« La prochaine révolution dans le domaine du tri consistera à déterminer la quantité de données »

« Pendant des années, le secteur a investi des millions dans l'élimination des mauvais produits. Le prochain défi consiste à comprendre les bons », explique Rutger Keurhorst, directeur commercial d'Eqraft. Dans la tribune ci-dessous, il explique :

Au cours des dix dernières années, l'industrie de l'oignon et de la pomme de terre a fait d'énormes progrès en matière d'automatisation. Poussés par la hausse des coûts de main-d'œuvre, une pénurie structurelle de personnel et des exigences de qualité croissantes, les conditionneurs du monde entier ont investi dans les technologies de tri optique. C'est surtout l'émergence de systèmes de pré-tri relativement simples à mettre en œuvre qui a permis, sur de nombreux sites, de remplacer en grande partie le contrôle qualité manuel par des caméras et des logiciels. Pour de nombreuses entreprises, cela a représenté un progrès majeur : une qualité de produit plus constante, des coûts de main-d'œuvre réduits et une capacité de traitement accrue.

À mesure que cette première vague d'automatisation arrive à maturité, une nouvelle tendance se dessine au sein du secteur. La question n'est plus tant de savoir dans quelle mesure une machine est capable de rejeter des produits, mais plutôt de déterminer la quantité de données et donc de connaissances qu'une installation de tri génère réellement. Car bien que les systèmes modernes soient de plus en plus performants dans la détection des anomalies, il s'avère que de nombreux transformateurs n'ont finalement qu'une vision limitée de la qualité des millions d'oignons et de pommes de terre qui transitent chaque année par leurs installations. On sait combien de produits sont rejetés, mais souvent pas exactement pourquoi. On connaît le résultat final, mais pas toujours les causes sous-jacentes.

C'est surprenant, car chaque oignon ou pomme de terre rejeté représente en fait un point de données. Derrière chaque anomalie se cache une information sur les conditions de culture, la qualité de conservation, la logistique, les performances des fournisseurs ou les influences saisonnières. Si ces informations ne sont pas enregistrées, une part importante de la valeur potentielle de l'automatisation est perdue. L'installation trie certes le produit, mais ne recueille pas les connaissances. C'est précisément là qu'un changement majeur semble se dessiner actuellement. De plus en plus d'entreprises prennent conscience que la valeur économique d'une ligne de tri n'est pas seulement déterminée par la main-d'œuvre qu'elle permet d'économiser, mais aussi par les informations qu'elle fournit. En d'autres termes, jusqu'à présent, de nombreuses entreprises ont sous-estimé le potentiel d'une utilisation intelligente des données issues de leur processus de tri.

Mesurer l'amélioration de la qualité
Cette évolution est renforcée par l'émergence de technologies capables d'analyser entièrement chaque produit individuellement. Lorsque chaque oignon ou chaque pomme de terre est évalué séparément en fonction de son poids, de ses dimensions, de sa forme, de sa qualité externe et lorsque cela est possible de sa qualité interne, cela donne une image fondamentalement différente du flux de produits. La ligne de tri passe ainsi d'une machine qui sépare les produits à un système qui mesure la qualité. Il s'agit donc d'un nouveau système de qualité, qui inspecte de manière non destructive 100 % des oignons et des pommes de terre avec un haut degré de fiabilité, au lieu d'un système de qualité basé sur des échantillonnages. Cela permet de garantir la qualité de l'ensemble de la récolte et d'éviter ou de réduire au minimum le gaspillage, et offre de nouvelles possibilités pour mettre en évidence les différences entre les producteurs, les parcelles, les entrepôts de stockage et les marchés de vente. De plus, cela rend possible de mesurer l'évolution de la qualité au cours de la saison, plutôt que de se contenter d'une estimation.

C'est notamment dans le domaine des mesures internes de qualité que de nombreux experts s'attendent à une avancée majeure dans les années à venir. Historiquement, l'intérieur d'un oignon ou d'une pomme de terre restait en grande partie caché jusqu'à ce que le produit soit ouvert ou consommé. De ce fait, les problèmes de qualité n'apparaissaient souvent qu'après que des pertes économiques se soient déjà produites. Les technologies permettant de détecter plus tôt les anomalies internes permettent de faire évoluer la gestion de la qualité d'une approche réactive vers une approche prédictive. Cela permet non seulement d'exercer un meilleur contrôle sur la qualité des produits, mais aussi sur le rendement, la satisfaction client et la gestion des risques.

La question qui se pose de plus en plus souvent dans les salles de direction change donc peu à peu de nature. Alors que les décisions d'investissement étaient traditionnellement évaluées en fonction des économies de main-d'œuvre, l'attention se porte désormais sur un autre indicateur clé de performance : dans quelle mesure comprenons-nous mieux notre produit après cet investissement ? La différence peut sembler subtile, mais son impact est considérable. Les économies de main-d'œuvre ont en effet une limite naturelle. La compréhension, elle, ne connaît pas cette limite. Les entreprises qui comprennent mieux leurs flux de produits peuvent orienter plus précisément leurs efforts en matière de qualité, de conservation, de logistique, de segmentation du marché et de rendement.

Point de bascule
L'agro-industrie se trouve ainsi à un point de basculement intéressant. Ces dernières années ont été placées sous le signe de l'automatisation. Les années à venir semblent surtout porter sur l'utilisation intelligente des données issues du processus de tri et, par là même, sur l'acquisition de connaissances fondamentales. Il ne s'agit pas de trier plus vite, mais de piloter plus intelligemment. Il ne s'agit plus de rejeter, mais de mieux comprendre.

Peut-être que la question la plus importante pour les années à venir n'est donc pas de savoir combien de tonnes de produit une ligne de tri peut traiter, mais plutôt quelles connaissances elle a accumulées après le traitement de ces tonnes. Les gagnants de demain ne seront pas les organisations qui traitent le plus de produits, mais les entreprises qui tirent le plus d'enseignements de chaque produit qu'elles traitent.