La transformation numérique dans l'industrie 4.0: de l'exagération au retour sur investissement
À l'aube de la quatrième révolution industrielle (Industrie 4.0), les organisations industrielles placent leur transformation digitale au sommet de leur agenda stratégique. L'industrie 4.0 concerne la mise en réseau de systèmes informatiques et physiques (CPS) dans un environnement industriel. Les systèmes CPS relient les mondes physique et numérique et facilitent la collecte de données numériques à partir de dispositifs physiques et de processus (par exemple, les données de maintenance des équipements et les données de qualité des lignes de production). À cette fin, les technologies de l'Internet industriel des objets (IIoT) sont utilisées pour collecter et traiter de grands volumes de flux à grande vitesse, tout en automatisant les opérations sur le terrain et les processus de la chaîne d'approvisionnement.
La transformation numérique à l'ère de l'industrie 4.0 améliorera la compétitivité des organisations industrielles, tout en augmentant leur capacité à prendre des décisions optimales. Malgré le battage médiatique entourant de nouveaux concepts dans les processus d'entreprise, IIoT et Industry 4.0 ont des cas d'utilisation tangibles avec un ROI éprouvé. Ces cas d'utilisation conduisent à l'adoption accélérée de l'IIoT dans l'industrie, raison pour laquelle l'IIoT devrait contribuer à la plus grande partie du potentiel de valeur commerciale de l'IIoT, l'IoT des consommateurs étant à la traîne. Selon le récent rapport de marché «Gagner avec l'Internet industriel» d'Accenture, l'IIoT pourrait ajouter 14,2 billions de dollars à l'économie mondiale d'ici 2030. Comprendre les cas d'utilisation générés par l'IIoT est donc une étape clé vers une stratégie de transformation numérique réussie.
Cas d'utilisation IIoT avec ROI éprouvé
Il existe de nombreux exemples de déploiements IIoT réussis. Voici quelques-uns:
FLEXIBILITÉ DANS LES CONTRÔLEURS LOGIQUES PROGRAMMABLES D'AUTOMATISATION INDUSTRIELLE
L'automatisation industrielle est basée sur la technologie opérationnelle (OT), comme les contrôleurs logiques programmables (PLC), le contrôle de supervision et l'acquisition de données (SCADA) et les systèmes de contrôle distribués (DCS). Ces systèmes sont généralement inflexibles et ne permettent pas de modifier facilement leur configuration. Ceci constitue un sérieux obstacle au déploiement d'une nouvelle technologie d'automatisation dans une usine (par exemple, déploiement d'une imprimante 3D dans le cadre d'un processus de production), ainsi qu'à la modification de la configuration des processus industriels (par ex. personnalisation). L'IIoT facilite la convergence de l'ergonomie avec l'informatique et permet la reconfiguration de processus d'automatisation industrielle basés sur des outils numériques et à des échelles de temps plus courtes (par exemple, en quelques heures au lieu de plusieurs semaines). Plutôt que de reconfigurer des systèmes OT complexes, des configurations de machines et d'outils ont lieu à la couche numérique du système IIoT. Par conséquent, les déploiements IIoT sont largement utilisés pour soutenir les modèles de production de personnalisation de masse d'une manière plus rapide et rentable.
MAINTENANCE PRÉDICTIVE
La plupart des organisations industrielles maintiennent leur équipement basé sur des approches préventives, qui inspectent et entretiennent le matériel à intervalles réguliers. Néanmoins, les approches préventives maintiennent l'équipement plus tôt que nécessaire, ce qui conduit à une efficacité globale de l'équipement (OEE) non optimale. Afin d'optimiser l'OEE, les entreprises passent à la maintenance prédictive, qui est la vision ultime de la maintenance industrielle. En maintenance prédictive, les machines sont capables de prévoir et d'anticiper leurs défaillances, en calculant avec précision des paramètres tels que leur fin de vie (EoL) et le temps moyen de défaillance (MTTF). Les technologies IIoT collectent et consolident des ensembles de données sur l'état de l'équipement, tels que les données de vibration, les données acoustiques, les données ultrasoniques, les données d'images thermiques, les données d'analyse d'huile et plus encore. En conséquence, les technologies d'analyse BigData permettent d'extraire des informations prédictives sur le fonctionnement de l'équipement, y compris des schémas significatifs de sa dégradation. En améliorant l'OEE d'un équipement coûteux, les organisations industrielles peuvent voir un retour sur investissement direct et tangible sur leurs investissements IIoT.
CONTRÔLE QUALITÉ
Les technologies IIoT et BigData permettent la collecte de données abondantes sur les processus industriels, ce qui permet une détection précise des problèmes de qualité à différentes échelles de temps. Par exemple, des données numériques sur une chaîne de production peuvent être collectées et utilisées pour identifier les problèmes et les inefficacités, tout en recommandant des actions correctives. Cela permet des disciplines de gestion de la qualité comme Total Quality Management (TQM) et ZDM (Zero Defect Manufacturing). Alors que TQM et ZDM existent depuis plus de deux décennies, c'est l'avènement de l'industrie 4.0 qui permet leur mise en œuvre crédible et rentable.
PLANTES CONNECTÉES ET OPTIMISATION DE LA CHAÎNE D'APPROVISIONNEMENT
L'IIoT permet des optimisations de la chaîne d'approvisionnement quasiment impossibles avant l'avènement d'Industrie 4.0. Ces optimisations reposent sur le partage d'informations précises et opportunes sur les processus de la chaîne d'approvisionnement. Les technologies d'IIoT interconnectent les dispositifs, les systèmes CPS et les systèmes d'information commerciale (ERP) et PLM (Product Lifecycle Management) de toutes les parties prenantes de la chaîne d'approvisionnement, tout en permettant un flux d'informations transparent entre les usines et les entreprises logistiques, clients et plus. Avec l'IIoT, les usines sont interconnectées et informées de tous les événements importants de la chaîne d'approvisionnement, tels que le placement des commandes critiques, les retards de livraison des matériaux, les pannes d'équipement qui perturbent la production, la disponibilité des produits finis, etc. Ces informations sont donc synthétisées et utilisées pour optimiser les calendriers de production, les prévisions de la demande et les délais de livraison, ce qui entraîne divers avantages tels que la minimisation des stocks, la production juste-à-temps et la réduction des déchets.
Enabling IT / Networking
Les déploiements de l'IIoT reposent sur des technologies numériques de pointe, notamment:
- Edge Computing
Les infrastructures de périphérie font partie intégrante de la plupart des infrastructures IIoT non triviales, car elles permettent des opérations à faible charge et hautes performances à proximité du terrain, y compris les opérations d'automatisation et d'analyse. Les infrastructures de périphérie complètent les infrastructures de stockage et de traitement du cloud, car elles facilitent le traitement en temps réel et agissent comme une couche de filtrage qui économise la bande passante réseau et les coûts de stockage dans le cloud. - Technologies de réseau à haute vitesse
La plupart des cas d'utilisation de l'IIoT impliquent des opérations avisées sur le réseau, qui nécessitent une mise en réseau à haute vitesse, y compris les infrastructures sans fil et câblées. La grande majorité du trafic de l'IIoT est actuellement acheminée via des infrastructures Wi-Fi, Ethernet et LTE, mais nous assistons également au déploiement de nouvelles technologies WAN (Wide Area Network) à faible consommation. - Cybersécurité et sécurité physique
Les organisations industrielles sont profondément préoccupées par l'introduction de nouveaux dispositifs informatiques et CPS dans leurs usines. En conséquence, des mécanismes intelligents de cybersécurité sont nécessaires pour garantir la fiabilité des blocs de construction informatiques dans l'usine, tout en protégeant les ensembles de données conformément aux exigences commerciales et réglementaires (par exemple, la réglementation GDRP de l'UE, ainsi que la réglementation de la protection des données à l'échelle mondiale). De plus, le déploiement étendu des infrastructures informatiques dans les environnements industriels conduit progressivement à une convergence de la sécurité physique et cybernétique, dans le cadre d'une approche de sécurité intégrée. - AI et Big Data Analytics
Les cas d'utilisation de l'IIoT impliquent des opérations d'analyse de données comme moyen d'extraire des connaissances qui entraînent des optimisations de processus. Certaines de ces opérations nécessitent des analyses avancées qui relèvent du domaine de l'apprentissage en profondeur et de l'intelligence artificielle. C'est par exemple le cas de la détection de modes de défaillance en maintenance prédictive, qui repose sur la détection de modèles complexes basés sur des réseaux neuronaux profonds.
Allied Telesis fournit une multitude de solutions permettant à l'industrie 4.0 de migrer vers cette nouvelle ère de manière fluide et économique.
