Pourquoi les fabricants n'utilisent-ils pas le logiciel SCADA créé pour la génération IIoT?

Le logiciel d'abonnement à la demande modulaire conçu pour le 21st Century offre une analyse de processus prédictive économique pour améliorer l'efficacité.

Par Bert Baeck, PDG de TrendMiner

bert braeck trendminer

Il semble parfois difficile de croire que nous sommes déjà dans la deuxième décennie du 21e siècle; Ce qui est encore plus difficile à croire, c’est que la majorité des fabricants n’utilisent encore que des technologies datant d’au moins 30. Beaucoup de ces systèmes fonctionnent à merveille pour ce qu'ils sont censés faire: collecter et stocker des données et surveiller des systèmes. Cependant, ces systèmes ne peuvent à eux seuls aider les entreprises industrielles à relever les défis du marché mondial actuel.

Bien que cette situation soit due à plusieurs raisons, la perception que le changement est trop difficile et coûteux est la principale raison qui incite les entreprises à rester hésitantes pour tirer parti des nouvelles opportunités promises par l’Internet des objets industriels (IIoT). Un récent sondage de LNS Research auprès de dirigeants de fabricants de 400 a montré que la grande majorité des entreprises ne prévoient pas d'investir dans la technologie IIoT dans un avenir proche. Lorsque nous prenons en compte le coût élevé de nombreux systèmes existants, nous comprenons pourquoi les entreprises industrielles hésitent à investir dans les nouvelles technologies.

Malheureusement, ces cadres se tournent souvent vers les anciennes technologies qui ont été modifiées pour tenter de tirer parti des opportunités offertes par l’IOD et qui peuvent nécessiter la suppression des systèmes actuels. La bonne nouvelle est qu'il existe des technologies très abordables développées spécifiquement pour l'ère Internet et qui fonctionnent avec les systèmes existants pour aider les fabricants à mieux comprendre le comportement des processus, ce qui se traduit par un retour sur investissement rapide.

Les informations SCADA sont plus utiles que jamais

Les systèmes SCADA ont été conçus à l'origine pour collecter des données et surveiller les processus. Comme ils génèrent des quantités de données aussi énormes, des historiens ont été ajoutés pour stocker ces données. Au départ, les historiens étaient habitués à satisfaire aux exigences réglementaires, telles que la génération de rapports pour les agences gouvernementales. Les grandes entreprises industrielles ont reconnu que les données cachées dans leurs historiens pourraient fournir des informations précieuses sur les processus et la production de l’usine, mais leur accès et leur utilisation pourraient être très difficiles. La raison en est que les historiens n’étaient pas conçus pour «lire» ou pour un transfert d’informations à double sens.

Les systèmes d'exécution de fabrication (MES) ont été introduits dans les premiers 1990 pour tenter de combler le fossé entre les systèmes SCADA de l'atelier et les logiciels ERP d'entreprise. Ils ont également promis de fournir des analyses, telles que des données d'indicateurs de performance, afin d'améliorer les opérations en usine. Bien qu'ils aient été en mesure de fournir des fonctionnalités plus avancées que les systèmes SCADA, ils sont coûteux et nécessitent souvent une ingénierie poussée pour être mis en œuvre. En outre, ils ont été développés pour une autre époque d’affaires dans lesquelles les systèmes étaient encore largement cloisonnés et l’optimisation d’Internet était en grande partie une réflexion après coup.

La technologie 21st Century est arrivée

Lorsque nous prenons en compte le temps et l'argent dépensés par les entreprises industrielles pour les logiciels traditionnels, nous pouvons comprendre la réticence de certains fabricants à améliorer leurs systèmes. Ils sont toujours pris au piège de la crainte que toute nouvelle solution ne coûte cher, tout en nécessitant une ingénierie et une formation approfondies pour les employés. En outre, ils craignent de s’enfermer dans un cycle de mises à niveau et de correctifs difficiles et coûteux, ainsi qu’une évolutivité limitée.

Pour tirer pleinement parti de l'IioT, les entreprises ont besoin de solutions de nouvelle génération conçues à cette fin. Ces solutions sont en mesure d’offrir aux utilisateurs le meilleur des nouvelles technologies, notamment en termes de facilité d’utilisation et d’accessibilité financière.

Google pour l'industrie

Comme indiqué précédemment, les historiens disposent de nombreuses données utiles à l'amélioration des opérations, mais leur accès et sa transformation en informations exploitables ont pris beaucoup de temps et se sont avérés difficiles. De nombreuses applications étaient basées sur la modélisation de données, ce qui nécessitait des ingénieurs et des scientifiques spécialisés dans les données. En conséquence, seules les applications critiques ont été ciblées, laissant de vastes zones d’améliorations cachées.

Dans 2008, les ingénieurs de Covestro (alors connu sous le nom de Bayer MaterialScience) savaient qu'il devait exister un meilleur moyen de tirer parti des données de séries chronologiques. Ils ont travaillé avec différents types de modèles d'analyse et ont identifié leurs limites pour la mise à l'échelle au-delà des projets pilotes. Finalement, ils ont pu utiliser leur connaissance approfondie des opérations de processus pour créer une «découverte basée sur une recherche de modèle et une analyse de processus de type prédictif» développées pour l'utilisateur moyen. Les capacités de recherche multidimensionnelles uniques de cette plate-forme permettent aux utilisateurs de trouver des informations précises rapidement et facilement, sans projets de modélisation et scientifiques de données onéreux.

graphique de surveillance du débit

Figure 1: La combinaison de données en temps réel avec un contexte historique raccourcit la latence de l'analyse en immédiat, offrant ainsi la possibilité de prendre des mesures avant même qu'un événement puisse affecter les performances du processus.

L'application de reconnaissance du titre de la chanson, Shazam, est un exemple simple. Bien que la technologie utilisée par Shazam soit différente, le concept est similaire. Au lieu d'essayer de mapper chaque note d'une chanson avec sa vaste base de données de chansons, Shazam utilise un logiciel de reconnaissance de motif qui recherche un «contenu à haute énergie» ou les caractéristiques les plus uniques d'une chanson, puis le fait correspondre à des motifs similaires de sa base de données.

Ceci est une explication très simple d’un processus complexe, mais l’important est qu’il permette aux utilisateurs de trouver rapidement un titre de chanson avec un taux de précision très élevé.

Naturellement, l'industrie exige des algorithmes plus sophistiqués, capables d'aller au-delà de la simple recherche. Souvent appelé Google pour l'industrie, ce logiciel fonctionne en se connectant aux bases de données d'historique existantes, puis en implémentant une couche de base de données de magasin de colonnes pour un index. Ce logiciel facilite la recherche, le filtrage, la superposition et la comparaison de périodes de temps intéressantes pour la recherche dans des lots ou des processus en continu.

De plus, cette solution de nouvelle génération permet aux utilisateurs de rechercher des régimes de fonctionnement, des dérives de processus, des actions de l'opérateur, des instabilités ou des oscillations de processus particuliers. En combinant ces modèles de recherche avancée, les utilisateurs obtiennent la véritable information dont ils ont besoin. Par exemple, un opérateur compare plusieurs couches de données ou périodes pour découvrir quels capteurs s’écartent plus ou moins de la ligne de base, puis effectue des réglages pour améliorer l’efficacité de la production.

Bringing All all together

En plus de faciliter la recherche, cette nouvelle technologie offre des fonctionnalités de contextualisation des données de processus et d'analyse prédictive. Les ingénieurs et les opérateurs peuvent fournir des annotations pour fournir un meilleur aperçu. Ses capacités d'analyse prédictive permettent une détection précoce des événements de processus anormaux et indésirables en comparant les modèles historiques sauvegardés avec les données de processus en direct. De plus, la solution calcule les trajectoires possibles du processus et prédit les variables et le comportement du processus avant qu'il ne se produise. Cela donne aux opérateurs la possibilité de voir si les modifications récentes apportées au processus correspondent au comportement attendu du processus et d'ajuster les paramètres de manière proactive lorsque ce n'est pas le cas.

21st Century Business Model

Cette analyse de processus prédictive gratuite (découverte et prédictive) utilise également un modèle d'entreprise moderne: la tarification des abonnements en ligne. En plus de rendre l'analyse de processus abordable pour toutes les entreprises, cela évite également aux entreprises de consacrer du temps et de l'argent à l'ajout de licences et de mises à niveau supplémentaires. Chaque fois qu'un utilisateur se connecte, il reçoit automatiquement la dernière version du logiciel.

Comme nous l’avons vu, les entreprises ont maintenant la possibilité d’accroître la valeur de leur investissement dans des historiens de grande qualité. Les solutions d'analyse prédictive à faible coût qui complètent leurs historiens existants permettent aux entreprises de mieux utiliser les données collectées par les historiens pour fournir des informations précieuses sur les activités.

Avec une solution plug and play abordable permettant de découvrir de nouveaux domaines d’amélioration de l’efficacité opérationnelle, la question devient pourquoi plus d'entreprises n'utilisent pas de logiciel créé pour la génération IIoT. L'avenir est là et les entreprises ne peuvent plus utiliser uniquement les systèmes existants si elles veulent rester compétitives dans ce nouveau monde.

Industrie de process Informer

Laisser un commentaire

Votre adresse email ne sera pas publié. Les champs obligatoires sont marqués *

Ce site utilise Akismet pour réduire les spams. Découvrez comment vos données de commentaire sont traitées.