Menu
Intégration logicielle OEE avec les capteurs IoT : connecter les équipements existants aux analyses modernes

Intégration logicielle OEE avec les capteurs IoT : connecter les équipements existants aux analyses modernes

Comment connecter les équipements de production existants à un logiciel OEE à l'aide de capteurs IoT : sélection des capteurs, informatique de périphérie, options de connectivité et retour sur investissement pour les machines plus anciennes.
Intégration logicielle OEE avec les capteurs IoT : connecter les équipements existants aux analyses modernes

Les équipements anciens ne constituent pas une impasse en matière de TRS (Taux de Rendement Synthétique).

Points clés: La plupart des fabricants possédant des équipements anciens pensent qu’il leur est impossible de mettre en œuvre le suivi du TRS (Taux de Rendement Synthétique). Ils se trompent.

Fabrico se connecte aux machines existantes grâce à quatre types de capteurs: capteurs de courant, capteurs de vibrations, compteurs de proximité et vision par ordinateur. Il offre ainsi la même précision de TRS que les équipements modernes connectés par automate programmable, à un coût bien moindre.

Le retour sur investissement de la connectivité IoT des machines existantes est généralement atteint en moins de deux semaines.

L'un des préjugés les plus répandus dans le domaine des technologies de fabrication est celui concernant les logiciels OEE pour les équipements anciens : « nos machines sont trop vieilles ».

Ils ne sont presque jamais trop vieux. Il leur faut simplement une connectivité adaptée.

Les quatre options de connectivité de Fabrico pour les machines sans sorties numériques :

  • Capteurs de courant/puissance : Des capteurs à pince fixés sur l’alimentation principale de la machine détectent l’état de marche/arrêt à partir des variations de consommation électrique. Coût : 50 à 200 $ par machine. Précision : 90 à 95 % pour la détection de marche/arrêt.
  • Capteurs de vibrations : des accéléromètres intégrés au châssis de la machine détectent les vibrations en fonctionnement. Plus précis pour les machines à cycles de charge variables. Coût : 100 à 500 $ par machine.
  • Capteurs de proximité et compteurs : des capteurs optiques ou magnétiques comptent les pièces ou les cycles. Il s’agit de la méthode la plus précise pour le comptage en production. Coût : 30 à 150 $ par capteur.
  • Vision par ordinateur (Zoom sur les inefficacités de Fabrico) : des caméras détectent l’état de la machine, l’activité de l’opérateur et les micro-arrêts que les automates programmables et les capteurs ne repèrent pas. C’est la seule méthode qui permet de mettre en évidence les inefficacités manuelles et les pertes dues au facteur humain.

Architecture de calcul en périphérie pour l'OEE des machines existantes

Chaque déploiement IoT sur machine traditionnelle suit une architecture à quatre couches :

  1. Couche de capteurs : capteurs physiques fixés à la machine (courant, vibrations, proximité ou caméra).
  2. Passerelle périphérique : Dispositif industriel situé à proximité des machines qui lit les données des capteurs, les traite pour générer des signaux OEE et met les données en mémoire tampon lors des interruptions de connectivité.
  3. Couche réseau : Wi-Fi industriel, Ethernet câblé ou réseau cellulaire 4G/5G connectant la passerelle périphérique à la plateforme cloud de Fabrico
  4. Fabrico Cloud : reçoit les données machine traitées, calcule le TRS en temps réel, affiche des tableaux de bord et déclenche des ordres de travail GMAO

La passerelle de périphérie est indispensable. Sans mémoire tampon locale, chaque interruption réseau engendre des lacunes dans les données OEE. L'architecture de périphérie de Fabrico garantit la précision des données même en cas d'interruptions de connectivité de plusieurs heures, un point crucial pour maintenir la confiance de la direction dans la qualité des données.

Fabrico capture également ce que les capteurs ne détectent pas : la fonction Zoom sur les inefficacités utilise la vision par ordinateur pour détecter et enregistrer des clips vidéo de micro-arrêts, de blocages et d’inefficacités manuelles, offrant ainsi aux équipes de maintenance les preuves visuelles pour l’analyse des causes profondes que les données PLC seules ne peuvent jamais fournir.

Calcul du retour sur investissement pour les machines existantes dans l'IoT

Le retour sur investissement lié à la connexion d'une machine ancienne à Fabrico est presque toujours convaincant pour les équipements critiques de production.

Coût typique d'un kit IoT pour machine traditionnelle (marche/arrêt + nombre de productions + un indicateur de qualité) :

  • Matériel de capteur : 200 à 500 $ par point de connexion
  • Passerelle Edge (gère 5 à 10 machines) : 500 à 2 000 $
  • Installation et configuration : 200 à 500 $ par machine
  • Coût total par machine : 600 à 3 000 $

Calcul du rendement d'une machine générant 3 000 $/heure de valeur de production fonctionnant à un TRS de 65 % :

  • Chaque amélioration de 1 % du TRS (Taux de Rendement Synthétique) équivaut à 2,6 heures de production supplémentaires par mois × 3 000 $ = 7 800 $ par mois.
  • Une amélioration de seulement 2 % du TRS permet de rentabiliser un investissement de 2 000 $ dans un capteur en moins de deux semaines.

Les équipements anciens, souvent exclus du marché du suivi OEE, représentent généralement le meilleur retour sur investissement, car ils présentent les écarts de performance les plus importants et bénéficient d'un suivi minimal. Fabrico les rend visibles.

Dernières nouvelles de notre blog

Définissez votre feuille de route en matière de fiabilité
Validez votre retour sur investissement potentiel : réservez une démonstration en direct
Définissez votre feuille de route en matière de fiabilité
En cliquant sur le bouton Accepter, vous donnez votre consentement à l'utilisation de cookies lors de l'accès à ce site Web et de l'utilisation de nos services. Pour en savoir plus pour en savoir plus sur la manière dont les cookies sont utilisés et gérés, veuillez consulter notre Politique de confidentialité et Déclaration relative aux cookies