Data‑gedreven productie‑optimalisatie bij Rockfon

Dans de nombreux environnements de production industrielle, les pertes de performance ne sont pas toujours visibles. Dans le domaine de l’automatisation industrielle, ces pertes restent souvent cachées lorsque les données de production sont incomplètes ou subjectives.

La production varie d’un poste à l’autre, des arrêts surviennent sans explication claire et les initiatives d’amélioration reposent fréquemment sur l’expérience, des hypothèses ou des enregistrements manuels plutôt que sur des données objectives.

Rockfon, filiale du groupe ROCKWOOL, a été confrontée à ce défi sur son site de production de Wijnegem. L’une de ses lignes de production présentait une production très irrégulière: certains postes se déroulaient sans difficulté, tandis que d’autres étaient affectés par des arrêts fréquents et apparemment inexpliqués. L’enregistrement manuel des temps d’arrêt ne fournissait que des informations partielles et subjectives, rendant difficile l’identification des causes réelles.

Pour passer des hypothèses aux faits, Rockfon avait besoin de données de production objectives et fiables.

NIVEAU DE DÉPART TYPIQUE DE L’OEE

Lorsque le comportement de production n’est pas mesuré de manière objective

POTENTIEL D’AMÉLIORATION DES PERFORMANCES

Grâce à des données de production objectives en temps réel

AMÉLIORATION DE L’OEE CHEZ ROCKFON

Atteinte en une journée – sans ajout de nouvelles machines

Dans les environnements industriels, les pertes de performance sont souvent sous‑estimées lorsque le comportement de production n’est pas mesuré de manière objective.

Une part importante des pertes d’efficacité est due à des arrêts courts, des variations de vitesse et des perturbations mineures qui restent invisibles dans les rapports manuels. En conséquence, les actions d’amélioration reposent souvent sur des hypothèses plutôt que sur des faits.

La mise en place d’un aperçu objectif et en temps réel de la production constitue donc une première étape essentielle pour stabiliser la production et permettre des améliorations durables des performances, comme l’illustre le cas de Rockfon.

*L’image ci‑dessus est représentative et présente un projet précédent de ligne de conditionnement automatisée développé par ACE Belgium pour Rockfon. L’optimisation de l’OEE décrite dans cet article a été mise en œuvre sur une autre ligne de production, pilotée par relais.*

Le défi: production irrégulière et arrêts invisibles

Rockfon fabrique des profils métalliques destinés aux systèmes de plafonds acoustiques à l’aide de la technologie de profilage par rouleaux. De grandes bobines de matériau en bande sont façonnées à travers des rouleaux de guidage, découpées à longueur, puis acheminées vers le processus de conditionnement.
Bien que la ligne soit mécaniquement capable d’assurer une production stable, ses performances variaient fortement d’un poste à l’autre. Les causes restaient longtemps indéterminées:

les événements de downtime étaient enregistrés de manière incohérente
les données étaient subjectives et incomplètes
certaines perturbations étaient trop brèves ou trop subtiles pour être détectées
les actions d’amélioration reposaient essentiellement sur l’expérience plutôt que sur des mesures

En outre, Rockfon faisait face à un risque bien connu dans l’industrie: la perte progressive des connaissances de production à mesure que des opérateurs expérimentés approchent de la retraite. Forts de plusieurs décennies d’expérience, ces opérateurs savaient intuitivement quand une lubrification était nécessaire ou lorsqu’un composant risquait de poser problème. Toutefois, ces connaissances étaient difficiles à documenter, à transférer et à exploiter de manière structurelle.

L’objectif de Rockfon était clair:

transformer l’intuition et l’expérience en un aperçu de production objectif et mesurable.

We desperately needed objective data to identify the cause of the outage

Niels Hermans

Process Engineer, Rockfon

Du comportement de production aux données

ACE project team at Rockfon, pictured in front of another production line for Rockfon.

Pour relever ce défi, Rockfon s’est tourné vers ACE Belgium. S’appuyant sur une collaboration de longue date, incluant des projets antérieurs d’automatisation complète de lignes de conditionnement pour Rockfon, ACE a proposé une approche pragmatique et axée sur les données, mettant l’accent sur une digitalisation à faible seuil d’entrée.

Plutôt que de mettre en place une solution MES complexe ou d’apporter des modifications mécaniques majeures, l’objectif initial était de rendre mesurable le comportement de production existant.

En collaboration avec Siemens, ACE a conçu une solution basée sur un Industrial Edge Controller. Bien que la ligne de production soit pilotée par relais et ne dispose pas initialement de PLC, la collecte de données objectives s’est révélée possible.

Un PLC a été ajouté uniquement comme collecteur de données. Il recueillait les signaux électriques provenant des capteurs de la machine et les transmettait à l’Industrial Edge Controller, un PC industriel doté de son propre système d’exploitation, capable d’exécuter des applications Siemens et tierces.

Grâce à la plateforme Siemens’ Industrial Edge platform, Rockfon a pu enregistrer et visualiser des données de production objectives en temps réel, offrant ainsi un aperçu immédiat du comportement et des performances des machines.

*L’image montre l’équipe projet d’ACE chez Rockfon, photographiée devant une autre ligne de production issue d’un projet antérieur d’automatisation du conditionnement.*

With the Industrial Edge Controller, we can capture data even on a production line without an existing PLC

Koen Aerts

Senior Project Leader, ACE Belgium

Des résultats rapides grâce à un aperçu objectif

L’impact de cette approche a été visible quasiment immédiatement.
En l’espace d’une seule journée:

l’Overall Equipment Effectiveness (OEE) est passée de 60% à 80%
une augmentation de la production de 33 % a été réalisée
les principales causes de downtime sont devenues transparentes et directement exploitables

L’un des premiers enseignements illustrait clairement la valeur des données. Lors de l’avance des outils de coupe, douze petits interrupteurs devaient être activés simultanément. Deux d’entre eux étaient mal alignés, provoquant des arrêts inutiles. Sans données objectives, il aurait été extrêmement difficile d’identifier cette cause.

Grâce aux données en temps réel, Rockfon a pu localiser rapidement le problème, éliminer les arrêts inutiles et stabiliser la production.

Cette application basée sur les données a également été sélectionnée dans le cadre du Siemens Best Application Contest 2025–2026, en tant qu’exemple concret de pertinence industrielle.

The line’s output has increased dramatically, and this is just the beginning

Bart Verlinden

Head of Engineering, Rockfon

Soutenir les opérateurs, pas les surveiller

Au‑delà des améliorations de performance, l’approche basée sur les données a également apporté un soutien concret aux opérateurs sur le terrain. Grâce à une meilleure visibilité du processus de production, ceux‑ci n’étaient plus contraints de réagir en permanence aux arrêts.

Le système n’a pas été perçu comme un outil de contrôle, mais comme un soutien pratique permettant de réduire la frustration et de faciliter des interventions plus rapides et plus efficaces.

En rendant le comportement de production visible, Rockfon a également franchi une étape importante dans la préservation des connaissances opérationnelles, en transformant des années d’expérience en données partageables et réutilisables.

Une étape vers l’usine digitale

Ce projet pilote s’inscrit dans la continuité du parcours d’automatisation plus large de Rockfon’s qui comprenait déjà l’automatisation complète de lignes de conditionnement développées et installées par ACE Belgium.

Désormais doté de données de production fiables, Rockfon pose les bases de futures améliorations:

maintenance prédictive grâce à des données capteurs supplémentaires
reporting standardisé et comparaison entre lignes de production
analyse des coûts et budgétisation plus précises
planification améliorée et utilisation plus efficace des ressources

Ce qui a débuté comme un projet pilote axé sur les données est devenu une étape clé vers un environnement de production pérenne et soutenu par le numérique.

L’ingénierie fondée sur les données plutôt que sur les hypothèses

Dans de nombreux environnements de production, les problèmes de performance sont traités sur la base d’hypothèses, d’expérience ou d’observations isolées. Cette approche limite souvent les améliorations aux symptômes plutôt qu’aux causes profondes.

Le cas de Rockfon démontre comment des données de production objectives peuvent modifier cette dynamique. En rendant le comportement de production mesurable, les industriels disposent d’une base structurée pour analyser les problèmes, stabiliser la production et améliorer l’efficacité, y compris sur des lignes de production existantes et traditionnelles dans le cadre de l’automatisation industrielle.

L’ingénierie fondée sur les données permet de meilleures décisions.

Une vision claire favorise une prise de décision réfléchie.

De meilleures décisions conduisent à des performances durables.

Nous sommes ravis de pouvoir vous aider!

Souhaitez‑vous découvrir comment ACE peut vous accompagner pour développer votre capacité de production de manière pérenne et tournée vers l’avenir ?

Contactez‑nous directement