Aujourd’hui, de nombreux foyers disposent déjà d'une palette d'appareils et de dispositifs connectés qui facilitent les tâches quotidiennes et offrent différentes formes de divertissement. En outre, d'autres appareils gèrent la consommation d'énergie, contrôlent les systèmes de climatisation et de chauffage et assurent la sécurité de la maison.
Ces dernières années, la connectivité sans fil à domicile, principalement avec les routeurs Wi-Fi connectés à Internet, a permis à de nombreux fabricants d'appareils électroménagers de convertir leurs produits en appareils domestiques intelligents, offrant ainsi de nouvelles fonctionnalités et possibilités aux consommateurs et aux entreprises.
Ces appareils offrent des fonctionnalités avancées, telles que la programmabilité, le fonctionnement à distance et une consommation d'énergie réduite. Ils collectent également des informations précieuses sur l'utilisation des appareils et de leurs composants. Ces données sont cruciales pour les fabricants, car elles leur permettent de comprendre l'utilisation réelle de leurs produits, d'en assurer la maintenance en temps voulu et de corriger à l'avenir les éventuels défauts de conception.
Maintenance préventive et prédictive pour une meilleure gestion de la chaîne logistique
Ces deux dernières années ont été difficiles en ce qui concerne la prévision des besoins en pièces de rechange et produits. Comme les gens ont passé plus de temps chez eux, l'utilisation de nombreux produits a radicalement changé et les informations collectées par les fabricants et les prestataires de services pendant de nombreuses années avant la pandémie sont devenues pour le moins inexactes.
En outre, l'interruption de la fabrication et du transport entraînée par des besoins inopinés en produits sanitaires et en itinéraires d'expédition a affecté la chaîne logistique d'une manière totalement inédite.
Aujourd'hui, il en découle une situation très difficile pour les fabricants avec une pénurie en composants et pièces de rechange. Cela entraîne non seulement des retards importants de fabrication de nouveaux produits, mais aussi des goulots d'étranglement au niveau des opérations de maintenance et de réparation.
De nombreux analystes s'accordent à dire, au vu de la situation de certains marchés cruciaux pour la production, que le manque de nombreux composants et pièces, notamment de semi-conducteurs, pourrait se poursuivre jusqu'en 2024.
La plupart des fabricants s'attendent à ce que leurs produits fonctionnent sans interruption pendant plusieurs années. Toutefois, les différentes conditions et fréquences de fonctionnement de nombreux appareils électroménagers et autres appareils domestiques peuvent affecter de manière significative la durée de vie estimée de ces produits.
Étant donné qu'un grand nombre des produits ménagers actuels sont connectés à Internet et que certains sont équipés de capteurs, les fabricants et les prestataires de services peuvent utiliser les informations recueillies pour prévoir les futurs besoins de maintenance.
Par exemple, une unité de climatisation installée en milieu tropical, où elle est utilisée la majeure partie de l'année, pourrait nécessiter une intervention de maintenance ou un remplacement beaucoup plus tôt que la même unité située quelque part où elle n'est requise que quelques semaines en été. Un lave-linge dans un foyer de deux personnes durera plus longtemps que le même modèle dans une famille de quatre personnes, surtout si les enfants sont en bas âge. En outre, d'autres habitudes sociales et conditions environnementales peuvent affecter l'utilisation et l'usure des appareils, comme la qualité de l'eau, l'humidité, la chaleur ou le gel.
Grâce aux informations collectées à partir des capteurs embarqués et de la consommation électrique, les fabricants et les prestataires de services peuvent désormais utiliser l'analytique et le Machine Learning pour prévoir les besoins de maintenance, notamment les pièces de rechange et les unités à remplacer.
Ainsi, quand les besoins immédiats et futurs sont connus, les composants et les pièces de rechange peuvent être réclamés ou fabriqués à l'avance, et expédiés là où ils seront nécessaires.
Les fabricants et les prestataires de services peuvent rationaliser leur chaîne logistique en étant avertis à l'avance des produits et des composants requis.
Le Machine Learning et la fabrication intelligente peuvent améliorer les nouveaux produits et la disponibilité des composants
Grâce à l'analyse d'énergie et au Machine Learning, les fabricants peuvent utiliser les informations collectées par leurs appareils connectés pour corriger les problèmes à la fabrication.
Par exemple, supposons qu'un four ou une machine à café ait des problèmes répétés pour maintenir la bonne température en fonctionnement. Les thermostats utilisés sur ces appareils ne sont peut-être pas les meilleurs pour cette application ou sont mal placés.
Pendant des années, les fabricants étaient informés de ces problèmes par les prestataires de services lorsqu'ils demandaient des pièces de rechange pour réparer ces appareils. Ces informations sont toutefois incomplètes, car elles ne permettent généralement pas d'identifier les modèles concernés ni les conditions d'utilisation.
Les informations collectées par les capteurs, associées aux conditions d'utilisation et à d'autres facteurs pertinents permettent aux fabricants de commencer à rechercher de nouvelles pièces pour leurs produits ou de revoir la conception des pièces existantes afin d'éviter de telles situations. Cela peut également aider les fabricants à éviter des rappels de produits potentiellement coûteux.
La connaissance des problèmes de service et des conditions d'utilisation des machines et appareils connectés permet également de prévoir l'offre et la demande au fil du temps, ce qui contribue à mieux comprendre les contraintes de la chaîne logistique en place.
Une économie circulaire au service de l'environnement
Il ne fait aucun doute que la fabrication et le remplacement continus de milliards de produits industriels et de grande consommation sont dévastateurs pour la planète. L'extraction des matières premières et l'énergie nécessaire à leur transformation épuisent les ressources naturelles et contribuent au réchauffement climatique mondial.
C'est pourquoi il est impératif que les produits et les composants soient élaborés pour durer plus longtemps et que, lorsqu'ils doivent être remplacés, les pièces et les matériaux qui les composent aient une seconde vie.
Le recyclage existe depuis de nombreuses années, mais il faut encore beaucoup de temps pour que les pièces mises au rebut soient classées, inspectées, adaptées et réinjectées dans la chaîne logistique. De nombreuses pièces et matériaux utilisables sont mis au rebut dans des décharges ou brûlés dans des centrales électriques.
Les informations collectées à partir des appareils connectés et une analytique avancée, comme nous l'avons vu plus haut, permettent de déterminer à quel moment un dispositif, un appareil ou toute autre machine connectée auraient besoin d'être partiellement ou entièrement remplacés.
De nombreuses pièces sont probablement en parfait état de fonctionnement quand un appareil ou un autre dispositif est remplacé. Elles pourraient servir de pièces de rechange pour d'autres appareils. En outre, lorsque ces pièces ne sont plus utilisables, leurs composants peuvent être démontés pour la fabrication d'autres produits.
Grâce aux données des appareils connectés et aux capacités de prévision du Machine Learning, les fabricants et les prestataires de services pourraient prévoir la disponibilité prochaine des pièces de rechange des unités remplacées et offrir à ces pièces une seconde vie, réduisant ainsi les déchets et les besoins en matières premières.
Vers une nouvelle chaîne logistique numérique
« En tirant parti de la technologie et de l'information, nous pouvons renforcer la résilience avec une charge financière bien moindre pour l'organisation et mettre en place une chaîne logistique d'avenir », déclare Jim Kilpatrick, responsable de la chaîne logistique mondiale et des opérations de réseau chez Deloitte.
La connectivité de milliards d'appareils grand public pourrait non seulement donner aux utilisateurs davantage de possibilités et de contrôle sur leurs appareils, mais aussi aider les fabricants et les prestataires de services à améliorer leur chaîne logistique, à fournir de meilleures prestations et, surtout, à fabriquer de meilleurs produits et à améliorer l'expérience client.