Le sujet qui nous intéresse aujourd’hui, est que les données recueillies à partir d’objets connectés et de capteurs, en croissance constante, n’ont jamais été aussi nombreuses, si bien que la plupart du temps elles ne sont jamais exploitées car simplement ni comprises ni analysées.

A quoi bon produire de l’information si elle n’est pas utilisée ? Au mieux, c’est de l’argent gaspillé. Au pire, c’est un dysfonctionnement du système industriel.

Penchons-nous sur l’origine du problème : les données IoT, et plus particulièrement celles de nature industrielle, sont la plupart du temps collectées sur des serveurs distants situés dans des « clouds » privés ou publics. Ce mode de collecte centralisé, pourtant largement répandu, est synonyme de nombreux inconvénients : temps de latence considérables, failles de sécurité, ruptures dans la chaîne d’acquisition.

Leurs effets néfastes s’avèrent in fine extrêmement pénalisants et décourageants pour des industriels qui ont besoin de comprendre et d’interpréter en temps réel, avec exactitude, ce qui se passe au niveau des objets et des équipements connectés.

C’est ici qu’entrent en jeu les solutions dites de « Edge Analytics » qui permettent d’analyser les données au niveau de l’équipement, là où l’information est élaborée avant qu’elle ne soit transmise au centre de calcul via un réseau, source de retards ou d’erreurs.
Dans la pratique, un terminal « Edge » se matérialise par un PC ou un serveur industriel installé dans l’atelier, voire au sein même de la machine-outil.

La connexion aux capteurs se fait via des protocoles industriels avec ou sans fils, selon les standards consacrés de l’industrie – Modbus, Canbus, OPC-UA, Profinet, Ethtercat, pour n’en citer que quelques-uns. Le terminal « Edge » embarque la plateforme analytique ainsi que les interfaces nécessaires pour communiquer avec l’infrastructure industrielle notamment les automates et les MES (Manufacturing Execution Systems).

Cette approche ‘in-situ’, au plus près de la source, est la meilleure pour toutes celles et ceux qui ont besoin de traiter et d’interpréter des quantités massives de données, comme peuvent en générer des chaînes de production ou des équipements industriels complexes tels que des éoliennes. Les temps de latence sont ainsi réduits à leur plus simple expression et la sécurité devient maximale.

Citons un certain nombre de bénéfices supplémentaires que les solutions de type « Edge Analytics » peuvent apporter à l’Internet des Objets.

Fonctionnement en mode déconnecté ou intermittent

Implémenter l’Edge Analytics réduit significativement les risques d’arrêts de production liés à des problèmes de connectivité Internet qui affectent souvent les lignes de production et autres unités de fabrication. Les systèmes d’Edge Analytics peuvent fonctionner dans des lieux où la connexion au réseau est limitée voire inexistante.

Prise de décision en temps réel

Dans des domaines industriels mettant en jeu des lignes de production automatisées et robotisées, les objets et les capteurs IoT doivent être capables d’effectuer des analyses localement sans avoir à envoyer des données au Cloud pour que les décisions soient prises instantanément sur place.

L’Edge Analytics permet de traiter les données de manière instantanée ou quasi instantanée – en une fraction de seconde.

Infrastructures informatiques locales réduites

De nombreux environnements industriels sont soumis à des contraintes d’espace, ce qui impacte la taille des infrastructures IoT. En adéquation avec ces contraintes, l’Edge Analytics peut fonctionner avec des ressources réduites, tout en garantissant la rapidité, la sécurité et donc la fiabilité du processus de décision local.

Optimisation des ressources de stockage et de la sécurité de bout en bout

Le traitement analytique des données au niveau Edge permet de réduire substantiellement la quantité de données à transférer de manière sécurisée aux centres de calcul distants car les décisions n’ont plus besoin d’être prises à distance.

Les besoins d’historisation en sont réduits et en même temps que le gain d’espace de stockage qui en résulte. Il est plus facile de garantir la sécurité d’un nombre limité de données et la vulnérabilité de bout en bout du système s’en trouve réduite d’autant.

Flexibilité et adaptabilité

La mise en place d’un traitement des données au niveau Edge signifie que la logique d’analyse peut également être définie à cet endroit par des opérateurs métiers. Ils connaissent bien l’outil industriel et peuvent réagir avec bien plus de pertinence et de rapidité qu’un opérateur central situé à distance.

De nouvelles interfaces graphiques sont désormais disponibles, qui permettent à des non informaticiens de rapidement concevoir et déployer des logiques de surveillance et d’analyse élaborées en fonction de l’évolution de l’appareil de production.

Efficacité opérationnelle accrue

Imaginons qu’une alerte sur une chaîne de production soit détectée à distance : dans ce cas il faut la transmettre au niveau local, près du poste de production et de l’objet connecté à l’origine de l’alerte, ce qui sous-entend une complexité accrue dans la gestion de l’information.

A contrario, dans une approche Edge, l’opérateur alerté est bien souvent celui qui a défini lui-même la règle de surveillance de sa machine. Il intervient plus rapidement dans un contexte connu et l’appareil de production s’affranchit du surcoût d’un système de contrôle/commande complexe.

Il apparaît clairement que l’Internet des Objets dans un contexte industriel a tout intérêt à s’appuyer sur une démarche analytique au niveau de l’Edge. Cette démarche complémentaire vient renforcer l’efficacité technique, opérationnelle et financière qui est attendue par l’ensemble des acteurs du marché. Inversement, renoncer à cette approche ou la différer, peut mettre en péril la viabilité du projet entrepris.