Solutions Digitales pour
Industrie & Manufacturing

TangerParts, fabricant de pièces automobiles de précision basé dans la zone franche de Tanger, fournissait des composants critiques à plusieurs constructeurs européens dont Renault et PSA. L'usine faisait face à des arrêts de production imprévus coûtant en moyenne 180 000 dirhams par incident, avec une fréquence de 3 à 4 incidents majeurs par mois. La maintenance était uniquement corrective : les techniciens intervenaient après la panne, entraînant des temps d'arrêt prolongés et des pertes de production considérables. La gestion de la production reposait sur des fichiers Excel éparpillés entre les différents services, rendant impossible toute optimisation basée sur les données et provoquant des erreurs de coordination entre les lignes de production. Les clients constructeurs automobiles exigeaient une traçabilité complète conforme à la norme IATF 16949 que l'usine ne pouvait pas fournir avec ses outils manuels. La consommation énergétique n'était ni mesurée ni optimisée, représentant une charge financière importante et un manquement aux engagements environnementaux de l'entreprise. Enfin, l'absence de visibilité en temps réel sur les stocks de matières premières provoquait régulièrement des ruptures impactant les délais de livraison.

Nous avons déployé un réseau de plus de 200 capteurs IoT industriels connectés via le protocole MQTT sur l'ensemble des 6 lignes de production, couvrant la température, les vibrations, la pression hydraulique, la consommation énergétique et l'usure des outils de coupe. Ces données alimentent un dashboard React en temps réel avec des visualisations interactives construites avec D3.js, offrant une vue d'ensemble instantanée de l'état de l'usine. Les données sont stockées dans InfluxDB, une base de données time-series optimisée pour les métriques industrielles, avec un historique de 24 mois pour l'analyse de tendances. Des algorithmes de maintenance prédictive développés avec scikit-learn analysent les patterns de dégradation des équipements et alertent les équipes de maintenance entre 48 et 72 heures avant toute défaillance probable, permettant de planifier les interventions pendant les arrêts programmés. L'ERP sur mesure développé en Node.js avec une API GraphQL centralise la gestion des commandes clients, des stocks de matières premières avec seuils d'alerte automatiques, de la planification de production et du contrôle qualité avec traçabilité lot par lot. Un module de reporting automatisé génère les documents de conformité IATF 16949 exigés par les constructeurs. L'ensemble du système est containerisé avec Docker et orchestré par Kubernetes pour garantir une haute disponibilité, avec un pipeline CI/CD assurant des déploiements sans interruption de production.