IoT industriel : quels sont les cas d’usage ?

Quelle différence entre l’Internet des objets (IoT) et l’Internet des objets industriels (IIoT) ?

Dans l’Internet des objets, qui vise le consommateur grand public, l’objet est la star. Un tour au CES de Las Vegas illustre cet état de fait. Les « inventeurs » ajoutent des capteurs à tous les objets de notre quotidien (bracelet, oreillers, cafetière, etc.). Le client est particulièrement réceptif à la nouveauté, au dernier gadget, à la nouvelle app (comme celle qui permet de savoir si sa plante est bien arrosée par exemple). Et ce, même si la valeur ajouté de la nouveauté en question n’est pas franchement convaincante. Dans l’IoT, le facteur « coolitude » joue à plein.

Dans l’industrie, les choses sont différentes. Très différentes.

Dans l’IIoT, les professionnels doivent justifier tous leurs achats et tous les changements technologiques en démontrant des bénéfices tangibles. La forme la plus connue de ce type d’argumentaire est le ROI (retour sur investissement). Si aucun ROI ne peut être clairement établi et chiffré, aucune entreprise sensée n’allouera le moindre euro à un projet.

Connaitre des cas d’usages peut donc aider à identifer, dans votre entreprise, des applications avec des ROI positifs

De plateforme IIoT aux « Killer apps » industrielles

Beaucoup de cas d’usages de l’IoT appliqué au milieu industriel sont en devenir. Mais ceux qui se généralisent et que l’on retrouve de secteur à secteur sont a priori ceux qui imposeront – en tout cas on peut l’espérer – les capteurs et l’utilisation des données dans les processus de production (l’usine 4.0).

A noter que ces usages passent par la création d’applications, applications qui s’appuient sur des « plateformes » des fournisseurs. Mais la tendance est de plus en plus de proposer des « apps » industrielles clefs en main, ce qui permet de réduire d’autant les développements maisons et d’intégrer les bonnes pratiques des métiers ou des secteurs. Des « killer apps » industrielles en quelque sorte.

Quels projets pour l’IIoT

Voici quelques « killers apps » industrielles qui peuvent inspirer des transformations numériques :

Maintenance prédictive – c‘est le cas le plus évoqué. Pour les opérationnels, les défaillances et les interruptions sont les pires ennemis. En identifiant en amont des signes annonciateurs de pannes (en étudiant des historiques), puis en appliquant ces découvertes à un flux de données en temps réels issus des objets, il devient possible de mettre en place des procédures d’intervention de manière proactive.

Il devient également possible de planifier des interruptions pour des opérations de maintenance aux moments où celles-ci seront le moins dérangeantes.

Diagnostic intelligent – trop souvent, la réparation ne commence que quand le technicien arrive sur place. Le spécialiste doit alors trouver les codes erreurs, les comprendre et déterminer manuellement les causes possibles en utilisant des étapes de diagnostic gravée dans le marbre.

Avec les capteurs, il est possible d’automatiser le diagnostic en enregistrant les données de fonctionnement et l’historique des réparations. Mieux, en plus de réduire les temps de diagnostic, et les temps de réparation, le système industriel peut même apprendre et s’adapter avec le temps.

La maintenance en fonction de règles- Il y a le scénario « c’est cassé, il faut réparer » et les scénarios « maintenance à intervalle régulier ». L’IIoT permet un troisième type de maintenance, une qui s’appuie sur des règles déterminées à l’avance (règles qui elles-mêmes s’appuient sur les besoins réels des machines).

Les interventions à intervalles fixes entrainent souvent un excès de déplacement, sans parler des interruptions inutiles pour des interventions qui n’étaient pas nécessaires. En sens inverse, une supervision trop espacée peut réduire la durée de vie d’une machine. L’IIoT permet de trouver un juste milieu.

Optimisation d’assets – un des énormes bénéfices de l’IoT est la visibilité, en temps réel, des opérations en cours. Les données, dans ce cas d’usage, peuvent être utilisées pour comprendre les performances des populations d’objets connectés.

En établissant des règles et des modèles opérationnels, il est possible – en s’appuyant sur les données générées – de déterminer où se trouvent les sous performances dans une chaîne. A l’avenir, on peut même envisager que ces modèles pourront trouver les causes du problème puis préconiser automatiquement des plans pour les résoudre.

Simulation de production – le cas précédent est également applicable dans un contexte de simulation. Il est incroyablement utile de pouvoir modéliser et comprendre de manière détaillée comment un changement dans un ensemble d’équipements (une nouvelle configuration ou une nouvelle machine) affecte positivement ou négativement la performance globale de l’ensemble.

Utilisation d’un asset – en plus de la chaine globale, l’IoT permet d’optimiser chaque asset individuellement. Aujourd’hui, les données télémétriques sont encore utilisées de manière très rudimentaire. Or les industriels attendent plus que de voir les données. Ils ont envie d’y appliquer des logique pour s’assurer – par exemple – de la conformité réglementaire de leurs outils.

Dans le même ordre d’idée, on voit apparaitre un usage où les données télémétriques sont utilisées pour voir quelles fonctionnalités d’une machine sont réellement utilisées, ou si ces machines fonctionnent comme attendu.

Ces deux points peuvent améliorer la qualité de la production. Et éviter des produits défaillants mis au rebus ou des produits déclassés et non conformes.

Conclusion

Cette liste n’est en aucun cas exhaustive. Il s’agit plutôt de quelques idées pour illustrer les possibles qui se dessinent. A mesure que l’industrie gagnera en maturité, de nouvelles applications IIoT – et de nouvelles « killers apps » – feront immanquablement leur apparition.

En tout état de cause, pour ceux qui réfléchissent à un projet IIoT, la clef de la réussite est de commencer par identifier des cas d’usages tangibles et ensuite de déterminer quelles technologies choisir pour les atteindre (dont la délicate question du réseau). Et pas l’inverse.