Développement d'un outil d'amélioration des performances industrielles basé sur les données : application dans l'industrie minière

Dans le contexte de l’Industrie 4.0, de nombreuses données peuvent être acquises sur le fonctionnement de machines ou de véhicules. Ces données présentent un grand nombre d’in-formations et l’obtention de ces informations est un enjeu important. Dans de nombreux secteurs d’activité, et plus particulièrement dans les entreprises minières, l’amélioration de la productivité et la réduction des coûts sont actuellement des priorités. L’exploitation des données pour la surveillance des activités, l’identification des leviers de performance et l’optimisation des opérations s’avère ainsi essentielle. Le projet présenté dans ce mémoire vise à développer un outil d’amélioration des performances industrielles en se basant sur des données de fonctionnement de machines lors de la réalisation répétée d’un processus. Basée sur une méthodologie générale de valorisation de données largement utilisée dans l’industrie (CRISP-DM), nous développons un outil qui vise à fournir un cadre de comparaison et d’analyse des performances d’une activité industrielle et à détecter des anomalies de performances. Dans notre contexte, à partir de données de fonctionnement de différentes machines lors d’un même processus, des mesures de performances permettant de caractériser l’activité étudiée sont collectées et analysées. Ces indicateurs spécifiques permettant d’agréger différentes informations à partir des données sont calculés et projetés dans un espace d’analyse isoprobabiliste. L’analyse de la position des points dans l’espace de projection permet de comparer les performances de l’activité et ainsi de prendre des décisions pour améliorer les opérations. Les premiers bénéficiaires de l’outil proposé seront les utilisateurs opérationnels qui ont besoin de comprendre les leviers de la performance, de détecter des comportements anormaux et d’adapter leurs actions en conséquence. Plus précisément, un ensemble de référence d’itérations de l’activité étudiée est choisi en fonction des besoins d’analyse. Cet ensemble de départ permet de créer un espace de projection pour l’ensemble des itérations à traiter afin de visualiser et d’analyser leur comportement par rapport à l’ensemble de référence choisi. L’ensemble de référence peut dépendre d’un contexte temporel ou bien d’un paramètre de départ de l’activité. La création de l’espace de projection met en jeu une normalisation via transformation quantile et une décorrélation des données grâce à la décomposition de Cholesky. L’espace de projection obtenu est centré sur 0 qui représente l’itération moyenne de l’ensemble de référence. Plus une itération analysée apparaît projetée loin du centre de l’espace de projection, plus elle se distingue du groupe de référence. La position d’une itération dans l’espace projeté indique également comment ses performances se situent par rapport à l’ensemble de référence. De par la construction de l’espace, les distances mesurées correspondent à des seuils statistiques. Cela permet de mettre en place des limites de détection d’anomalies. La méthode est appliquée à un cas industriel réel, dans le cas de montée de minerai réalisée par des camions en environnement minier souterrain. Cela permet de développer un outil à destination du gestionnaire de flotte afin de mieux comprendre l’influence de certains para-mètres sur les performances des camions et d’en suivre l’évolution dans le temps, afin d’agir en cas de dérive constatée. La mise en place de l’outil dans un contexte opérationnel minier permet de fournir des recommandations aux conducteurs des camions et au gestionnaire de la flotte. L’anticipation de défaillance en surveillant les baisses de performances semble également possible mais devra être confirmée dans de futures recherches avec des jeux de données plus riches. D’autres industries et activités pourraient bénéficier de la mise en place de la méthodologie proposée afin de valoriser les données récoltées et de mettre en place un outil de surveillance et d’amélioration des performances adaptable et interprétable.