Cet article est un résumé d’un livre blanc à sortir. N’hésitez pas à nous envoyer un mail à contact@niagara.tech pour le recevoir lorsqu’il sera disponible.
Au cours de ces deux dernières années, nous avons rencontré et échangé avec +100 utilisateurs, prospects, clients ou encore décideurs industriels toutes industries confondues.
Le sujet ? Connecter l’atelier et pouvoir jouer avec les données de production en temps réel.
Remonter les données de process et production en temps pour prendre des décisions “data-driven” (vous me passerez l’anglicisme). En effet, qui dit atelier connecté dit temps réel pour le monitoring, l'alerting et le recalibrage machine, l'orchestration de la production, la maintenance prédictive, la détection d'anomalies et rebuts, etc..
Dans 90% des cas, les interrogations, les tentatives de résolutions ou les solutions choisies sont souvent les mêmes. On s’est donc mis en tête de vous donner quelques clefs pour avancer dans le brouillard.
Ce que vous nous avez remonté :
- Le temps réel est indispensable.
- On ne sait pas ce qu’il y a dans les machines car l’automate est fermé. On a acheté des machines spéciales, tout est bloqué par le fournisseur.
- Mes machines ne sont pas connectées, le gain est incertain pour le retour sur investissement.
- Les réseaux de production sont hors du périmètre des SI donc pas englobés pas les plans de transformation (ça à tendance à évoluer).
- On n’a pas d’automaticiens chez nous. C’est la maintenance, les méthodes ou la production qui gère ça. Ils ne connaissent pas les contrôleurs / les automates. On n’ose pas y toucher.
- On a un MES, on s’est tapé un an d’implémentation, l’environnement est complètement fermé, on ne peut rien sortir, on passe notre temps à faire du développement à façon et les utilisateurs ne sont pas satisfaits du résultat.
- On a fait avec des briques open-source (node-red par exemple), mais ça n’est pas reproductible à l’échelle. La robustesse du système n’est pas assurée.
Les gains atteignables :
Selon McKinsey, connecter l’atelier et remonter les bonnes données à la bonne personne en temps réel est un gisement plus que conséquent de ROI :
- jusqu’à + 90% de productivité.
- jusqu’à - 50% d’arrêts machines imprévus.
- jusqu’à - 40% sur les coûts de maintenance.
Et ça sans parler des gains financiers et écologiques représentés par la réduction des consommations : rebuts, pertes matière et énergies, dont les coûts explosent en Europe actuellement.
On peut d'ailleurs aussi relever les gains réalisés par la mise à l'échelle des projets en un temps record, une meilleure communication inter-sites & une hybridation des services cloud/edge, moins gourmande que du full cloud.
Il est donc urgent de se relever les manches.
Mais alors que faire, et surtout comment le faire ?
Digitaliser l’atelier, c’est d’abord comprendre qu’on peut aller beaucoup plus vite en itérant et surtout, qu’aujourd’hui c’est possible. Le problème devient donc une question de software et non plus de hardware et bonne nouvelle : des solutions existent.
On vous fait un petit résumé de ce qu’on préconise chez Niagara, pour vous aider dans votre réflexion :
Pensez accessibilité aux données machines, parfois fermées : votre choix pourra se porter vers une plateforme qu’on peut déployer n’importe où, proche des machines (serveurs / gateway / IHM / ordinateur de prod). Prenez le temps de vérifier les connecteurs natifs et multi protocoles de la solution choisie.
Pensez accessibilité du logiciel : mettre en place une plateforme no code qui permet à n’importe quel ingénieur ou automaticien de lire les données de sa machine et de travailler dessus / mettre en place des interfaces permettant de paramétrer du ML sans avoir à coder, comme Automi par exemple.
Pensez souplesse : Les nouvelles technologies signent la fin du MES. Prenez une plateforme ouverte, dont l’infrastructure est en micro-services. l’avènement du Edge & des technologies type pub-sub & stream (kafka, MQTT, etc..) vous permettront d’éviter la surcharge sur le réseau de production.
Pensez mise à l’échelle et industrialisation : Comme tout un chacun, vous n’avez pas envie de tomber dans “l’enfer du pilote”. Vérifiez que vous pouvez déployer des jumeaux numériques de vos usines, et déployer des instances facilement. Vous pourrez alors commencer à standardiser vos modèles de données OT inter-usines. Vous pouvez créer le votre sur une plateforme comme Niagara ou utiliser des plateformes comme azure digital twin ou AWS digital twin par exemple. OPC UA est un standard robuste, mais vérifiez que la solution que vous choisissez ne vous oblige pas à passer par ce protocole obligatoirement, pour avoir le choix d’avoir à le maintenir et le gérer, ou non.
Pensez cas d’usage : N’oubliez pas que la plateforme doit pouvoir vous permettre de dépiler différents cas d’usage, vérifiez que votre choix se porte sur une plateforme disposant de connecteurs IT no-code pour envoyer la données dans différents logiciels d’analyse ou vos bases de données pour des analyses bigdata par exemple.
Pensez aux équipes IT, ainsi qu’à la sécurité : une plateforme hybride qui permettra aux IT groupe de monitorer les edges déployés sur les différents sites ainsi que la politique d’accès/ les flux entrants/sortant, etc...
Si on résume, pour les dissipés :
#1 - Les technologies permettent aujourd'hui de déployer à l'échelle des outils hybrides (Edge & Cloud) qui s'attaqueront à la collecte et au processing des données industrielles au pied de la machine et débloqueront beaucoup de nouveaux usages.
#2 - Pour s'attaquer au sujet : penser use case, oublier en partie la techno, définir des objectifs clairs puis un périmètre restreint et itérer. Agrandir le périmètre et recommencer.
#3 - Les outils no & low-code sont parfaitement adaptés pour itérer rapidement sans avoir à former au code en usine.
#4 - micro-services, souplesse et scalabilité vous permettront d’éviter l’enfer du pilote et le fameux cycle en V des outils legacy.
Et vous, qu’en pensez-vous ? Qu'avez-vous mis en place dans vos usines ?
