Faites travailler vos données, et non l'inverse !

Transformation numérique. Fabrication intelligente. Internet industriel des objets (IIoT). Entreprise connectée. Industrie 4.0.

Quel que soit le nom que vous lui donnez, ce nouvel ordre industriel repose sur les données. La digitalisation est un facteur de réussite fondamental pour les producteurs agroalimentaires. Adopter d’emblée une approche efficace peut faire la différence entre réaliser des millions en économies d’exploitation ou en perdre autant en inefficacité et en temps.

Ne tombez pas dans le piège du Big Data

Le concept de « Big Data » a fait son apparition à la fin des années 1990. Depuis, nous n’avons cessé d’engranger des données toujours plus nombreuses, de former des scientifiques afin de les décortiquer et de leur donner du sens, et de tenter d’automatiser la difficile tâche d’en extraire une valeur ajoutée commerciale.

Alors que le Big Data représente une possibilité intéressante dans certaines applications d’analyse et grand public, il ne convient pas aux applications industrielles en atelier de production. Les producteurs ont, au contraire, besoin de données structurées et contextualisées pour obtenir des informations pertinentes sur leurs indicateurs de performance clés, tels que la consommation d’énergie, le taux de rendement synthétique, ainsi que la qualité et le rendement des lots.

Alors comment faire pour transformer et exploiter les données issues de l’atelier de production, si essentielles pour garantir valeur ajoutée et productivité ? Il faut utiliser des outils qui appliquent d’emblée une approche intelligente en matière de données, organisée et contextualisée, pour un flux de données simplifié générant plus rapidement des informations pertinentes.

Un système d’automatisation conçu autour des données

Les objets intelligents constituent aujourd’hui une approche nouvelle et simplifiée permettant d’organiser les données de façon à pouvoir les collecter facilement au niveau des automates, puis de les déplacer vers les systèmes IoT pour y être traitées. Ce cadre standardisé expose les données à un contexte préconfiguré, permettant au développeur de réduire considérablement le temps de programmation.

En d’autres termes, les objets intelligents établissent un langage commun qui permet aux systèmes IoT et d’automatisation, qui sont basés sur des règles différentes, de pouvoir communiquer entre eux. Ils offrent ainsi nativement des fonctions de découverte automatique, de standardisation, de synchronisation et d’intégrité des données.

Dans une configuration conventionnelle, le système d’automatisation est en interface avec la plate-forme IoT par l’intermédiaire d’une passerelle. Cette passerelle exige généralement un travail de configuration et de préparation des données. C’est là que la contextualisation devient critique, notamment en présence de systèmes très hétérogènes. Du fait que le système IoT ne « connaît » pas les structures d’automatisation, il est parfois nécessaire de créer un modèle pour chaque application, ce qui entraîne une perte d’efficacité car le système IoT bombarde les automates de requêtes de données. Par exemple, un système IoT peut obtenir les informations par bribes : l’action X est sur le point de se produire, l’action X se produit, l’action X est terminée. Ces trois points de données doivent ensuite être traités pour être regroupés en une action unique, continue et cohérente.

Dans un système conçu avec des objets intelligents, les données peuvent être organisées, modélisées et « consommées » automatiquement par les applications et les systèmes IoT, avec un minimum de travail de la part du programmeur. Les points API peuvent ainsi disposer de définitions cohérentes en termes de débit, de statut, d’état, etc. et être intégrés à des bases de données d’informations avec un contexte, par exemple un numéro de ligne, un nom de machine et un emplacement. Ces éléments sont tous essentiels pour que les solutions IoT fournissent des informations pertinentes et exploitables, des analyses plus approfondies et une meilleure compréhension de vos processus et des risques potentiels. Dans l’exemple ci-dessus, les trois points de données pour l’action X sont automatiquement reconnus en tant qu’action unique et continue, pour un contexte optimal.

Un processus de développement plus intelligent

Mais en quoi tout cela est-il pertinent ? Demandez à n’importe quel développeur IoT ce qu’il en pense pour connaître la réponse. Les données nuancées et incohérentes constituent un véritable piège qui engendre frustration, pannes et perte de productivité. Selon Forbes.com, les scientifiques des données affirment consacrer 80 % de leur temps à préparer les données plutôt qu’à en extraire des informations exploitables.

Prenons par exemple une ligne de production de boissons simple composée de cinq machines (cf. animation « Usine de production de boissons »). Plus d’un million de valeurs de données peut être associé à cette ligne. La majorité des entreprises ne disposent pas des ressources nécessaires pour gérer un tel volume d’informations, et ce ne devrait d’ailleurs pas être une tâche à laquelle consacrer leur temps. Les objets intelligents rationalisent la préparation des données, en utilisant un modèle adapté à de nombreuses applications. L’un de nos clients estimait qu’il faudrait à un développeur un mois pour réaliser ce qu’une approche par objets intelligents met seulement 6 heures à effectuer, soit une amélioration de 96 %.

Par ailleurs cette méthode plus directe améliore l’intégrité et le déterminisme des données. Elle permet de comparer avec une précision et une intégrité inédites la progression d’un même produit à différentes étapes du processus. De plus, en permettant d’affecter des attributs aux données, tels que le taux de rendement synthétique, la consommation d’énergie ou le débit massique, cette approche permet d’obtenir des informations qui sont automatiquement agrégées et catégorisées. Des rapports pertinents sont ensuite générés dans un format exploitable aussi bien par la machine que par l’homme dans le processus décisionnel et d’optimisation.

Au final, ces objets intelligents ne modifient en rien les données. Ils simplifient toutefois grandement la façon dont vous capturez, visualisez et présentez ces données et, à long terme, optimisent vos processus opérationnels. Alors n’hésitez pas à nous faire part de la façon dont ces objets intelligents s’intègrent à votre stratégie d’information.