La partie 1 soutenait que le goulot d'étranglement de l'industrie est le contexte, pas la collecte. La partie 2 montrait de quoi est fait le contexte. Cette dernière partie décrit à quoi sert le contexte : une boucle fermée dans laquelle les recommandations deviennent des actions approuvées, les actions deviennent des résultats mesurés, et les résultats améliorent la recommandation suivante.
Une couche de décision est la partie d'un système de production qui convertit des données contextualisées en recommandations priorisées, les intègre dans les propres procédures et flux de travail de l'usine, les exécute comme des actions approuvées par des humains, et mesure si elles ont fonctionné. Sa propriété définissante est que la boucle se referme : les résultats rétroagissent sur la décision suivante.
Nous pensons cela en cinq couches. Les données sont la fondation : signaux machines provenant des automates programmables (PLC), capteurs et vision par ordinateur, saisies humaines des opérateurs, les propres dossiers de maintenance et de production, et le contexte de commande provenant de l'ERP du client. Les insights et recommandations se situent au sommet, classés en euros avec les preuves jointes.
Les procédures et flux de travail sont la couche que la plupart des fournisseurs sautent : les normes opérationnelles de l'usine, vivant à l'intérieur du système. Les actions sont des ordres de travail et des modifications de planning exécutés sur la même plateforme. Les résultats ferment la boucle : chaque action est mesurée par rapport à ce qu'elle était censée produire.
Les cinq couches de l'architecture de décision, avec la boucle de rétroaction qui la referme.
Tout ce que propose la couche de décision relève d'un des deux types, et la distinction compte plus que n'importe quel algorithme qui la sous-tend.
Recommandations épisodiques changent une action : un roulement sur la ligne 2 présente la même signature de dégradation qui a précédé sa dernière défaillance, donc créer un ordre de travail et l'intégrer à l'arrêt planifié de jeudi. Rapide, concret, satisfaisant. La plupart des IA en industrie s'arrêtent ici, quand elles y parviennent.
Recommandations systémiques changent une norme : ce mode de défaillance s'est répété trois fois avec un intervalle de maintenance de huit semaines, donc raccourcir l'intervalle pour cette catégorie d'actifs à six semaines. Ou : les changements de production du produit A au produit B dépassent systématiquement le temps standard de 40 %, donc mettre à jour la procédure de changement et les règles de planification qui ordonnancent ces produits.
Accepter une recommandation systémique ne crée pas un ordre de travail. Elle réécrit la norme que tous les futurs ordres de travail, listes de contrôle et plannings hériteront.
C'est dans les recommandations systémiques que se joue l'effet cumulatif. Une usine qui accepte une bonne recommandation épisodique obtient une bonne semaine. Une usine qui accepte une bonne recommandation systémique obtient une procédure opératoire durablement améliorée, et au bout d'un an le système contient quelque chose qu'aucun tableau de bord n'aura jamais : le savoir-faire opérationnel de l'usine, ajusté par les preuves, versionné et propagé entre lignes et sites.
Rien dans cette boucle ne s'exécute tout seul. Chaque recommandation, épisodique ou systémique, passe par une porte d'approbation humaine : la personne responsable l'accepte, la modifie ou la rejette, et indique pourquoi. Nous considérons cela comme une caractéristique de l'architecture, pas comme une concession temporaire.
Les responsables d'usine ne se fient pas aux boîtes noires, et ils ne devraient pas. Une recommandation qui arrive accompagnée de ses preuves, dans l'outil où le responsable travaille déjà, demandant une décision plutôt qu'imposant une action, est une recommandation qui sera mise en œuvre.
La porte produit aussi quelque chose de discrètement précieux : les rejets motivés deviennent des données d'entraînement. Lorsqu'un ingénieur expérimenté rejette une recommandation et en explique la raison, le système apprend une contrainte qu'aucun capteur n'aurait pu lui enseigner.
La porte est aussi l'endroit où la responsabilité reste à sa place. Une proposition systémique visant à raccourcir un intervalle de maintenance arrive en tant que proposition, accompagnée de l'historique des défaillances qui la motive, et est approuvée par l'ingénieur responsable, pas exécutée par un algorithme.
Lorsqu'une garantie constructeur ou une réglementation impose un intervalle spécifique, cette contrainte est encodée en règle que le système doit respecter, ce qui correspond exactement au type de connaissance que la couche des procédures est censée contenir.
Le système argumente avec des preuves ; les humains décident, et le registre de qui a décidé quoi, et pourquoi, est conservé.
La discipline qui différencie une couche de décision d'une boîte à suggestions est le registre des résultats. Chaque recommandation acceptée enregistre son impact attendu. Chaque action exécutée est suivie d'une mesure de l'impact réalisé, vérifiée par les machines plutôt que par l'enthousiasme de quiconque.
Les déploiements se font ligne par ligne, de sorte que les lignes non encore couvertes servent de groupe témoin naturel, ce qui répond à l'objection légitime selon laquelle les volumes et le mix produits changent de toute façon.
Les recommandations rejetées sont aussi suivies : lorsqu'un roulement signalé est ignoré puis tombe en panne exactement comme prévu, cet événement est enregistré, car c'est la preuve la plus honnête que le système puisse produire.
Le résultat est un registre de valeur cumulé et vérifié en euros, par ligne, par usine et par groupe. L'amélioration cesse d'être revendiquée dans des slides et commence à être prouvée dans le même système qui l'a proposée.
Refermer la boucle change la forme de l'économie. Les données d'exécution de la couche action et les résultats vérifiés de la couche résultat rétroagissent sur le moteur de recommandation et sur les normes elles-mêmes. Les prévisions deviennent plus précises. Les priorités se calibrent mieux sur ce qui rapporte réellement.
Les normes éprouvées dans une usine sont proposées dans la suivante, donc chaque site supplémentaire rend le système plus précieux pour tous les autres. Un tableau de bord se déprécie dès le jour de son installation. Une boucle fermée s'apprécie.
Il y a aussi une dimension liée à la main-d'œuvre. Presque tous les fabricants que nous rencontrons peinent à recruter des techniciens, et la pénurie s'aggrave plutôt que de s'améliorer.
Quand on ne peut pas augmenter les effectifs, le levier restant consiste à s'assurer que le personnel disponible travaille d'abord sur les problèmes à plus forte valeur, et c'est précisément ce que fait la priorisation classée en euros. La couche de décision ne remplace pas les personnes qualifiées rares; elle cesse de les gaspiller.
Imaginez une réunion de production un lundi matin dans deux ans. Elle ne commence pas par le graphique de l'OEE de la semaine précédente. Elle commence par une file d'actions priorisée : cinq éléments, chacun avec l'impact attendu en euros, les preuves jointes et une fenêtre proposée dans le planning.
En dessous, le registre de la semaine passée : sept actions exécutées, six ayant délivré un impact dans un écart de 15 % par rapport à la prédiction, économies vérifiées jointes. Une proposition systémique attend l'approbation du directeur de production : un intervalle de maintenance modifié, avec l'historique des défaillances qui le justifie. La réunion dure vingt minutes, et il s'agit de décisions, pas d'archéologie.
Aucune des technologies dans cette image n'est spéculative. Ce qui a manqué, c'est l'architecture sous-jacente : des données dont le contexte est capturé à la source, des recommandations qui distinguent réparer et standardiser, des humains aux commandes à la porte, et des résultats mesurés honnêtement. C'est la couche de décision, et c'est ce qui vient après le tableau de bord.
Fabrico est une plateforme d'exploitation industrielle combinant la surveillance de l'OEE avec la vision par ordinateur, une GMAO complète, des fonctionnalités MES et la planification de la production dans un seul modèle de données. fabrico.io
Connexion
Blog
