Industrie du futur : quelles données pour la plasturgie ?

Face à la mondialisation et à la concurrence accrue des pays à bas coûts, les plasturgistes français s'adaptent continuellement pour rester compétitifs tout en répondant à des exigences de qualité et de durabilité croissantes. Ils investissent dans des technologies de pointe en recourant à la robotique et à des systèmes périphériques automatisés. Ils misent sur des produits à haute valeur ajoutée qu'ils mettent en œuvre à l'aide de moules et machines à haute technicité.

Pour maintenir la qualité face à une complexité et une technicité accrues, des systèmes intelligents émergent pour la surveillance et le contrôle des processus ainsi que du contrôle qualité et de la traçabilité en ligne. Souvent proposés par les fabricants de machine, ces systèmes d'assistance intelligents permettent d'allier productivité et production proche du zéro défaut, mais sont souvent peu adaptés aux contraintes du métier. De plus, de nouvelles tendances (personnalisation de masse dans les secteurs tels la cosmétique ou le packaging, ruptures d'approvisionnement) posent la question de la reconfiguration et de la modularité des lignes de production. Les cellules très automatisées ne sont pas forcément conçues pour accueillir de nouveaux produits et deviennent moins rentables pour de petites séries. Les moules pilotés par des systèmes machines intelligents sont associés à une marque de presse, bridant la flexibilité de production.

Face au besoin croissant d'adaptabilité à un environnement toujours plus instable, l'industrie 4.0 propose un concept d'équipements interconnectés capables de communiquer de façon autonome indépendamment des systèmes numériques et des marques machines installés dans l'entreprise.

Cela suppose qu'un langage commun soit établi afin que chaque machine, chaque logiciel sache interpréter et traiter correctement les données reçues. Si un nombre conséquent de normes traitent du véhicule servant à l'échange des données, peu d'entre elles respectent la même sémantique, car cela touche au cœur du métier de la plasturgie. Or, cet aspect fondamental de l'interopérabilité est essentiel pour que la transformation digitale puisse être déployée à grande échelle et à moindre coût.

Dans le cadre du projet Dimofac¹, un modèle de données aligné avec les recommandations Euromap² a été développé par IPC pour une cellule de moulage par injection composée d'un module d'injection et d'un module de contrôle qualité en ligne. Basés sur le concept d'AAS « Asset Administration Shell »³, les « miroirs » numériques des machines, de la matière, du produit et des composants non physiques tels les ordres de fabrication ont été modélisés à l'aide d'un outil open source et intégrés dans une plateforme logicielle. Les AAS permettent de définir un langage commun à chaque typologie de machines en se basant sur sa capabilité sans distinction de marque ou de protocole de communication. Cette solution a été mise en œuvre sur une ligne pilote IPC démontrant ses avantages en matière de reconfiguration, de gestion intelligente des processus et de traçabilité des produits.

Modélisation des données : pertinence et qualité

L'enjeu de la digitalisation de la production est de s'intéresser aux données qui permettront de répondre aux objectifs fixés et à des questions précises. On ne collectera pas les mêmes informations poursuivre une consommation d'énergie que pour améliorer la qualité du produit ou connaître les causes racines d'un défaut.

Outre la pertinence des données collectées, se pose la question de leur qualité. Une donnée erronée ou incomplète pourra fausser une analyse ou nuire à la prise de décision. Par ailleurs, elle doit être comprise par tous les systèmes qui vont la traiter et donc être exprimée dans le même langage. Prenons l'exemple du matelas en moulage par injection, car il est souvent utilisé pour suivre le process. Malgré l'existence de l'Euromap, on rencontre des différences de définition et de dénomination selon les fabricants de machine. De plus, dans une même machine, en l'occurrence une Engel équipée du soft CC200, on peut trouver quelque sept matelas différents (@InjectionUnit1.sv_rCushionActHost, @InjectionUnit1.sv_Inject.rCushionAct, @Injec-tionUnit1.sv_rCushionMin, @InjectionUnit1.sv_ rCushionMax, @InjectionUnit1.sv_Inject.rCushio-nAct, @InjectionUnit1.sv_rCushionEndPart, @InjectionUnit1.sv_rCushionEndPartHost). Il est alors difficile de savoir lequel correspond à l'unique matelas de Arburg, par exemple, intitulé « V4062 ». Comment s'y retrouver ?

Méthodologie

Identifier les données clés et les modéliser selon un standard métier est tout l'enjeu de la méthodologie qui est déployée pour digitaliser la cellule d'injection IPC à l'aide des AAS.

L'étape initiale consiste à décrire le cas d'usage en identifiant les différentes fonctions attendues. Elles sont énoncées dans un langage naturel par les professionnels du métier. Dans notre cas, les principales fonctions attendues de notre cellule d'injection sont les suivantes :

- Assurer l'interopérabilité des équipements de la cellule d'injection grâce à des interfaces logicielles et matérielles standard.

- Échanger les données dans un langage indépendant de la marque des machines.

- Vérifier la compatibilité d'un moule avec lama-chine d'injection et le thermorégulateur avant un changement de production.

- Permettre un redémarrage de production efficace grâce à une recette générique liée au moule lui-même et quine dépend pas de la machine d'injection.

- Assister l'opérateur par des instructions numériques pour connecter le moule, régler la presse et reconfigurer le module de contrôle qualité en ligne.

- Suivre en temps réelles données de process impactant la qualité et alerter en cas de dérive.

- Assurer la traçabilité du produit sur tout son cycle de vie en reliant les informations du développement produit et celles de l'étape de moulage et de contrôle qualité.

- Retrouver, à partir d'un code unique, toutes les données d'une pièce relatives à son cycle de vie (conception, fabrication, résultats détaillés du contrôle qualité).

La seconde étape porte sur l'identification des « actifs » impliqués dans chaque module c'est-à-dire les composants physiques de la ligne de production qui échangent des données tels que la machine d'injection, le moule, les pièces moulées, la caméra thermique, la balance, la vision, la matière, mais aussi toute autre entité non physique qui intervient dans la réalisation des fonctions décrites, tels que l'ordre de fabrication (le « job »), le jumeau numérique ou les spécifications produit qui indiquent notamment quels moules permettent de mouler le produit ou comment contrôler le produit.

La troisième étape vise à établir les relations entre les actifs afin de faire ressortir les connexions physiques et logicielles qui devront être établies pour assurer les échanges de données. Les diagrammes relationnels (voir Figure 1 et Figure 2) aident à visualiser ces relations et permettent aux différents acteurs impliqués dans le processus d'avoir une compréhension commune du flux de données à mettre en place. L'inventaire et la modélisation des données de chaque actif peuvent alors commencer avec pour objectif final la création d'un modèle d'information standard qui soit applicable à d'autres cellules d'injection.

Figure 1 : diagramme relationnel du module d'injection.

IPC

Figure 2 : diagramme relationnel du module de contrôle qualité en ligne.

Le travail réalisé en amont permet de se focaliser sur les seules données nécessaires à la réalisation des fonctions du cas d'étude. Afin de tendre vers une standardisation la plus large possible, une structuration des données est réalisée pour correspondre au format standard des AAS. Les données de chaque actif sont regroupées par fonctions afin de construire les sous-modèles des AAS. À titre d'exemple, le sous-modèle « Identification » qui est un standard de l'industrie 4.0, est réutilisé pour identifier chaque équipement par différentes propriétés telles que l'identifiant unique, le numéro de série, ou encore le fabricant. Derrière chaque propriété, se trouve un « IRI » (Internationalized Resource Identifier) associé à une norme internationale telle que ECLASS 4 qui permet sans ambiguïté de retrouver et d'échanger automatiquement cette information.

Concernant la modélisation des données techniques et des paramètres spécifiques à la plasturgie, les sous-modèles d'AAS standardisés n'existent pas encore. La modélisation s'aligne donc, quand cela est possible, sur les Compagnion Specifications de l'Euromap 5 .Pour le thermorégulateur, toutes les données dont nous avons besoin sont décrites à l'aide de l'Euromap 82.1 (pour plus d'informations : sabine.belle@CT-IPC.com). En revanche concernant les machines d'injection, beaucoup de données nécessaires au pilotage du process sont absentes des Euromap 77 et 83, notamment tous les paramètres de réglages et certaines caractéristiques techniques (forces de fermeture, espaces entre colonnes, etc.). Pour ces propriétés, les terminologies les plus couramment utilisées dans la profession sont appliquées.

Mise en application du modèle de données

Les deux modules de la cellule d'injection sont mis en place à IPC tel qu'illustré sur la Figure 3.

Difomac

Figure 3 : implantation du module injection (actifs en rouge), du module qualité (actifs en bleu) et unité centrale (en noir). Les pièces moulées sont des actifs communs aux deux modules.

Les AAS des actifs contenant le modèle de données sont intégrés dans une plateforme logicielle qui assure l'interopérabilité à travers toute la cellule grâce à un serveur d'AAS, des connecteurs logiciels avec les actifs et un gestionnaire d'accès et de sécurité. L'architecture logicielle globale est illustrée en Figure 4.

Difomac

Figure 4 : architecture numérique globale de la cellule.

Les connecteurs logiciels de la presse et du thermorégulateur s'appuient sur l'interface OPCUA de ces équipements tan-disque des connecteurs REST API 6 assurent les échanges de données avec le jumeau numérique, le module qualité et l'interface utilisateur. Le tableau de bord est directement connecté via SQL à la base de données contenue dans la plateforme. Cela permet notamment de visualiser en temps réel tous les paramètres de la presse et du thermorégulateur accessibles via OPCUA (voir Figure 5).

Difomac

Figure 5 : Tableau de bord pour visualiser en temps réel les paramètres process.

La coordination des échanges de données selon les différentes étapes du process est réalisée par un programme Python. Cet orchestrateur logiciel permet de déclencher des opérations avec les AAS en fonction d'évènements générés parles équipements, le jumeau numérique ou l'opérateur. Le développement logiciel permet la réalisation des fonctions attendues lors des trois principales phases du processus : Déclenchement de la reconfiguration de la cellule lorsqu'un nouvel ordre de fabrication est assigné à la cellule et assistance à l'opérateur via l'interface.

Lors de la production, création d'une nouvelle AAS pour chaque pièce moulée, attribution d'un numéro d'identification unique, collecte des paramètres de process et de contrôle qualité s'y rattachant, puis transmission du numéro et du résultat qualité au graveur pour impression du code sur la pièce physique. Comptabilisation des pièces bonnes et suivi de l'ordre de fabrication sur l'interface utilisateur.

Récupération des informations relatives à la pièce sur tout son cycle de vie à l'aide de son code (voir le principe de l'application traçabilité sur la Figure 6).

Difomac

Figure 6 : schéma de principe de l'application de traçabilité.

Le fonctionnement de la cellule digitalisée est testé avec un moule une empreinte produisant un couvercle de boîte en ABS. L'ensemble du processus et des fonctions est validé depuis la reconfiguration de l'ordre de fabrication jusqu'au marquage des pièces en passant parla collecte des données, l'exécution du jumeau numérique, le contrôle qualité en ligne et enfin l'accès à toutes les données de cycle de vie de chaque pièce. La solution développée basée sur un modèle de données indépendant des fabricants et une digitalisation basée sur les AAS, peut être déployée à plus grande échelle sur n'importe quelle machine d'injection équipée d'OPCUA.

Plus d'informations relatives aux AAS et à leur application pratique pour le process d'injection sont à retrouver dans la vidéo « Dimofac Solution For Injection Moulding Process » 7.

Enseignements et perspectives

La transformation numérique des processus plasturgie implique un travail collaboratif rapproché entre les experts plasturgie, l'informatique industrielle, l'automatisme et les développeurs logiciels. La communication interdisciplinaire peut être facilitée par des méthodologies et des outils conceptuels pour formaliser les besoins et décrire les processus. La digitalisation basée sur les AAS crée des liens entre les actifs et intègre les standards industriels comme OPCUA pour faciliter l'échange de données entre les départements de l'entreprise et les acteurs de la chaîne de valeur. Cependant, des problèmes d'interopérabilité subsistent : le manque de connectivité des machines, même équipées de serveurs OPCUA prive l'entreprise de données clés pour l'amélioration des process et le développement de solutions basées sur l'intelligence artificielle. La conformité des modèles de données avec a minima les recommandations Euromap faciliterait la transformation vers des systèmes de fabrication « plug and produce ».

La ligne pilote IPC est très ambitieuse, visant l'interopérabilité, la reconfigurabilité, le pilotage du process, le contrôle qualité en ligne et la traçabilité du produit. Elle a permis de mettre en évidence la problématique de la qualité et de la pertinence des données.

La transformation digitale est essentielle pour la compétitivité et la durabilité, mais elle peut sembler inabordable aux PME étant donné sa complexité et son coût. Mais en commençant par des projets de petites envergures avec des objectifs stratégiques, elle est structurante pour un déploiement plus large à long terme.

¹ Dimofac est un projet qui a été financé par le programme de recherche et d’innovation Horizon 2020 de l’Union européenne dans le cadre de l’accord de subvention numéro 870092. Site web : Dimofac.eu

²euromap.org/

³ www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/AAS-ReadingGuide_202201.pdf?__blob=publicationFile&v=1

4 https:/ /eclass.eu/fr

5 www.euromap.org/i40/OPCUA

6 www.redhat. com/fr/topics/api/what-is-a-rest-api

7 www.youtube.com/watch?v=Hv4Y_IdNQ50