L'intégration de l'IoT se diversifie, passant des applications grand public aux applications critiques dans le secteur industriel. Cette solution joue également un rôle clé dans la prochaine phase d'automatisation des usines, appelée Industrie 4.0.
Selon l'étude 2016 intitulée Current State of IIoT, 4 dirigeants du secteur de fabrication sur 5 affirment que l'intégration des systèmes IoT industriel constitue un élément essentiel de leur réussite future. Ils estiment que cette technologie a le potentiel de faire croître leur organisation, de la rendre plus agile et d'améliorer sa conformité. Cependant, la mise en œuvre d'une initiative IoT de pointe au service de l'industrie présente de nombreux défis.
La clé d'une bonne intégration de l'IoT industriel
La capacité opérationnelle initiale (IOC) désigne un concept mis en œuvre par les militaires. Cette approche décrit la manière dont un ou plusieurs sous-ensembles d'actifs peuvent être déployés dans le cadre d'une mission.
Dans le cas des applications IoT industrielles, cela implique la création d'un système entièrement fonctionnel répondant à des besoins spécifiques pour un nombre limité d'actifs.
Quelle est la différence entre la preuve de concept et l'IOC ?
La preuve de concept ou POC constitue une expérience ponctuelle qui prouve que la solution au problème technologique existe. Cependant, elle ne sert pas de référence pour la suite des travaux.
Par contre, un IOC démontre que le problème de l'entreprise peut être résolu. Le processus ne se limite pas à la technologie. La sécurité des données, la validité de l'analyse de rentabilité et la qualité des données comptent également parmi les critères pris en compte. Par ailleurs, les compétences du personnel et le temps nécessaire à la création de nouvelles applications sont également considérés.
Une approche systématique peut être adoptée pour relever les défis d'une intégration réussie de l'IoT Industriel. Alors, comment l'IOC peut-il relever les principaux obstacles auxquels les organisations industrielles sont confrontées lorsqu'elles adoptent la technologie IoT ?
La sécurité des données
La sécurité des données représente un défi de taille pour plusieurs raisons. Le risque de piratage augmente également avec le développement de l'IoT industriel. En cas d'attaque réussie, les données sensibles sont compromises. Toutefois, les machines risquent également de subir des dommages physiques importants.
Ces défaillances affectent à la fois les individus et les organisations vulnérables aux risques de dommages financiers et opérationnels. Par conséquent, la protection des technologies IIoT soulève de grandes inquiétudes.
Le recours à une démarche IOC permet de mettre en œuvre la sécurité dès le début de l'intégration de l'IoT industriel. En commençant par de petites étapes, il devient possible de protéger les appareils, les connexions, le stockage des données dans le cloud et les applications. Sans devoir contrôler trop de variables, la configuration peut se faire de la bonne manière dès le départ.
Manque de transparence des analyses économiques
Pour aborder une approche IOC, il faut identifier les problèmes commerciaux à résoudre. Ensuite, il faut démontrer le retour sur investissement (ou ROI) sans avoir à dépenser des sommes importantes pour de nouvelles infrastructures et technologies. Une fois ces problèmes définis, il suffit de les classer en fonction de leur degré de priorité et de leur impact sur l'entreprise.
L'étape suivante consiste à répondre à la question suivante : » comment mesurer le retour sur investissement ? ». En effet, la réponse à cette dernière permet de rester concentré sur le problème. Elle contribue également à mesurer l'impact de l'intégration de l'IoT industriel au sein de l'entreprise.
Que signifie retour sur investissement ?
En fait, la rentabilité constitue un facteur déterminant des investissements dans les technologies industrielles. L'IIoT se doit d'être considéré comme une amélioration des processus dans le temps générant des économies et une efficacité significative.
Ainsi, les capteurs qui surveillent les vibrations, la température et l'humidité peuvent fournir une multitude de nouvelles informations sur les machines rotatives et les pompes.
Le fait de mesurer et d'établir des tendances pour divers capteurs aide à prévoir les défaillances avant qu'elles ne se produisent. Cela minimise les temps d'arrêt non planifiés et coûteux. Ces informations permettent également d'améliorer les programmes de maintenance.
Qualité des données
L'une des principales possibilités découlant de l'intégration de l'IoT industriel réside dans la capacité à prendre des décisions fondées sur les data. Cependant, de nombreux fabricants ont du mal à gérer la quantité de données qu'ils collectent. En fait, ils ne savent pas comment en tirer parti pour atteindre leurs objectifs commerciaux.
Le fait d'exploiter la stratégie IOC leur permet alors de comprendre comment analyser et utiliser les informations à bon escient. Cette démarche aide à identifier certains des problèmes de qualité sans risquer de prendre de mauvaises décisions.
Par exemple, en utilisant des systèmes avancés comme XMPro, il est possible de configurer le nettoyage et la transformation automatiques des données. Ces logiciels peuvent fournir les valeurs manquantes et normaliser les données pour les rendre plus exploitables.
Ainsi, les informations filtrées pourront ensuite alimenter un modèle d'apprentissage automatique. Il est alors possible d'en tester la précision avec une mise en place minimale. Après avoir démontré que les datas recueillies permettent de prendre de meilleures décisions. Il suffit d'ajouter ces actions à tous les projets en cours.
Compétences inappropriées des équipes informatiques
Les responsables de projets IoT industriels se rendent compte que les manques de compétences constituent l'un des plus gros obstacles dans ce domaine. Or, ce type de problème a des répercussions sur de nombreux domaines au sein de la compagnie.
Pour de nombreux fabricants, trouver du personnel qualifié pour concevoir, déployer et entretenir des réseaux industriels modernes constitue un défi majeur. Souvent, les chefs de projet internes tentent de révolutionner la situation et finissent par manquer de temps et d'argent. Cependant, le recours à une méthode IOC ainsi qu'à une suite d'applications agiles peut aider à créer des solutions IoT sans être limité par les ressources des équipes informatiques.
Tout d'abord, il convient de choisir une série de logiciels IoT permettant de produire des applications sans codage. Ainsi, ces gammes d'applications sans code permettent aux ingénieurs de réaliser des applis IoT industrielles de pointe.
Pourquoi faire appel à des ingénieurs et non à des informaticiens ?
Tout simplement parce que les ingénieurs comprennent mieux le problème commercial auquel ils tentent d'apporter une solution. De plus, cette approche permet au service informatique de se concentrer sur la mise en œuvre des meilleures pratiques de sécurité et de gouvernance.
L'utilisation d'une suite d'applications IoT signifie que les intégrations personnalisées ne seront pas nécessaires. En outre, les moteurs d'apprentissage automatique tels qu'Azure Machine Learning, SAP HANA ou IBM Watson peuvent être intégrés à partir d'une interface glisser-déposer.
Comment se présentent les algorithmes nécessaires à l'apprentissage automatique ?
Le domaine de la science des données a connu une croissance exponentielle ces dernières années. Il existe un certain nombre d'alternatives à l'embauche de data scientists en interne pour créer des algorithmes pour les modèles d'apprentissage automatique.
Par exemple, la société XMPro travaille avec des équipes d'experts en science des données comme Data61 ou Element Analytics. Ensemble, ils aident à tirer le maximum de puissance prédictive de vos données.
Pour les modèles courants comme la maintenance prédictive ou l'analyse des sentiments, il est possible d‘utiliser des galeries open source comme la Cortana Intelligence Gallery. Par ailleurs, le recours à une plateforme d'algorithmes comme Algorithmia, qui facture chaque appel d'API, reste une option envisageable.
Une autre solution consiste à organiser une compétition sur Kaggle, où des data scientists de plus de 100 pays s'affrontent pour créer un modèle gagnant afin de résoudre les défis rencontrés.
Incapacité à réaliser des expériences rapides
Après la mise en œuvre d'un IOC, il faut développer les capacités initiales et les étendre de manière itérative. Il convient alors de recourir à une démarche agile pour continuer à développer les applications IoT.
Dans la mesure où les ingénieurs parviennent à créer leurs propres applications avec une suite comme XMPro, la mise en place d'une application IoT ne prend que quelques semaines. Par ailleurs, avec ce système, le développement de l'application à différents types d'actifs et de cas d'utilisation peut se faire en un temps record.
Conclusion
La plupart des organisations industrielles ont pris un bon départ dans leur parcours d'intégration de l'IoT industriel. Cependant, pour certaines d'entre elles, la transformation globale reste insaisissable. La plupart de ces entreprises connaissent une certaine déception lors de l'intégration de l'IoT industriel au sein de leur structure.
En fait, elles éprouvent un certain niveau de frustration découlant d'attentes démesurées à la suite de l'enthousiasme initial suscité par les espoirs de transformation numérique.
Il est assez évident que les obstacles cités ci-dessus ne comprennent pas tous les défis auxquels les entreprises sont confrontées lorsqu'elles se lancent dans l'intégration de l'IoT industriel. D'ailleurs, la constante évolution et le rythme rapide de la technologie signifient également que cette liste de défis continuera à évoluer au fil du temps.
Toutefois, en utilisant l'approche IOC, il est possible de les surmonter. Cette approche peut contribuer à augmenter les revenus, à réduire les coûts et à améliorer la conformité. La clé est de construire une application avec une capacité opérationnelle complète à petite échelle pour relever chacun de ces défis.
- Partager l'article :
