A Valence, Ford développe les technologies de l’industrie 4.0 pour une usine zéro défaut

2,7 millions de mètres carrés, 8600 salariés, 1 900 robots, 395 000 véhicules et 330 000 moteurs produits chaque année… Les chiffres donnent le vertige. Et pour cause, le site de production de Valence, en Espagne, est la plus grosse usine européenne de Ford. Fondée en 1974, l’usine produit actuellement plusieurs modèles de véhicules dont le S-Max, la Mondeo, le Transit, le Tourneo, le Galaxy ou encore le SUV Kuga. Pour gagner en productivité afin de rester compétitif, le constructeur américain mise désormais sur le big data, les algorithmes de machine learning et les systèmes intelligents. Les équipes espagnoles ont notamment mis l’accent sur le contrôle qualité et ont développé, en partenariat avec l’Ecole polytechnique de Valence, des technologies inédites que nous avons pu découvrir. Démonstration en cinq étapes.

1. Un microphone intelligent pour vérifier les connexions électroniques

© Juliette Raynal / Industrie & Technologies

Chaque jour, 55 000 connexions électroniques sont réalisées sur le site de production. Pour s’assurer que ces connexions sont correctement effectuées, les équipes ont développé une solution originale baptisée Click Hunter. L’idée : analyser le son produit lorsque deux composants électroniques sont connectés par l’opérateur. Pour cela, les équipes de Ford se sont appuyées sur un microphone et des algorithmes de réseaux neuronaux capables de reconnaître la signature sonore d’un « bon » clic, c’est-à-dire d’une bonne connexion, en éliminant les bruits de l'environnement. Le système intelligent détecte automatiquement quel type de moteur est soumis au contrôle et combien de clics doivent être effectués. Par exemple, pour un moteur dédié au marché européen, deux clics (donc deux connexions) suffisent. Si le système « n’entend » qu’un bon clic sur les deux nécessaires, le moteur est stoppé et ne peut poursuivre sa route sur la ligne d’assemblage.

Déployée il y a deux ans, cette technologie a fait ses preuves. Plus aucune anomalie sur les connexions électroniques n’a été répertoriée a posteriori. Prochaine étape ? Coupler cette technologie à des robots collaboratifs afin de déployer la solution sur des stations où un microphone fixe n’est pas adapté. Les premiers tests sont prévus au 1^er trimestre 2017. Au cours de l’année prochaine, Ford entend tester à Valence 10 robots collaboratifs pour effectuer différentes tâches, comme c'est déjà le cas dans son usine de Cologne, en Allemagne.

2. La vision par ordinateur pour détecter les défauts des moteurs

© Juliette Raynal / Industrie & Technologies

Ford a déployé un système de vision par ordinateur pour détecter les éventuels défauts ou éléments manquants des moteurs. Chaque moteur effectue donc un passage au niveau d’une station équipée de 12 à 16 caméras et d’un système d’éclairage. A chaque passage, 3 000 photos sont prises pour photographier le moteur sous tous les angles afin de reconstruire un modèle 3D de celui-ci et de le comparer à un moteur de référence. Toutes les photos sont stockées dans une base de données dans le cloud. Si un problème est détecté ultérieurement, il est ainsi possible de remonter jusqu’au process de production.

3. Des QR codes pour suivre les arbres à cames à la trace

© Juliette Raynal / Industrie & Technologies

Des tournevis connectés pour des tableaux de bord zéro défaut

Plus loin, dans l’atelier d’assemblage des tableaux de bord, une ligne est consacrée à l’intégration du calculateur du système d’infotainment du véhicule. Ici pas de robots ni de caméras, mais des tournevis connectés et paramétrés pour effectuer le nombre de tours exact et exercer la force adéquate pour visser correctement chaque vise.

4. Des milliers de capteurs pour basculer dans la maintenance prédictive

Outre l’amélioration du contrôle qualité, Ford entend aussi basculer dans une logique de maintenance prédictive pour anticiper les aléas et éviter tout arrêt de la chaîne de production. Dans cette optique, des milliers de capteurs sont déployés sur le site afin de mesurer différents paramètres, comme la consommation électrique, les vibrations, la température ou encore le nombre de particules dans l’huile. Les données recueillies doivent ensuite être traitées par des algorithmes de machine learning, développés en partenariat avec l'Ecole polytechnique de Valence, pour détecter des comportements anormaux, jusqu’à plusieurs semaines avant la casse. De quoi avoir le temps nécessaire pour préparer l'opération de maintenance. Au total, chaque année, l’ensemble du site de production enregistre un pétaoctet d'informations, soit un million de milliards d’octets… Une véritable usine à données !

Sélectionné pour vous

Grâce au deep learning, Clecim affine le contrôle qualité des lignes sidérurgiques

Comment le projet européen CPS4EU facilite le développement des systèmes cyberphysiques

Détecteur quantique, cobot pneumatique, identifiant magnétique... Cinq innovations présentées à la foire de Hanovre