Les cinq principaux défis de l'IIoT pour l'industrie
Découvrez les cinq principaux défis qu’une entreprise industrielle doit relever quand elle se lance dans un projet IoT, de l’adaptation de l’existant à la sécurité.
Le monde est en voie de numérisation. On assiste à une véritable explosion du nombre d'appareils intelligents qui sont en communication permanente les uns avec les autres et qui produisent d'énormes volumes de données. Et ces données entraînent une évolution du mode de gestion des entreprises.
La dynamique en temps réel sur laquelle repose l'Internet des objets appliqué à l'industrie (ou IIoT pour Industrial Internet of Things), c'est-à-dire l'analytique des données, génère à la fois de nouvelles opportunités et de nouveaux défis pour les dirigeants d'entreprise.
Une étude d’Accenture révèle que la moitié des cadres interrogés dans les secteurs de l'industrie et de la santé avouent ne pas avoir les compétences requises pour compiler et interpréter les masses de données disparates présentes dans leurs installations.
Pourtant, 72 % de ces entreprises craignent de perdre des parts de marché au cours de l'année à venir si elles ne parviennent pas à mettre en oeuvre leur stratégie en matière de Big Data.
Alors, qu'est-ce qui les en empêche ? Passons en revue les cinq principaux défis auxquels font face les entreprises à l'ère de l'IIoT.
1. Visibilité au niveau des actifs
L'amélioration de la capacité est l'un des avantages des systèmes d'information de pointe. Pour atteindre leurs objectifs de production, les entreprises doivent pouvoir contrôler leurs actifs en temps réel et s'assurer qu'ils fonctionnent à un niveau optimal. Elles doivent également bénéficier d'une visibilité accrue et de meilleures informations sur l'état des machines, afin de pouvoir détecter d'éventuelles anomalies et les corriger avant que des problèmes surviennent.
La gestion de la performance des actifs peut renseigner sur des questions essentielles, telles que la fréquence des pannes d'un équipement afin que celui-ci puisse être traité en priorité, les modes d'entretien et, les méthodes permettant d'éviter des pannes et interruptions non planifiées.
2. Intégration des technologies
A l'origine, la gestion des technologies industrielles se répartissait entre technologies de l'information (IT) et technologies d'exploitation (OT). L'IT fonctionne de haut en bas, en déployant et en gérant une infrastructure orientée données, tandis que l'OT est conçue de bas en haut, en partant des équipements et des actifs et en remontant jusqu'aux systèmes de surveillance et de contrôle industriel.
Avec l'émergence de machines plus intelligentes et l'omniprésence de l'IIoT, les environnements IT et OT ont convergé. Les deux technologies, développées séparément avec des architectures de systèmes indépendants, doivent être intégrées de façon sécurisée, sans occasionner de perte de données ni créer de failles.
3. Vieillissement de la main-d'oeuvre
Même si les jeunes générations apportent de nouvelles compétences, il est crucial de recueillir et de préserver les connaissances accumulées par les employés expérimentés afin d'en faire bénéficier leurs successeurs. Les entreprises doivent se préparer à ce changement imminent, en faisant appel aux technologies numériques pour faciliter la transition.
Le Cloud computing et les technologies logicielles avancées révolutionnent le processus de gestion des données et s'adaptent à une génération plus jeune et plus habituée au numérique. Les technologies de gestion et d'analytique des données dotées d'une interface mobile simple augmentent considérablement la productivité dans toute l'entreprise et réduisent les coûts imputables à l'organisation et à l'analyse manuelle des données.
Par ailleurs, la capacité à mieux anticiper les problèmes de maintenance et à éliminer les pannes inattendues pourrait permettre aux industriels d'économiser des milliards de dollars par an.
4. Ilots de données
Quelle que soit l'entreprise, la difficulté est de ne pas se laisser submerger par les informations. La plupart des sociétés sont noyées sous un déluge de données générées par des technologies de stockage, de détection et de communication à bas coût, et elles sont peu nombreuses à savoir les exploiter pleinement.
Un Big Data qui n'est ni structuré ni contextualisé est difficile à stocker et à analyser intégralement et de façon rentable par les méthodes informatiques classiques. Il peut en outre déboucher sur la formation d'îlots de données.
Ces îlots sont issus soit de décisions opérationnelles prises en l'absence de toute stratégie globale des données, soit de la superposition de systèmes existants avec des technologies plus récentes, sans qu'un système de gouvernance des données soit en mis place. Les données se retrouvent cloisonnées, leur fragmentation présentant alors des défis techniques et organisationnels.
Ainsi, lorsque les données sont éparpillées dans l'usine et l'entreprise, leur intégration et leur analyse manuelles mobilisent énormément de ressources et de temps. En conséquence, elles risquent d'avoir perdu de leur valeur avant même d'être organisées.
5. Cybersécurité
Alors que des milliards d'actifs deviennent plus intelligents et sont mis en réseau pour permettre le stockage d'informations dans le Cloud, les risques pour la confidentialité des données numériques se multiplient. Les cyberattaques présentent de nombreuses menaces, tant pour les appareils personnels que pour les systèmes informatiques d'entreprise, et les personnes comme les institutions deviennent vulnérables sur le plan financier et opérationnel.
Fort heureusement, les dirigeants sont de plus en plus sensibilisés à la lutte contre ces risques. Les fournisseurs déploient désormais des solutions visant à empêcher les cyberattaques. Cependant, à l'heure où les industriels investissent massivement dans les technologies numériques, la sécurité doit être prise en compte dans les critères de sélection.
Si les défis en matière d'IIoT paraissent à première vue insurmontables, ils s'accompagnent de formidables opportunités d'amélioration de la productivité et de croissance pour peu que les entreprises soient prêtes à mettre en oeuvre de façon systématique les solutions actuelles de gestion et d'analytique des données.