Construire du Big Data à partir de Little Data

Les installations de fabrication génèrent d'énormes quantités de données opérationnelles à partir de leurs équipements de production automatisés, de leurs dispositifs de surveillance de l'état et d'autres capteurs et systèmes. Alors que les entreprises sont de plus en plus conscientes du potentiel abandonné de ces actifs, elles se demandent comment les initiatives de l'Internet industriel des objets (IIoT) peuvent aider à exploiter ces informations et à créer des informations utiles. Mais de nombreuses tentatives pour résoudre ce problème via des mégaprojets à l'échelle de l'entreprise échouent à répondre aux attentes en raison de leur taille et de leur complexité. Une meilleure approche consiste peut-être à commencer avec de "petites" données à la source pour développer des mégadonnées en utilisant l'informatique de pointe, des applications ciblées et une connectivité ouverte.

La transformation numérique n'est jamais une tâche unique. Mais entreprendre un projet trop gros peut rapidement faire dérailler les efforts. Le simple fait de connecter les nombreux producteurs de données différents peut être difficile, mais transmettre, traiter et stocker efficacement ces données - sur site ou dans le cloud - est une entreprise tout aussi colossale. Par conséquent, les projets les plus réussis commencent de bas en haut en utilisant des données au niveau de la machine plutôt que de haut en bas au niveau de l'entreprise (Figure 1).

Concentrer le champ de vision sur des défis et des atouts spécifiques peut offrir des rendements immédiats par rapport à la collecte de toutes les données possibles et à la découverte de possibilités sans énoncé clair du problème. Le personnel de l'usine peut hiérarchiser les informations qui traitent des problèmes opérationnels quotidiens et sélectionner les données les plus pertinentes à partir de points de détection existants ou même nouveaux. Mais cela révèle un nouveau défi :les données d'intérêt ne sont généralement pas activement stockées dans le système de contrôle.

Par exemple, lorsqu'il subit des temps d'arrêt excessifs avec une nouvelle machine, ne pas collecter de données signifie que l'opérateur ne peut pas trouver la cause première. Chaque action entreprise est réactive aux observations après que la panne se soit produite. En appliquant un petit projet de données, l'utilisateur peut recueillir des données du système de contrôle ainsi que de nouveaux capteurs de pression d'air et de vibration. En collectant et en analysant les données en temps réel dans le contexte de la machine, les opérateurs peuvent rapidement trouver la cause première et résoudre les problèmes, ce qui améliore la disponibilité.

Les sources de données de production font généralement partie du domaine de la technologie opérationnelle (OT), qui comprend les contrôleurs logiques programmables (PLC), les dispositifs de mouvement et de nombreux types de capteurs et d'instruments. Mais la communication, le stockage et le traitement de quantités massives de données nécessitent des capacités de technologie de l'information (IT).

La clé pour faire le pont entre l'OT et l'IT, et permettre au personnel auparavant des deux côtés de cette fracture de travailler en collaboration, se trouve dans une nouvelle génération de contrôleurs de périphérie (Figure 2). Les contrôleurs Edge combinent un contrôle déterministe en temps réel utilisant les langages CEI 61131-3 avec une informatique à usage général basée sur Linux pour créer une plate-forme IIoT puissante qui peut être intégrée dans de nouvelles conceptions ou intégrée dans des systèmes existants.

Cette nouvelle génération de contrôleurs associe également des protocoles OT traditionnels tels que PROFINET et Modbus TCP à des protocoles informatiques modernes tels que OPC UA et MQTT, permettant ainsi une connectivité transparente entre les sources de données périphériques et les plates-formes d'entreprise de niveau supérieur telles que MES, ERP, la gestion de la maintenance et autres systèmes d'analyse.

De nombreux utilisateurs finaux reconnaissent qu'ils peuvent bénéficier de l'IIoT, mais peuvent à juste titre craindre qu'une attaque à grande échelle contre le Big Data ne réussisse. Au lieu de cela, en abordant l'IIoT avec peu de données, des contrôleurs de périphérie et des analyses ciblées, ces utilisateurs obtiendront des retours rapides, ce qui les aidera à se propulser plus rapidement dans leur parcours de transformation numérique.

Cet article a été écrit par Derek Thomas, vice-président du marketing et de la stratégie pour l'activité Machine Automation Solutions d'Emerson, St. Louis, MO. Pour plus d'informations, rendez-vous ici .