La démarche de mise en oeuvre d’un projet IoT industriel

  • Home
  • Cloud
  • La démarche de mise en oeuvre d’un projet IoT industriel
IoT et Cloud

Les objets connectés, d’une tendance à une réalité. Hier, nous apportions le SI dans la gestion des entreprises. Mais comment lancer un projet IoT si l’on part de 0 ? L’amélioration des processus métiers et la création de nouveaux produits font émerger des projets liés aux nouvelles technologies connectées. Néanmoins, leur mise en place présente un défi pour les entreprises. Comment gérer les données ? Comment aborder les nombreuses contraintes techniques ?

« Internet of Things industriel », késako ?

Amélioration des processus industriels et IoT vont souvent de paire, et c’est notamment le principe de l’Industrie 4.0. Un processus industriel génère un grand nombre de données : position, températures, logistiques, indicateurs qualités, … L’IoT est un objet qui va permettre de les collecter afin d’améliorer :

  • La productivité : notamment par l’automatisation d’activités jusque là non automatisable, la maintenance préventive par le monitoring…
  • La qualité : par une multiplication des points de contrôle, l’utilisation des données à des fins d’analyse…

Nous noterons que le défi est essentiellement de trouver un usage à ces données collectées ; ce que beaucoup appellent le « big data ». L’enjeu est de produire une grande valeur ajoutée par leur traitement.

Des exemples d’application concrets ?

Prenons exemple d’une ligne d’assemblage de pieds escamotables motorisés. Des objets connectés ayant pour but de capter les données liées au moteur du pied lors du test d’utilisation sont installés. Mais que cela va-t-il m’apporter ?

Photo by s2 art on Unsplash

Les paramètres ainsi récupérés tels que le nombre de rotations, des pics de température ou une montée anormale de la consommation vont permettre des interventions préventives. Cela permet d’intervenir avant la panne et ainsi d’éviter d’apporter au client un moteur défectueux. 

Car, même s’ils peuvent être préalablement testés manuellement, des défauts de moteurs peuvent survenir. L’avantage est qu’ils seront détectés et ajustés sur le champ. Le retour de votre produit par le client peut donc être évité. De plus, les données générées pourront être analysées afin d’en connaître la cause et enrichir la base d’informations prédictives.

D’autres domaines métiers y trouveront également des opportunités. L’intérêt des IoT peut aussi se voir à travers les services d’accompagnement qu’ils proposent.

Par exemple, les assurances vont s’appuyer sur l’IoT pour optimiser la tarification des primes d’assurance par l’usage de leurs clients.

Aujourd’hui, vous pouvez doter votre véhicule d’un boitier connecté à votre assureur. Ainsi, l’assurance pourra suivre votre style de conduite, les kilomètres parcourus, le respect des pauses sur de longs trajets. Cela permettra de favoriser les meilleurs conducteurs

tout en aidant à prévenir des risques aux utilisateurs.

Enfin, cela simplifie les processus de l’assureur grâce aux informations fournies par l’objet en cas d’accident ou même du vol de votre véhicule.

La phase de design, réflexion par l’usage

La mise en place d’un projet IoT industriel devra répondre à de nouveaux besoins. L’initiateur de ce projet devra se poser les bonnes questions :

  • Quel est le besoin qui pourra être pourvu par l’IoT ?
  • Quel est l’objectif du service rendu ?
  • Quel usage devra-t-il en être fait ?
  • Est-ce une amélioration ou une nouvelle affaire ?
  • Quel type de valeur va-t-il apporter ?

Dans le contexte industriel, c’est l’ingénieur méthode qui peut transmettre ses besoins. De plus, il aura déjà imaginé le traitement à faire de ces données afin d’améliorer une ligne de production.

Attention, il faut être vigilant lors de cette étape : l’acquisition, et le traitement de données à caractère personnel doit être conforme au RGPD. Il faut donc s’assurer qu’il y ait une finalité justifiant le recueil de ces données et en assurer la sécurisation.

Valorisation de la donnée dans le système d’information

La donnée est considérée comme une ressource très importante en entreprise. En effet, il faut identifier la valeur qui s’y cache et passer de la donnée à l’information. Aussi, c’est en « combinaison de données » que la réflexion doit être faite. Cette phase est importante et nécessite de prendre du recul sur le système d’information.

Combiner les données consiste à valoriser des données individuelles en les interprétant de différentes manières. Prenons exemple d’une métropole qui s’équipe d’une série de capteurs de proximité, pour objectif d’augmenter la qualité d’usage d’une piste cyclable. Ces capteurs sont placés dans un ordre précis le long de la voie :

  • Ces capteurs sont binaires, ils communiquent la proximité ou non d’un cycliste
  • Le système inscrit le moment exact de chaque changement d’état du capteur

Ainsi, si l’on combine ces données :

  • Instantanément, cela pourrait commander les éclairages de la piste
  • Sur une échelle de temps courte, nous pouvons estimer la vitesse moyenne de passage des cyclistes et ainsi voir si la piste est adaptée à son usage
  • Au long terme, nous pouvons connaître la fréquentation sur l’année de cette piste cyclable, et ainsi décider du moment propice à faire une maintenance tout en dérangeant le moins les usagers
  • Sur le long terme encore, il est possible d’estimer la baisse de CO2 engendrée par l’augmentation du trafic à vélo

L’enjeux réside donc dans la capacité à travailler les données de façon à apporter des éléments utiles aux organisations et leurs métiers. Dans cet exemple en l’occurence, les urbanistes. Mais ces données sont souvent transversales, et pourront être aussi utiles à la maintenance, aux paysagistes, à la surveillance de la qualité de l’air, etc…

À ce propos, voici un très bon article de silicon.fr informant de l’exploitation des big data par les entreprises.

Mise en oeuvre technique : les nouvelles normes

Il n’existait pas, jusqu’à peu, de référentiel ou framework permettant un langage commun sur les IoT. Récemment, la norme ISO/IEC 30131:2018 a vue le jour.

D’après ces bonnes pratiques, l’intégration à l’infrastructure peut être résolue grâce à des approches de type « fog computing », ou « edge computing ». Ces concepts  répondent très bien aux contraintes techniques des IoT. 

Schématisation du Edge Computing / Fog Computing
  • Le Cloud, lui, est généralement utilisé pour entreposer les données, le fameux « big data ».
  • Le Edge Computing, fournit de manière décentralisée des services et permet de traiter les données « en temps réel ». Ces systèmes permettent aussi de mettre en réseau les objets connectés.

Finalement, il s’avère que beaucoup des IoT ne communiquent pas directement sur le réseau IP. La communication vers « Edge » peut se faire par d’autres protocoles de radiofréquence, surtout pour limiter l’énergie consommée. Il existe de nouveaux réseaux à destination exclusives IoT, comme par exemple LoRaWAN, très prometteur en termes de consommation. Il est à noter que ce nouveau réseau n’empiète pas sur les mêmes bandes passantes que les autres réseaux sans fils.

En attendant l’arrivée à maturité des technologies de communication ultra-rapides comme la 5G, il est judicieux de garder en tête l’utilisation de passerelles disposées dans la partie « Edge ».

En conclusion

Il est important de constater que les objets connectés créent de la valeur au sein des organisations. Associés à du service, ou des produits, ils permettent l’amélioration des processus des entreprises. Le grand défi par rapport à cet outil est cependant clair : greffer au système d’information actuel un SI spécifique et conçu pour se concentrer sur le traitement des données.

La récente publication de la norme ISO 30131 donnera-t-il un coup de boost aux projets IoT dans les entreprises ? Si c’est le cas, il est intéressant d’être accompagné dans ces démarches afin d’identifier les usages et la valeur apportée par les données engendrées.

Affaire à suivre…

Laisser un commentaire