Qu'est-ce que l'analyse industrielle ?

Les industriels, quels que soient leurs spécialités, producteurs d'aluminium et d'acier ou encore fabricants de composants électroniques, de moteurs d'avions et de produits chimiques, utilisent l'analyse de données pour améliorer le fonctionnement de leurs usines, suivre les performances de leurs fournisseurs, augmenter leur taux de commandes parfaites, identifier les goulets d'étranglement de leur supply chain, améliorer la productivité de leurs collaborateurs, diminuer les rappels de produits et, finalement, réduire leurs coûts et augmenter leurs profits.

Qu'est-ce que l'analyse industrielle ?

Les industriels utilisent l'analyse des données pour réduire les temps d'arrêt imprévus, suivre les indicateurs clés de performance et améliorer l'efficacité de leurs usines et la satisfaction client. La tendance plus large est appelée « Industrie 4.0 » ou « production intelligente ». Il s'agit d'agréger les données collectées à partir de systèmes informatiques classiques ainsi que d'équipements industriels et d'exécuter des applications d'analyse pour prendre des décisions plus éclairées. Les analyses aident également les industriels à identifier les véritables causes des erreurs de production et à prévoir les goulets d'étranglement dans les processus de fabrication et de supply chain qui pourraient perturber l'exécution des commandes.

Points clés à retenir

• Les industriels peuvent assurer plus facilement le fonctionnement de leur équipement pendant les cycles de production en analysant les données des capteurs pour reconnaître quand un tel équipement risque de tomber en panne.
• Les industriels qui envisagent une transition vers des modèles commerciaux plus orientés services peuvent utiliser les analyses pour identifier les flux de revenus que les inefficacités de production affectent directement.
• Les analyses aident les industriels à surveiller en permanence leurs supply chains, leur donnant une visibilité sur les mouvements de matières premières ou de pièces en transit à partir des fournisseurs ainsi que des matériaux dans les usines.
• Les industriels utilisent les analyses pour réduire le nombre de rappels de produits et leur ampleur en identifiant des machines ou des lignes de production spécifiques où des problèmes de qualité se sont produits. Cela permet aux industriels de rappeler uniquement des lots de produits précis.
• Les industriels utilisent les analyses pour suivre les indicateurs clés de performance cruciaux afin d'atteindre leurs objectifs de commande parfaite.

Ce qu'il faut savoir sur l'analyse industrielle

La plupart des industriels utilisent des capteurs pour collecter des données à partir de leur usine et de leur équipement, appelées données opérationnelles, et à partir des systèmes informatiques qui exécutent des applications pour gérer leurs processus de fabrication, de finance, de supply chain et de RH. L'analyse industrielle aide les dirigeants à prendre des décisions grâce à ces données fusionnées.

Par exemple, les systèmes d'analyse permettent aux dirigeants de suivre les indicateurs clés de performance (KPI) pour identifier les fournisseurs qui livrent systématiquement dans les délais, de détecter les goulets d'étranglement de la supply chain et de limiter l'ampleur des rappels de produits. Les systèmes d'analyse interprètent également les données d'inventaire et d'ordre de travail du système ERP et les données générées par les machines de l'usine, et alertent les responsables du risque de manquer une fenêtre de livraison clé en raison d'une production insuffisante ou d'un temps d'arrêt de la machine. Ce type d'analyse aide les industriels à améliorer leur taux de commande parfaite, un indicateur clé de performance qui reflète la capacité d'une entreprise à livrer le bon nombre de marchandises, sans perte ni dommage, dans l'emballage adapté et avec des factures qui reflètent avec précision les prix fixés et le nombre de marchandises livrées.

Comment fonctionne l'analyse industrielle ?

Pour la plupart des industriels, des capteurs connectés à des équipements clés leur envoient des flux de données constants, généralement stockés dans un entrepôt de données, concernant à peu près tous les types de paramètres imaginables, par exemple la température de fonctionnement du moteur et le niveau des vibrations émises par les roulements à billes — qui peuvent tous indiquer un problème potentiel devant être résolu avant que l'équipement ne tombe en panne et n'entraîne l'arrêt d'une chaîne de production.

Les usines plus sophistiquées combinent les données opérationnelles avec des services informatiques connexes pour alerter les unités de production d'une éventuelle perturbation et les responsables métier qu'un ordre de travail ou la production spécifique associée à cet équipement est menacé. Ce type d'analyse peut également s'appliquer au stock. Les managers utilisent des applications pour visualiser où trouver les stocks (dans différents entrepôts ou en transit chez un fournisseur) et appliquent des analyses pour prendre de meilleures décisions plus rapidement sur la gestion d'une éventuelle pénurie qui pourrait interrompre une production si elle n'est pas traitée dans les plus brefs délais.

Avantages de l'analyse industrielle

L'analyse industrielle offre des avantages substantiels, dont les plus importants sont présentés ci-dessous.

• Éviter les temps d'arrêt non programmés. Les industriels peuvent utiliser les analyses pour interpréter les données des capteurs qui peuvent indiquer qu'un équipement va probablement bientôt tomber en panne. Par exemple, les capteurs peuvent détecter que les roulements à billes d'un arbre de transmission vibrent à une fréquence inhabituelle, ce qui indique qu'ils vont bientôt se gripper. En utilisant ces données, les industriels peuvent effectuer une maintenance préventive pour que la machine et la ligne de production fonctionnent dans les délais prévus.
• Améliorer la productivité. Grâce aux analyses, les industriels peuvent augmenter la productivité de leurs équipements et de leurs collaborateurs tout en augmentant leurs marges bénéficiaires jusqu'à 10 %, selon McKinsey. Le cabinet de conseil a cité l'exemple d'un géant mondial de la chimie qui a réduit ses coûts de plusieurs millions d'euros par an, en partie en réduisant sa dépendance vis-à-vis de fournisseurs tiers pour certaines gammes de produits et en identifiant les possibilités d'élargir sa capacité en augmentant le débit de certains actifs de production stratégiques. L'entreprise a également augmenté ses ventes en renforçant sa capacité de production pour d'autres catégories de produits. Elle a utilisé un modèle d'analyse qui a traité plus de 500 variables, plus de 3 000 contraintes et des centaines d'étapes de production.
• Prendre en charge de nouveaux modèles économiques. De nombreux industriels expérimentent de nouveaux modèles commerciaux basés sur la fourniture de services et la vente simple de produits finis. Dans certains milieux, ce concept est appelé « produit en tant que service ». Par exemple, les fabricants de moteurs d'avion peuvent facturer des frais de compagnies aériennes en fonction du nombre d'heures de vol d'un moteur sans avoir besoin de réparations et les fabricants d'équipements médicaux peuvent facturer des hôpitaux sur la base de l'utilisation, garantissant un temps de disponibilité de l'équipement en échange de frais de service continus. L'analyse rend ces services possibles lorsque les industriels analysent les données collectées à partir de leurs systèmes pour déterminer quand une maintenance préventive est nécessaire. En plus de permettre aux industriels de créer un flux de revenus récurrents différencié, les données qu'ils collectent et analysent les aident à améliorer les produits futurs, et le modèle facilite l'établissement des relations client à long terme.
• Optimiser les coûts. Les industriels peuvent mieux comprendre leurs coûts globaux, y compris la main-d'œuvre, les matériaux, les frais généraux et les dépenses anormales, telles que la commande d'un stock de sécurité trop important pour une matière première qui entraîne des coûts de transport excessifs. Ce faisant, ils peuvent améliorer leurs marges.
• Surveiller les indicateurs clés de performance (KPI). Les dirigeants utilisent les analyses pour détecter plus facilement les problèmes potentiels qui pourraient affecter des aspects clés des activités, à la fois sur leurs sites de production et dans leurs supply chains. Un seul KPI ne permet pas de refléter fidèlement les performances d'une usine ou d'une entreprise. En outre, certains KPI, tels que la livraison dans les délais, reflètent non seulement les performances d'une usine, mais également de celles de l'ensemble de la supply chain. Les industriels à la pointe utilisent l'analyse pour aider leurs dirigeants à comprendre les problèmes sous-jacents à chacun de ces indicateurs clés de performance, ainsi que leurs relations.
  
  Les indicateurs clés de performance les plus courants sont les suivants :
  • Le taux de commande parfaite, qui, comme nous l'avons vu précédemment, agrège différents indicateurs clés de performance qui reflètent la façon dont un industriel livre des produits finis sans erreur, notamment en expédiant le bon nombre de marchandises, en les emballant correctement et en veillant à ce qu'elles soient accompagnées de documents correspondant à la quantité réelle expédiée et facturée selon le prix fixé.
  • Le rendement, qui mesure l'efficacité avec laquelle les marchandises sont produites, calcule le nombre d'unités produites conformément aux spécifications standard en pourcentage du nombre total d'unités produites.
  • L'efficacité globale de l'équipement, qui mesure le pourcentage de temps de production d'une usine, en tenant compte de la qualité des produits, de la disponibilité de l'équipement et des performances. Grâce à cet indicateur, les industriels peuvent prévoir les pannes potentielles des équipements et planifier la maintenance en conséquence.
  • La ponctualité des livraisons, qui mesure le pourcentage d'unités livrées dans un intervalle de temps déterminé, comme promis au client. Cette analyse permet de comprendre les retards potentiels dans l'exécution des commandes et de déterminer leur cause exacte, par exemple, s'ils sont liés à des problèmes de livraison des fournisseurs ou à des goulets d'étranglement dans la gestion des commandes.
  • Le débit, qui calcule l'efficacité d'une usine ou d'un industriel donné, en fonction du nombre total de marchandises produites sur une période donnée. Grâce à une surveillance continue de ce type de données, les industriels peuvent identifier les inefficacités potentielles des équipements, gérer les arriérés de ressources et ajuster les plans de production pour atteindre leurs objectifs.
  • La durée de cycle, qui est un moyen de calculer la capacité des installations d'un industriel à répondre à la demande, mesurée par la quantité de marchandises produites par une usine à partir du moment où un client passe une commande jusqu'au moment où il reçoit les marchandises.
  • Le volume de production, qui mesure le nombre total d'unités produites sur une période donnée.
  • L'utilisation de la capacité, qui mesure l'adéquation entre la capacité et la demande d'un industriel, calculée en divisant la capacité totale utilisée dans une période donnée par la capacité de production totale disponible, multipliée par 100 pour obtenir un pourcentage.
  • Le taux de rebut, qui mesure la quantité de matières qui doivent être mises au rebut après la fin d'une tâche. Plus ce taux est bas, mieux c'est.
• Suivre la performance des fournisseurs. Les industriels utilisent les analyses pour identifier les fournisseurs qui livrent régulièrement des pièces ou des matières premières dans les délais. Ils l'utilisent également pour surveiller la qualité des produits des fournisseurs, leurs prix par rapport à la concurrence et la mesure dans laquelle ils se conforment aux normes sociales et environnementales.
• Gagner en visibilité sur la supply chain. Les industriels utilisent les analyses pour produire des rapports sur leurs niveaux d'inventaire de matières premières ou de pièces. Ils peuvent visualiser les pièces en transit et leur localisation. Pour leurs différentes usines, ils ont un inventaire qui peut être déplacé pour combler un manque à gagner dans un autre endroit. C'est particulièrement important pour les grands industriels avec des milliers de fournisseurs réalisant des centaines de commandes à la fois.
• Prioriser les ordres de fabrication. Les analyses permettent aux équipes de fabrication de déterminer plus facilement les projets et les cycles de production à prioriser, en fonction de facteurs tels que le moment où un produit a été promis, les perturbations actuelles de la supply chain et la disponibilité des stocks spécifiques nécessaires pour chaque commande. Les analyses permettent aux superviseurs de comparer les ordres de fabrication, les commandes client et le stock disponible. Elles permettent aux chefs de production de voir comment les différentes exécutions de production s'intègrent dans un plan de fabrication global. Par exemple, un responsable d'usine peut décider d'exécuter un ordre de fabrication plus récent pour un client premium ou à volume élevé qui doit être rempli rapidement et de priver un client moins stable d'une commande antérieure qui ne prendra pas autant de temps à remplir.
• Améliorer la productivité des effectifs. Les analyses peuvent aider à réduire les temps d'arrêt non planifiés, comme expliqué précédemment, de sorte que les agents de production sont rarement inactifs. Toutefois, il peut également aider le personnel à planifier les activités de maintenance lorsque les équipements ne sont pas utilisés, ce qui peut être difficile à faire manuellement lorsque plusieurs bons de fabrication sont en cours dans plusieurs sites. Cette approche permet d'éviter que les équipes de maintenance n'aient à attendre avant de pouvoir travailler sur les machines, ce qui est bien trop fréquent. En effet, les collaborateurs de maintenance ne passent qu'environ un quart de leur temps à faire du travail productif, selon des estimations. Ces mêmes types d'analyse peuvent être utilisés pour ajuster d'autres processus, tels que les heures de début et de fin des pauses, afin de coïncider avec les fenêtres de livraison des matériaux ou d'autres facteurs externes.
• Limiter l'ampleur des rappels de produit. L'analyse utilise des rapports détaillés provenant de différents équipements, y compris des données de production en temps réel et des rapports de contrôle de la qualité, pour aider les industriels à identifier exactement quand un problème de qualité est survenu, sur quelle chaîne de production et sur quel équipement. Cela permet de limiter les rappels de produits, de réduire les coûts et d'augmenter la satisfaction des clients.
• Obtenir des données plus détaillées. Les industriels gèrent leurs opérations à l'aide d'indicateurs clés de performance avec des données généralement au niveau de l'usine. Ces données peuvent également être liées à des lignes de production individuelles et même à des machines, ce qui leur permet d'améliorer précisément le débit, les temps de cycle et d'autres KPI.
• Réduire l'attrition des collaborateurs. Les analyses peuvent aider les industriels à identifier et à atténuer les risques pour la sécurité, les conditions de travail difficiles, les périodes de travail trop longues et les collaborateurs sous-utilisés, contribuant ainsi à améliorer le moral, la sécurité et l'occupation. Les industriels utilisent également les analyses pour identifier les collaborateurs ayant des compétences autres que celles qu'ils utilisent pour un poste donné, ce qui leur permet de réaffecter les collaborateurs à différents domaines de l'entreprise et de faire progresser leur carrière.
• Produire des données financières cohérentes. Les entreprises qui utilisent encore des feuilles de calcul et d'autres moyens manuels et déconnectés pour gérer les données financières se retrouvent souvent avec des données incohérentes. Cela peut être le résultat d'erreurs de signalement ou le fait de managers qui essaient d'enjoliver une situation. Les analyses appliquées aux données extraites des applications financières et de l'équipement de l'usine peuvent produire des rapports automatisés et précis, exempts d'erreurs humaines ou de manipulations.

9 bonnes pratiques pour l'analyse industrielle

Les projets d'analyse réussis partagent plusieurs caractéristiques clés, décrites dans les bonnes pratiques ci-dessous.

Cas d'utilisation de l'analyse industrielle

Les industriels peuvent utiliser l'analyse des données pour améliorer l'efficacité globale des opérations de leurs lignes de production et de leurs supply chains et pour obtenir de meilleures informations sur les indicateurs clés de performance, tels que l'efficacité globale des équipements, le temps de disponibilité des équipements et le rendement. Voici quelques exemples.

• HarbisonWalker International. Les grands industriels multinationaux peuvent utiliser les analyses pour améliorer la précision de leurs prévisions et la ponctualité de leurs livraisons. Par exemple, HarbisonWalker International, un fabricant de produits réfractaires (produits pouvant résister à des degrés élevés de chaleur, de pression ou d'attaques chimiques) depuis plus de 150 ans, dispose de dizaines de sites réparties sur trois continents. Les acquisitions de ces 20 dernières années et la myriade de correctifs apportés aux applications ont rendu la collecte et l'analyse des données difficiles. En consolidant les données et les applications sur un système ERP cloud unique, HarbisonWalker peut désormais analyser toutes ses données de fabrication et financières pour améliorer la précision des prévisions, réduire les heures supplémentaires des collaborateurs, affiner les niveaux de stock et améliorer la livraison dans les temps à plus de 90 %.
• Western Digital. Les analyses aident les grandes entreprises à prendre plus rapidement des décisions objectivées par les données. Par exemple, les workflows de reporting des données de l'entreprise de stockage de données Western Digital ont été ralentis par plusieurs facteurs, notamment ses acquisitions de Hitachi Global Storage Technologies et de SanDisk, qui utilisaient chacune des plateformes de données et de workflow différentes. Les trois entreprises réunies disposaient de plus de 2 000 applications à gérer. Il fallait plus de huit heures au service informatique pour actualiser le data warehouse. À cause de cette configuration, les utilisateurs n'avaient pas accès à l'informatique décisionnelle et aux analyses pendant leurs heures de travail et, lorsque les rapports étaient enfin publiés, les données dataient de 24 à 48 heures. En standardisant les données et les flux de travail sur un nouveau système cloud avec un reporting préconfiguré, Western Digital a donné à ses responsables un accès aux données d'analyse en 20 minutes environ. En outre, la consolidation des données et des plateformes a permis à l'entreprise de rationaliser les workflows et de s'assurer que tous les responsables et cadres travaillent à partir des mêmes données et rapports.
• Bitron. Les industriels utilisent l'analyse pour réduire le temps passé par les cadres à rechercher des données, ce qui leur permet de prendre plus facilement des décisions empiriques plutôt qu'à l'instinct. Bitron, un fabricant italien de composants mécaniques et électroniques pour divers secteurs, notamment l'énergie, l'automobile et le CVC, exploite les technologies du cloud pour décloisonner ses données. Les outils d'analyse en libre accès permettent aux responsables de créer les rapports dont ils ont besoin. En règle générale, les utilisateurs doivent exporter des données à partir de différentes sources et exécuter les analyses séparément à l'aide d'outils d'analyse ponctuelle, ce qui peut générer des informations erronées. Cependant, à l'aide d'Oracle Analytics Cloud, qui inclut des fonctionnalités de préparation et d'enrichissement des données, les utilisateurs peuvent agréger les données et produire des KPI plus facilement pour gérer leurs processus de fabrication.
• Bonnell Aluminum. Les analyses donnent aux industriels plus de visibilité sur leurs supply chains et leurs opérations, ce qui leur permet de mieux répondre aux demandes des clients. Bonnell Aluminum, un fabricant d'extrusions d'aluminium usinées et finies sur mesure, a essayé d'utiliser les données de ses systèmes RH, financiers et d'exploitation des usines, y compris les données de cinq usines de fabrication situées dans des data warehouses non interopérables. Les responsables d'exploitation ont combiné les données on-premises des feuilles de calcul avec un système de reporting ERP interne, mais les données étaient incohérentes et des décisions étaient prises pour de mauvaises raisons. Le manque de données fiables a empêché d'identifier ou de corréler les pénuries de matériaux dans le monde entier, d'identifier les fournisseurs défaillants et de hiérarchiser les commandes des clients. Ce manque de clarté est devenu intenable puisque 80 % des activités de Bonnell sont de la fabrication sur mesure. L'entreprise doit donc livrer des marchandises fabriquées selon des spécifications données au moment souhaité. Grâce à une nouvelle plateforme d'ERP et d'analyse dans le cloud, elle a pris de meilleures décisions en matière d'achats et de stocks. En connectant les données de l'ensemble de l'entreprise, y compris les données des fournisseurs, Bonnell peut mieux comprendre quels produits sont les plus demandés, identifier les goulets d'étranglement des processus (tels que les retards des fournisseurs et les problèmes de stock associés) et apporter les modifications nécessaires (telles que la réaffectation de la main-d'œuvre et des dépenses) pour répondre à ces demandes personnalisées.

Comment mettre en œuvre l'analyse de données dans le secteur industriel ?

La plupart des entreprises industrielles utilisent l'analyse des données, mais dans de nombreux cas, elles n'ont pas encore implémenté de stratégie complète. Cela inclut l'agrégation et le nettoyage cohérents des données, l'exécution de requêtes d'analyse sur ces données et la systématisation des réponses aux alertes ou à d'autres informations mises en lumière par les données. Les industriels devraient examiner les 10 bonnes pratiques de mise en œuvre suivantes.

1. Créez un inventaire de l'état actuel de vos référentiels de données et déterminez l'état final recherché, avec les mesures que vous souhaitez voir produites (dans un souci de maintenance préventive, d'amélioration de la qualité, de sécurité des collaborateurs, etc.).
2. Stockez vos types de données. Cela inclut les données non structurées collectées à partir de machines, d'appareils, d'actifs en transit et d'autres sources, ainsi que de la fabrication, de la finance, de la supply chain, des ventes, du marketing, des RH et d'autres applications, ainsi que des données structurées organisées dans des data warehouses ou des data lakes.
3. Commencez un processus de migration des données, d'abord en consolidant les données dans un data warehouse unique ou un autre référentiel, sauvegardé pour assurer la continuité des activités. En plus d'être une première étape cruciale dans le processus d'analyse, la rationalisation des données de cette manière contribue également à réduire les coûts de stockage, ce qui est une bonne première victoire.
4. Créez des connecteurs ou des flux de données à partir de sources de données disparates dans le référentiel central.
5. Utilisez un logiciel de nettoyage des données pour supprimer les doublons, les données contradictoires et autres inexactitudes collectées à partir de différents systèmes, garantissant ainsi que les données centralisées sont propres et fiables.
6. Ne voyez pas trop grand, comme nous l'avons expliqué précédemment. Ciblez initialement un équipement de production qui constitue un goulet d'étranglement afin que les équipes puissent appliquer des analyses à des fins de maintenance préventive et de réduction des temps d'arrêt. Vous pouvez aussi identifier un ensemble d'indicateurs clés de performance (temps de cycle, débit, sécurité des collaborateurs, etc.) pour suivre et améliorer l'utilisation des analyses.
7. Déplacez les analyses vers des lignes de production plus cruciales ou des processus de supply chain.
8. Autorisez les utilisateurs à créer leurs propres rapports et tableaux de bord à l'intervalle de leur choix, afin de réduire leur dépendance vis-à-vis du service informatique.
9. Configurez les rapports de sorte qu'ils soient plus visuels (et non tabulaires), ce qui facilite la prise de décisions basées sur la détection des anomalies dans les données ou d'autres indicateurs.
10. Dans la mesure du possible, utilisez des rapports prédéfinis qui font partie du package logiciel d'analyse, ce qui vous permet d'obtenir des KPI standard qui vous aident à comparer vos opérations à celles de vos concurrents.

L'avenir de l'analyse industrielle

Alors que la plupart des industriels utilisent déjà les technologies de l'information et, dans une certaine mesure, la télématique ou d'autres instruments sur leurs équipements, leur utilisation des technologies de l'information et de l'analyse en particulier tend à être inégale. C'est parce que le cloisonnement des données en complique l'accès et l'analyse.

La normalisation sur des systèmes informatiques dans le cloud aidera les industriels à consolider toutes ces données, à la fois structurées et non structurées, leur permettant d'utiliser des analyses de manière concertée et cohérente pour obtenir des informations précises et fiables afin d'améliorer la prise de décision.

Enfin, l'introduction du machine learning low code et no code intégré à l'analyse permettra aux utilisateurs métier de créer des rapports par eux-mêmes, sans avoir à remplir un ticket ou à solliciter l'aide du service informatique. Cette technologie augmentera l'utilisation des données, avec tous les avantages qui en découlent.

Pérennisez vos processus industriels avec Oracle

Oracle Cloud Supply Chain & Manufacturing, qui fait partie d'Oracle Fusion Cloud ERP, aide les industriels à réagir rapidement à l'évolution de la demande et de l'offre ainsi qu'à la conjoncture. Les industriels qui utilisent cette suite d'applications peuvent surveiller en permanence leurs stocks afin d'atténuer les risques liés aux commandes à livrer, de déterminer si les performances des fournisseurs peuvent affecter les objectifs de production, etc.

Oracle Fusion Supply Chain & Manufacturing Analytics permet aux industriels d'augmenter leur productivité grâce à des analyses prédéfinies, d'améliorer l'efficacité de l'atelier en détectant rapidement les anomalies et d'optimiser les processus de la planification à la production grâce à une vue intégrée des données de la supply chain et de la fabrication.

FAQ sur l'analyse industrielle

En quoi l'analyse aide-t-elle les industriels ?
Les industriels utilisent l'analyse à diverses fins, notamment pour réduire les temps d'arrêt imprévus, suivre et améliorer la performance des fournisseurs, hiérarchiser les ordres de fabrication, augmenter la productivité des collaborateurs et réduire les défauts des produits.

Quels types d'événements physiques les capteurs peuvent-ils détecter ?
Les capteurs peuvent détecter la présence de flammes, de fuites de gaz et de niveaux d'huile, et ils peuvent détecter des propriétés physiques telles que la température, la pression et le rayonnement. Ils peuvent également détecter le mouvement et la proximité des objets entre eux.

Où les industriels obtiennent-ils les données à analyser ?
Les industriels mettent en corrélation des données provenant de diverses sources, notamment des machines d'usine, des applications informatiques de back-office, des distributeurs et des fournisseurs tiers de données axées sur les marchés, la démographie, la météo, les réglementations, les brevets, les pratiques environnementales, sociales et de gouvernance et d'autres catégories d'informations.