La plateforme SMIP de CESMII livre l'analytique prédictive à NC State

GESTION DES DONNÉES : Le don de l'analytique prédictive du nouveau logiciel agnostique démontré à NC State

Lors d'une récente démonstration de la plateforme d'innovation en fabrication intelligente (SMIP) agnostique aux fournisseurs de CESMII, les partenaires du projet ont d'abord aidé les gestionnaires de l'usine de purification d'eau de l'Université d'État de Caroline du Nord à démarrer et analyser les données qu'ils collectaient avec des instruments intelligents.

« L'automatisation existe depuis plus de 100 ans », a dit Niels Andersen, cofondateur du partenaire de projet ThinkIQ. « Nous avons beaucoup de collecte de données, mais très peu de données utilisées. Les données n'ont pas de sens, n'ont pas de contexte et ne sont pas mises ensemble de manière à pouvoir faire de l'analyse. »

D'autres parties clés du projet incluent s'assurer que tout l'équipement de collecte de données a des noms pleinement qualifiés, utiliser des bases de données graphiques pour mapper des relations diverses, se concentrer sur un standard (idéalement OPC UA), s'assurer que différents systèmes et protocoles peuvent communiquer entre eux, et développer de meilleurs modèles virtuels d'équipement.

Le résultat final sera une SMIP qui standardise les déploiements de fabrication intelligente et remplace les développements sur mesure par des plateformes répétables, agnostiques aux fabricants, faciles à utiliser, qui permettront aux usines de fabrication de toute taille de tirer parti de toutes leurs données.

CESMII (l'Institut d'Innovation en Fabrication Intelligente pour l'Énergie Propre) vise à avoir une version 1.0 forte de la SMIP d'ici la fin de cette année, a dit Jonathan Wise, VP technologie chez CESMII.

Pour arriver à l'analytique prédictive à l'usine de NC State – considérée comme un environnement de type manufacturier – les partenaires de projet ThinkIQ, Savigent, Seeq, Syspro, Semiotic Labs et Microsoft se sont concentrés sur l'intégration de multiples technologies de silos séparés et la mise à niveau d'un PC qui surveillait la qualité de l'eau, a dit Tim Shope, directeur de la transformation numérique chez l'intégrateur système Avid.

Avant la mise à niveau, des tâches de base comme récupérer une semaine de données historiques prenaient trop de temps.

Ensuite, l'équipe ThinkIQ et d'autres ont déployé un moteur d'analyse de Seeq pour extraire des données en temps réel de l'environnement d'infrastructure programmable dans OSISoft, analyser les membranes des filtres à osmose inverse, combiner toutes les données en utilisant la SMIP de CESMII, et définir un niveau de condition pour quand les membranes doivent être remplacées – une action qui déclencherait automatiquement un bon de travail via le logiciel Savigent, a dit Shope.

L'étape suivante a été de développer un modèle pour la pompe à eau haute pureté, une pompe si critique qu'une pompe de secours se tient à côté pour un changement rapide style NASCAR en cas d'alarme indiquant un problème de pression ou autre, a-t-il dit.

Un capteur IoT surveille la pompe à distance dans un système d'apprentissage machine. Après quelques semaines, il apprend la forme d'onde signature de la pompe pour pouvoir détecter si la pompe fonctionne comme conçu ou si elle commence à rencontrer des problèmes mécaniques ou électriques.

La nouvelle plateforme peut prédire une panne moteur près de quatre mois à l'avance, a-t-il dit.

Les partenaires ont aussi donné un nom distinct à chaque pompe. « Si toutes les pompes sont étiquetées Pompe_01, nous n'avons pas de contexte », a dit Andersen. « Il est critique de donner des noms complets et d'avoir une grande variété d'outils pour fournir du sens. »

Idéalement, chaque pompe serait nommée de manière à identifier le nom de la machine, le nom de la ligne sur laquelle est la pompe, le nom de l'usine, le fournisseur qui a fait la pompe, a dit Wise. Quelques fabricants offrent un système de nommage pleinement qualifié mais beaucoup ne le font pas.

Dans une phase ultérieure du projet CESMII, ce mappage sera automatique, a-t-il dit.

NC State premier centre à obtenir la SMIP

CESMII a lancé en avril un nouveau Centre d'Innovation en Fabrication Intelligente (SMIC) à NC State. C'est le premier des quatre SMIC de CESMII à avoir la SMIP superposée. Les trois autres centres sont à UCLA, Texas A&M et Rensselaer Polytechnic Institute.

Lors de la récente réunion annuelle virtuelle de CESMII, le PDG John Dyck a dit qu'il cherche plus de SMIC dans, par exemple, les domaines de la robotique, automobile, chimie, acier et IA/apprentissage machine.

Les SMIC visent à relier fabricants, fournisseurs technologiques, intégrateurs systèmes et fournisseurs d'équipement avec le monde académique, « démontrant et pilotant la recherche et l'innovation qui s'étendent à toute la fabrication américaine », a dit l'organisation public-privé.

La SMIP sera en spécification ouverte

CESMII publiera la SMIP en spécification ouverte – pour que n'importe quel fournisseur puisse l'utiliser, a dit Wise.

« Nous gagnons si ces idées sont adoptées ailleurs dans l'industrie. Cela nécessite un niveau d'altruisme que certains fabricants hésitent car ils ne sont pas sûrs que cela marchera », a-t-il dit.

« Le temps est venu pour un niveau de solutions d'être ouvert à la postérité pour qu'on puisse se concentrer sur d'autres problèmes », a ajouté Wise.

« Espace blanc » problématique

L'un des plus grands défis est que « chaque installation a fait un amalgame d'infrastructure, systèmes, équipements et outils au fil du temps », a dit Mark Besser, VP senior pour le succès client chez Savigent. « Tous ces investissements ont été faits très spécifiquement parce qu'ils résolvaient un problème ou défi à un moment donné. Beaucoup de ces technologies étaient construites sur mesure pour résoudre ces problèmes. Mais quand vous prenez un regard plus large sur le paysage, vous commencez à remarquer tout l'espace blanc qui existe entre ces technologies. »

Dans d'autres cas, un fabricant pourrait vouloir intégrer des technologies de différents fournisseurs mais ne peut pas parce que ces systèmes ne sont pas conçus pour s'interfacer avec d'autres plateformes propriétaires.

L'objectif est de mettre toutes les données disponibles en jeu pour améliorer l'efficacité et la fiabilité sans casser le budget ou forcer les fabricants à changer de fournisseur, a dit Wise.

Par exemple, si un fabricant fait tourner un logiciel de l'Entreprise A et veut une solution de surveillance énergétique de l'Entreprise B, souvent le seul recours est d'enlever le système de l'Entreprise A et d'installer celui de l'Entreprise B.

Ajouté Shope : « Nous ne pouvons pas aller arracher toutes les plateformes fournisseurs de nos installations aujourd'hui. Nous devons arriver à cet endroit agnostique aux fournisseurs. »

Objectif : réduire le coût de mise en place de l'infrastructure

Environ 70 % du coût d'un projet d'usine numérique est le câblage dur de la structure d'automatisation, la connexion des données, et la création d'infrastructure, a dit Wise. Les 30 % restants consistent à créer de la nouvelle valeur à partir de ces données, souvent en développant des applications.

Mais souvent, tout le budget d'usine numérique est dépensé à mettre en place l'infrastructure bien avant qu'un projet pour développer des applications d'analyse de données puisse commencer.

Avec la SMIP, CESMII vise à réduire ce coût de 70 % pour que les fabricants puissent concentrer les budgets sur les applications d'analyse de données, a dit Wise.

Cette transformation ne se fera pas du jour au lendemain. « Ce ne sera pas un interrupteur », a dit Shope. « Nous avons une grande base manufacturière aux États-Unis. Ce système devra être migré et adopté sur une période de temps. »