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.

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.*

The challenge: inconsistent output and invisible downtime

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

Turning production behaviour into data

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

To address this challenge, Rockfon turned to ACE Belgium. Building on a long‑standing collaboration, including earlier full automation projects for Rockfon’s packaging lines, ACE proposed a pragmatic, data‑driven approach focused on low‑threshold digitalisation.

Instead of introducing a complex MES solution or major mechanical changes, the goal was to first make the existing production behaviour measurable.

Together with Siemens, ACE designed a solution based on an Industrial Edge Controller. Even though the production line was relay‑controlled and did not originally include a PLC, objective data capture was still possible.

A PLC was added purely as a data collector. It gathered electrical signals from sensors on the machine and transmitted them to the Industrial Edge Controller, an industrial PC with its own operating system, capable of running Siemens and third‑party applications.

Using Siemens’ Industrial Edge platform, Rockfon was able to log and visualise objective production data in real time, creating immediate insight into machine behaviour and performance.

*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

Fast results through objective insight

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

Supporting operators, not monitoring them

Beyond performance improvements, the data‑driven approach also supported operators on the shop floor. With better visibility into what was happening on the line, operators were no longer constantly reacting to downtime.

Importantly, the system was not perceived as a monitoring tool, but as practical support, helping reduce frustration and enabling faster, more effective interventions when issues occurred.

By making production behaviour visible, Rockfon also took an important step towards preserving operational knowledge by translating years of experience into data that can be shared and reused.

A step towards the digital factory

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.

Engineering insight instead of assumptions

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.

We are happy to help!

Would you like to know how ACE can help you expand your production capacity in a future-proof way?

Get in touch with us and discover the possibilities.