Transformer les petites données en insights Big Data pour la fabrication

Les installations de fabrication génèrent d'énormes quantités de données opérationnelles depuis leurs équipements de production automatisés, dispositifs de surveillance d'état, et autres capteurs et systèmes. Alors que les entreprises prennent conscience du potentiel marronné dans ces actifs, elles se demandent comment les initiatives de l'Industrial Internet of Things (IIoT) peuvent aider à exploiter cette information et créer des insights utiles. Mais de nombreuses tentatives pour s'y attaquer via des méga-projets d'entreprise échouent à rencontrer les attentes à cause de la taille et complexité. Peut-être une meilleure approche est de commencer avec des « petites » données à la source pour construire vers le Big Data en utilisant l'informatique de périphérie (edge computing), applications ciblées, et connectivité ouverte.

Approche bottom-up vs top-down

La transformation numérique n'est jamais une tâche unique. Mais prendre un projet trop grand peut rapidement faire dérailler les efforts. Juste connecter les nombreux producteurs de données différents peut être difficile, pourtant transmettre, traiter et stocker efficacement ces données — sur site ou dans le cloud — est une entreprise tout aussi massive. Par conséquent, les projets les plus réussis commencent par le bas en employant des données au niveau machine au lieu du haut au niveau entreprise (Figure 1).

Focaliser le champ de vision sur des défis et actifs spécifiques peut livrer des retours immédiats comparé à rassembler toutes les données possibles et essayer de découvrir des possibilités sans énoncé de problème clair. Le personnel d'usine peut prioriser les insights qui adressent les problèmes opérationnels quotidiens et sélectionner les données les plus pertinentes depuis des 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.

Exemple : temps d'arrêt excessif machine neuve

Par exemple, quand on subit un temps d'arrêt excessif avec une nouvelle machine, ne pas collecter de données signifie que l'opérateur ne peut pas trouver la cause racine. Chaque action prise est réactive aux observations après la survenue de la panne. En appliquant un projet petite-donnée, l'utilisateur peut rassembler des données du système de contrôle avec de nouveaux capteurs de pression d'air et vibration. En collectant et analysant les données en temps réel dans le contexte de la machine, les opérateurs peuvent rapidement trouver la cause racine et adresser les problèmes, menant à un temps de fonctionnement amélioré.

Pont entre OT et IT : contrôleurs de périphérie

Les sources de données de production font généralement partie du domaine technologie opérationnelle (OT), qui inclut contrôleurs logiques programmables (PLC), dispositifs de mouvement, et nombreux types de capteurs et instruments. Mais communiquer, stocker et traiter d'énormes quantités de données nécessite des capacités technologie de l'information (IT).

La clé pour combler OT et IT — et permettre au personnel anciennement des deux côtés de cette division de travailler collaborativement — se trouve dans une nouvelle génération de contrôleurs de périphérie (Figure 2). Les contrôleurs de périphérie combinent contrôle déterministe temps réel utilisant langages IEC 61131-3 avec calcul Linux à usage général pour créer une plateforme IIoT puissante qui peut être intégrée dans de nouveaux designs ou incorporée dans des systèmes existants.

Cette nouvelle génération de contrôleur réunit aussi les protocoles OT traditionnels comme PROFINET et Modbus TCP avec les protocoles IT modernes comme OPC UA et MQTT, permettant ainsi une connectivité transparente entre sources de données de périphérie et plateformes d'entreprise de niveau supérieur comme MES, ERP, gestion maintenance, et autres systèmes analytiques.

De nombreux utilisateurs finaux reconnaissent qu'ils peuvent bénéficier de l'IIoT mais peuvent à juste titre s'inquiéter qu'un assaut à grande échelle sur le Big Data ne réussisse pas. Au lieu de cela, en abordant l'IIoT avec de petites données, contrôleurs de périphérie, et analytiques ciblées, ces utilisateurs obtiendront des retours précoces, les aidant à avancer plus vite sur leur parcours de transformation numérique.

Cet article a été écrit par Derek Thomas, Vice-président Marketing et Stratégie pour les Solutions d'Automatisation Machine d'Emerson, St. Louis, MO. Pour plus d'informations, visitez .