Communication Informatique-Industrielle

Cinq cas d’usage dans l’industrie manufacturière

L’industrie est un secteur de prédilection pour le déploiement de solutions des technologies d’Edge Computing. Une large variété d’applications peuvent en tirer parti. Dalia Adib, spécialiste de l’Edge Computing à la société de conseil londonienne STL Partners, a identifié cinq applications typiques qui stimuleront le déploiement de solution d’Edge Computing dans l’industrie manufacturière.

L’Edge Computing n’est pas tout à fait une nouveauté dans l’industrie. Elle y est déjà depuis longtemps exploitée puisque les sites de production disposent d’importantes capacités de traitement au travers des automates qui pilotent leurs processus, des contrôleurs numériques qui commandent leurs machines ainsi que tous les autres systèmes de traitement déployés dans les ateliers. Pour faire face à la pression croissante de la concurrence mondiale, les entreprises manufacturières doivent toutefois redoubler d’efforts pour optimiser la gestion de leurs processus de fabrication afin de gagner en rentabilité et flexibilité. Elles accélèrent donc leur stratégie de transformation numérique et d’adoption de technologies répondant aux exigences de l’industrie 4.0. L’Edge Computing s’inscrit donc dans ce contexte. Elle doit permettre aux fabricants de mettre en œuvre des solutions matérielles et logicielles standards offrant davantage de souplesse afin de pouvoir accéder aux données pertinentes issues de leurs processus de fabrication. Le traitement et l’analyse de ces données permettra de mettre à disposition des industriels des tableaux de bords présentant des indicateurs indispensables à l’optimisation et l’amélioration de leurs process. Cinq cas d’usage industriel peuvent tirer parti des atouts de l’Edge Computing.

Surveillance conditionnelle

L’accès aux données des machines, des équipements de process et des systèmes industriels n’est pas si simple qu’il n’y paraît. Historiquement, les usines exploitent de nombreuses technologies propriétaires ne communiquant pas forcément entre elles alors que certaines technologies opérationnelles traditionnelles n’utilisent pas encore les mêmes standards couramment employés par les systèmes informatiques modernes. La convergence des technologies informatiques (IT) et des technologies opérationnelles (OT) devient donc une nécessité. Mais quant bien même la capture des données de l’ensemble des machines d’une usine deviendrait possible, elle conduirait à la génération d’un formidable volume de données brutes qui surchargeraient les systèmes informatiques centralisés dédiés à leur traitement. L’Edge Computing offre justement la possibilité aux fabricants de filtrer et trier les données afin de réduire la quantité transmise au serveur central qui peut être situé sur le site industriel ou sur une plate-forme Cloud.
La possibilité de surveiller l’état de leurs équipements à distance va alors offrir aux fabricants de nouvelles opportunités. Plutôt que de se contenter de vendre des machines à leurs clients finaux, ils peuvent y associer des services spécifiques à haute valeur ajoutée. Ils pourront par exemple proposer des services de maintenance reposant sur la surveillance de l’état réel d’un équipement. Ils pourront même radicalement changer leurs modèles commerciaux. Le client industriel n’achèterait plus une machine mais son usage. Ce qui nécessite la conception d’une machine robuste et performante offrant une disponibilité maximale tout en étant économe en énergie et en consommables. La transmission de données de fonctionnement est également indispensable pour la mesure de son taux d’utilisation ainsi que la surveillance de son état de fonctionnement afin d’intervenir au plus vite en cas de dysfonctionnement ou de dérive.

Dalia Adib est responsable de la mise en pratique de l’Edge Computing chez STL Partners
Dalia Adib est responsable de la mise en pratique de l’Edge Computing chez STL Partners, société britannique de conseil dans le domaine des télécommunications et des technologies. Elle a dirigé d’importants projets de conseil avec des opérateurs en Europe et en Asie-Pacifique sur les stratégies d’Edge Computing, les cas d’utilisation et les modèles commerciaux. Elle a notamment co-rédigé le rapport de recherche intitulé ‘’Edge Computing : Five Viable Business Models”. En dehors de L’Edge Computing, elle accompagne les entreprises dans les domaines tels que la 5G, la blockchain, la transformation numérique et l’IoT.

Maintenance prédictive

La mise en place de campagnes de maintenance prédictive en remplacement des opérations de maintenance curative et préventive promet la réalisation de significatives économies. Les solutions de maintenance prédictive ne s’appuient pas sur des statistiques de fonctionnement, mais sur des données issues du terrain fournissant une image réelle de l’état d’un équipement, d’une machine ou d’une infrastructure. L’analyse de ces informations issues de mesures embarquées sur des machines permet de déterminer précisément quand certaines caractéristiques des équipements ne répondent plus aux exigences d’exploitation, et donc, à quel moment il est propice de les remplacer ou de les réparer. Les opérations de maintenance sont alors réalisées lorsqu’elles s’avèrent strictement nécessaires. Du coup, la durée de vie des pièces d’usure est ainsi prolongée. Ce qui conduit à de substantielles économies. La maintenance prédictive vise à intervenir avant l’apparition d’un dysfonctionnement et à éviter le remplacement de pièces par précaution. Résultat : les arrêts de production intempestifs sont supprimés ainsi que ceux liés à des arrêts périodiques de production pour une campagne de maintenance préventive. La disponibilité de l’outil de production s’en trouve ainsi sensiblement améliorée et les surcoûts dus au remplacement par précaution de pièces encore en état de fonctionner sont éliminés.
La maintenance prédictive présente bien des atouts et est déjà mis en œuvre pour certains équipements. Cependant, certains fabricants rencontrent quelques difficultés dans sa mise en place. Cela s’explique en partie par les difficultés d’intégration des informations issues des technologie opérationnelles dans les systèmes informatiques (par exemple, les systèmes ERP). D’autres problèmes découlent de l’incapacité à prédire efficacement les résultats du fait de l’insuffisance des variables mesurées et que les plateformes logicielles d’apprentissage automatique ne sont pas assez matures pour fournir des informations pertinentes. La maintenance prédictive nécessite de disposer d’un historique de données représentatif du cycle de fonctionnement d’un équipement afin de pouvoir être mis en œuvre et prédire un problème avec fiabilité.
À l’instar de la surveillance conditionnelle, l’Edge Computing assure le traitement des données au plus près de l’équipement industriel, ce qui évite le coût du transport des données vers une plateforme Cloud distante, de gagner en latence et de garantir la protection des informations sensibles.

Ligne de fabrication flexible

L’un des défis du secteur manufacturier est de réaliser des économies d’échelle en maximisant la standardisation et l’automatisation des processus de contrôle, d’exploitation, de production et de maintenance. Pour ce faire, il faut mettre en place une organisation suffisamment souple pour s’adapter rapidement aux exigences changeantes du marché et des clients.
La réduction des temps de reconfiguration des machines et d’installation des lignes de fabrication permet d’être plus réactif aux nouvelles demandes. Il est également possible de s’appuyer sur des unités de production flexibles capables de prendre en charge la fabrication de différentes gammes de produits. La combinaison des technologies d’Edge et de Cloud Computing facilite la mise en place de telles architectures de production. Tout d’abord, les systèmes peuvent partager des données disponibles sur les plate-formes Cloud, quel que soit l’endroit où ils se trouvent. D’autre part, le traitement localement d’une partie des données par les solutions d’Edge Computing permet de répondre aux exigences en matière de latence concernant l’exécution de certains processus de fabrication. Le traitement des données à la périphérie du réseau, sur le site industriel au pied des machines, permet par ailleurs de surmonter les préoccupations des fabricants en matière de sécurité des données.

Réalité augmentée et virtuelle

Les industriels peuvent utiliser la réalité augmentée, mixte ou virtuelle dans leur usine dans le cadre de nombreuses applications, que ce soit pour former les employés à l’utilisation des équipements ou des nouveaux processus, pour préserver leur santé et garantir leur sécurité (en guidant par exemple un opérateur dans un environnement dangereux), pour aider un intervenant de maintenance et de réparation qui sera guidé dans ses actions par un expert situé à distance, ou pour détecter les défauts lors des inspections de qualité des produits .
Les casques de réalité virtuelle ne sont pas capables de traiter des quantités importantes de données, ce qui les rend peu propices à de telles applications. La prise en charge du traitement des données par une plateforme Cloud entraîne une latence trop importante qui sera inappropriée à certaines situations. Le traitement des données en périphérie du réseau (Edge Computing) élimine ce problème. Embarquant moins de capacités de traitement, les casques gagnent ainsi en légèreté et en confort.

Surveillance et contrôle précis

L’un des principaux objectifs de l’industrie 4.0 est de pouvoir utiliser les données provenant de plusieurs machines, processus et systèmes pour adapter le processus de fabrication en temps réel. Cette surveillance et ce contrôle précis des actifs et des processus de production, mettent en œuvre d’énormes quantités de données dont les outils d’apprentissage automatique (Machine Learning), ont besoin afin de prendre les meilleures décisions et déterminer les actions appropriées à enclencher en s’appuyant sur le résultat de l’analyse de ces données.
L’Edge Computing n’est pas seulement une solution pertinente pour la collecte, l’agrégation et le filtrage des données avant l’envoi des résultats à un serveur central. Elle se révèle également essentielle pour les outils exploitant des techniques de traitement à base d’intelligence artificielle et de machine learning. Dans certains cas, l’Edge Computing sera utilisée pour renforcer les performances d’un algorithme de machine learning, ainsi que pour l’exécuter. Compte tenu des importantes capacités de calcul nécessaires à l’exploitation d’outils reposant sur des techniques à base d’intelligence artificielle et de machine learning, un industriel peut choisir de répartir le traitement des données sur plusieurs processeurs, c’est-à-dire sur des matériels situés en périphérie du réseau (Edge Computing), plutôt que sur des plateformes Cloud.

Ces articles peuvent vous intéresser :