner suffisamment en agilité pour permettre d’adopter ce nouveau paradigme et optimiser la valeur financière de l’entreprise sur le long terme.
Factory as a Service (FaaS)
Factory as a Service (FaaS) repose sur le même principe que le SaaS (Software as a Service) et le RaaS (Robot as a Service). Avec une offre RaaS déployée sur l’ensemble de ses lignes de production, une usine entière peut être conçue comme un service avec une solution robotique flexible qui permet de répondre aux variations de la demande sur un marché.
Comme le RaaS (Robot as a Service), le concept de Factory as a Service (FaaS) permet de bénéficier d’une usine connectée et modulaire ainsi que de gérer des lignes de production multi-références de manière agile pour s’adapter de manière flexible aux besoins de production.
Flexibilité
La flexibilité peut être comprise comme la capacité d’adaptation à la demande et à l’environnement.
D’un point de vue entreprise, il s’agit de sa capacité à s’adapter à une nouvelle demande et/ou un nouvel environnement. Cette flexibilité peut se répercuter sur son système productif puisque, d’un point de vue robotique, il s’agit donc de la capacité d’adaptation d’un robot à une nouvelle situation pour répondre à une modification de son environnement (modification du système productif, d’une chaîne de production…). Depuis l’émergence des nouveaux modes de consommation de la part des clients finaux, les entreprises ont l’obligation de revoir leurs systèmes de production, les enjeux sont primordiaux et la robotique collaborative représente l’une des solutions les plus fiables pour répondre à ces besoins. En effet, leur adaptation à un milieu donné, leur facilité de programmation et de reprogrammation, la possibilité de les rendre mobiles, l’assurance de proposer une qualité optimale sont autant de critères qui favorisent la flexibilité en entreprise.
Si les automates ont joué un rôle crucial dans l’automatisation industrielle, les robots ont apporté plus de flexibilité puisque ces derniers peuvent être reprogrammés pour effectuer différentes tâches. Cela dit, les robots industriels traditionnels requièrent beaucoup d’espace puisqu’ils nécessitent l’installation d’un périmètre de sécurité, que leur reprogrammation peut s’avérer fastidieuse, coûteuse et qu’ils ne sont pas conçus pour apporter de la flexibilité. Contrairement à eux, les robots collaboratifs, ou cobots, s’affranchissent de ces barrières puisqu’ils peuvent fonctionner dans des espaces restreints et ouverts, aux côtés des humains, de manière sécurisée. Cette sécurité, primordiale, est apportée par l’utilisation de nombreux capteurs (caméras, LiDAR, etc.) et de l’intelligence artificielle qui permettent aux robots collaboratifs de comprendre leur environnement pour s’y adapter (exemple : ralentir lorsqu’un opérateur s’approche de la zone de travail du robot). En outre, leurs interfaces de programmation sont pensées pour l’utilisateur final, de manière graphique et ergonomique, ne nécessitant pas de lourde formation pour les utiliser.
Industrie 4.0
L’industrie 4.0, ou industrie du futur, est une nouvelle manière d’appréhender et organiser des outils de production. Les avancées technologiques modifient notre monde en profondeur : des consommateurs de plus en plus exigeants et de mieux en mieux informés, qui utilisent de nouveaux modes de consommation, sur de nouveaux marchés (circuits courts, produits issus de l’agriculture biologique, consommation nomade, etc.)…
Les apports des nouvelles technologies (cloud, robots collaboratifs, Big Data, internet industriel, production additive…), tous basés sur la data, peuvent à présent permettre aux industriels de répondre de manière efficace, flexible et agile, à ces attentes.
Aujourd’hui, la transition vers la quatrième révolution industrielle est avant tout liée au numérique. En effet, notre monde de plus en plus connecté ouvre un nouveau terrain de jeu pour les industriels désirant améliorer l’expérience de leurs clients. La récolte et l’analyse des données est un réel enjeu compétitif et même un facteur décisif dans la pérennisation de son entreprise. Un accès détaillé à de nombreuses données permet d’anticiper les besoins, d’organiser sa production, d’améliorer l’existant, et de développer de nouveau produits toujours plus proche des consommateurs, etc.
Intelligence Artificielle
L’Intelligence Artificielle regroupe de très nombreuses idées et théories. Globalement, on peut dire de l’Intelligence Artificielle qu’elle regroupe l’ensemble des capacités et techniques permettant d’accomplir des tâches demandant des raisonnements logiques habituellement propres à l’humain.
Le concept d’Intelligence Artificielle a été l’objet de nombreux travaux, dont un qui a particulièrement fait émerger cette idée dans les années 1950, porté par Alan Turing. Ce dernier a mis en place un test, nommé test de Turing, qui vise à déterminer la capacité d’une machine à tenir une conversation humaine. Pour la réalisation de ce test, un humain est tenu de discuter à l’écrit avec un interlocuteur inconnu, qui n’est autre qu’une machine. Le degré d’intelligence artificielle est mesuré selon que l’humain découvre ou non le fait qu’il discute avec un ordinateur. Si l’intelligence artificielle ne date pas d’hier, elle n’est appliquée que depuis peu. En effet, à contrario des premières machines, la puissance de calcul des ordinateurs de notre ère permet d’analyser et de traiter beaucoup plus d’informations qu’auparavant.
Aujourd’hui, l’intelligence artificielle permet de nombreuses applications : commerce (analyses prédictives, chatbots), médecine (analyses préventives, imagerie, détection précoce de cancer ), industrie (maintenance prédictive, vision, optimisation des process), cybersécurité…
Internet of Robotic Things (IoRT)
L’IoT (Internet of Things, ou Internet des Objets) s’est démocratisée et a apporté aux objets la possibilité de se connecter à internet, jusqu’à pouvoir former un réseau échangeant des données entre eux et à travers différentes plateformes (ex : cloud).
Conçus pour l’industrie 4.0, nos robots (le Niryo One, par exemple) peuvent être connectés à internet pour communiquer à travers celui-ci, ce qui peut leur permettre de remonter les informations sélectionnées mais également d’être contrôlés à distance.
L’IoRT (Internet of Robotic Things, ou Internet des objets robotiques) est alors une nouvelle manière de concevoir les robots, qui deviennent alors des points d’entrée et de sortie de data, démultipliant alors les utilisations : contrôle à distance, simulations avancées, analyse de processus, mesure de performance en temps réel, maintenance prédictive… Et tout cela sans jamais avoir à éteindre les robots, pour ne pas nuire à la performance de l’entreprise.
Interopérabilité
La data est au cœur de l’industrie 4.0. Si l’étude des données récoltées par les différents capteurs ou outils mis en place au sein d’une usine ou d’une ligne de production est aujourd’hui possible, c’est en raison de l’interopérabilité.
L’interopérabilité, au sein d’une usine, se traduit par la capacité des différents éléments du système (robots, ordinateurs, système de surveillance, capteurs, …) à partager des données entre eux, malgré les différences de constructeurs, de protocoles ou d’objectifs, de manière à permettre une analyse complète de ces dernières. Cette analyse, indispensable pour les industriels, permet d’entreprendre une démarche d’amélioration continue des processus, de maintenance prédictive, procurant alors agilité et pertinence au système productif.
Machine Learning
Le Machine Learning consiste en l’analyse statistique d’un flux de données pour en faire émerger des répétitions et en découler des modèles prédictifs.
Pour être pertinent, le Machine Learning requiert une grande quantité de données. Si cela n’était pas envisageable auparavant, l’émergence du Big Data a permis de démultiplier les sources et types d’informations disponibles, ce qui rend alors le Machine Learning extrêmement pertinent pour de nombreuses applications telles que la domotique, les smartphones, et à présent la robotique.
Le Machine Learning et l’intelligence artificielle permettent de concevoir des processus innovants qui participent à l’amélioration de la qualité et de la productivité sur un fond d’amélioration continue.
Maintenance prédictive
Dans le domaine de l’industrie, la maintenance est un enjeu majeur. En effet, celle-ci doit permettre une bonne efficacité du système productif en limitant autant que possible les pannes et arrêts de production.
La maintenance corrective consiste en la réparation de machines en panne. Si la gêne est relativement faible lorsqu’il s’agit de problèmes pouvant être résolus rapidement, elle peut être très coûteuse dès lors qu’elle freine la production ou la stoppe complètement.
La maintenance préventive consiste alors à anticiper l’éventualité de pannes en planifiant des contrôles de manière régulière. Cela dit, celle-ci peut être contraignante puisqu’elle nécessite de planifier de nombreux contrôles qui n’aboutissent pas tous à un besoin réel de réparation.
Cela dit, l’industrie 4.0, portée par les évolutions technologiques, apporte de nouvelles possibilités. En effet, la quantité et la qualité de la data remontée continuellement par les robots peut être exploitée afin d’anticiper de manière flexible les besoins de maintenance : on parle alors de maintenance prédictive. Celle-ci permet, via l’analyse des flux de données remontés par les robots, de dégager une probabilité de panne ainsi que son impact sur le système productif. La maintenance prédictive devient alors la réponse agile et anticipée aux problématiques soulevées par les futures défaillances, ce qui permet de limiter le coût global de la maintenance (comportant la maintenance en elle-même ainsi que le coût lié à la limitation de la production due à une panne).
Robot as a Service (RaaS)
Sur le même principe que le SaaS (Software as a Service), il s’agit de concevoir différemment un élément fondamental d’un système productif : la robotique.
Robot as a Service (RaaS) est un concept émergent qui tire parti des nouvelles technologies telles que le cloud computing et permet de concevoir une offre robotique mêlant hardware et software comme un service.
Pour l’industrie, ce système de robotique à la demande permet de gagner en flexibilité et de bénéficier d’une amélioration continue de son système productif, qu’il s’agisse de besoins de court ou de long terme.
Robot collaboratif
Un robot collaboratif, ou cobot, est un robot dont la conception permet de travailler auprès d’un opérateur humain sur une chaîne de production. Ses capteurs (caméras, LiDAR, etc) lui permettent d’atteindre un tel niveau de sécurité qu’il n’est plus nécessaire de consacrer un espace délimité par des barrières de sécurité et interdit à l’Homme. La suppression de ces barrières physiques qu’offre la cobotique permet d’optimiser le gain de place au sol au sein d’une usine. La cobotique est également flexible dans la manière de l’utiliser au sein de son usine puisqu’il existe plusieurs niveaux de collaboration, permettant à chaque entreprise de personnaliser et d’améliorer l’ergonomie de chaque poste de travail.
Le cobot peut donc effectuer des tâches de manière collaborative, puisqu’il est conçu pour s’intégrer sur des chaînes de production où travaillent des opérateurs, permettant alors d’assister ces derniers en effectuant les tâches les plus répétitives ou les tâches générant le plus de TMS (troubles musculo-squelettiques).
Software as a Service (SaaS)
Depuis quelques années, l’expression « SaaS » devient de plus en plus présente. SaaS signifie « Software as a Service ». Il s’agit donc de la conception d’une offre logicielle sous forme de service.
La solution logicielle est alors conçue autour d’une formule dont le coût varie en fonction du besoin : en effet, le SaaS permet d’apporter de la flexibilité aux clients puisque le paiement se fait à l’usage (exemple : abonnement de 1, 3, 12 mois…) et peut également être adapté aux fonctions souhaitées (différentes tarifications disponibles pour bénéficier de différentes fonctionnalités).
L’intérêt pour le client est de bénéficier d’une offre flexible adaptée à son besoin (fonctionnalité, budget, durée), permettant autant de couvrir des besoins ponctuels que des besoins de long terme, puisque la solution se veut évolutive (amélioration continue du service et des fonctions).
Time to Market (TTM)
Le Time to Market (TTM) est un facteur stratégique majeur qui a une double signification. Il peut désigner :
- La notion de délai correspondant au développement d’un produit ou d’un service jusqu’à sa mise en place sur le marché (conception, modification des lignes de production, etc.)
- La notion de lancement produit au meilleur moment possible sur un marché.
Un bon Time to Market permet de prendre un avantage concurrentiel important, d’optimiser de manière significative la performance d’une entreprise ou d’une marque et d’éviter un échec commercial lors d’un lancement de produit ou service.
Pour les industriels, l’industrie 4.0 et la cobotique permettent de faire preuve d’agilité et de flexibilité, améliorant ainsi leur Time to Market.