Internet Industriel des Objets IIOT : IoT industriel – De la surveillance conditionnelle à la qualité prédictive pour numériser votre usine avec AWS IoT Services

L'IoT industriel (IIoT) comble le fossé entre les équipements industriels et les réseaux d'automatisation (généralement appelés OT, Operations Technology) et les technologies de l'information (IT). En informatique, l'utilisation de nouvelles technologies telles que l'apprentissage automatique, le cloud, le mobile et l'informatique de pointe deviennent monnaie courante. IIoT rassemble les machines, le cloud computing, l'analyse et les personnes pour améliorer les performances, la productivité et l'efficacité des processus industriels, permettant aux clients de se tourner vers les applications IIoT pour une qualité et une maintenance prédictives et de surveiller à distance leurs opérations depuis n'importe où.
Mais la réalisation de la valeur de l'IIoT est difficile et il y a généralement trois éléments qui, d'après notre expérience, freinent les fabricants:

Les données sont collectées trop rarement
Les données sont difficiles d'accès
Impossible de surmonter les silos de données et de lier les données entre elles

Ce blog explorera comment les entreprises industrielles peuvent utiliser la qualité prédictive pour déterminer des actions telles que l'ajustement des paramètres de la machine, l'utilisation de différentes sources de matières premières ou la formation supplémentaire des travailleurs qui améliorera la qualité de la production en usine.
En tirant parti des services AWS IoT, les entreprises industrielles de différents secteurs tels que l'exploitation minière, l'énergie et les services publics, la fabrication, l'agriculture de précision et le pétrole et le gaz peuvent raisonner en plus des données opérationnelles et améliorer les performances, la productivité et l'efficacité.
Situation actuelle et défis de l'industrie
Que vous soyez dans la fabrication, les services publics, l'exploitation minière, le pétrole et le gaz ou tout autre segment du marché industriel, vous disposez d'équipements hérités qui fonctionnent raisonnablement bien depuis 10, 20 ou même 30 ans. De nombreuses entreprises industrielles ont réalisé des investissements importants dans des technologies opérationnelles telles que les PC industriels (IPC), les contrôleurs logiques programmables (PLC) ou les grands systèmes de contrôle distribués (DCS) avec des réseaux de contrôle distribués en temps réel (bus de terrain) les reliant, et le contrôle et les données de supervision. Systèmes d'acquisition (SCADA). Les technologies opérationnelles ont été conçues et déployées pour durer quelques décennies, sont profondément ancrées et sont très difficiles à remplacer.
L'image suivante montre l'architecture ISA-95 Industrial Edge et comment les éléments mentionnés ci-dessus sont liés les uns aux autres.

Figure 1 – La pyramide d'automatisation selon le modèle ISA 95 (source: researchgate.net)
Si nous voulons bénéficier de nouvelles technologies telles que l'IoT, l'apprentissage automatique et la vision par ordinateur, nous devons adapter les équipements et les systèmes existants, qui n'ont pas été conçus pour les applications IoT.
Le premier défi pour toute application IIoT est de connecter des équipements hérités, afin que nous puissions collecter des données de différents appareils (capteurs, actionneurs, moteurs électriques) de différents fabricants. Dans de nombreuses situations, nous devons nous adapter à différents protocoles de l'industrie ou même à des modifications, en ajoutant de nouvelles technologies aux anciens systèmes afin qu'ils soient capables de mesurer, de permettre le contrôle à distance et de se connecter.
Le deuxième défi et le plus important vient avec la connectivité, est la sécurité. Nous devons sécuriser l'appareil et ses données. La défaillance d'un équipement ou d'un système dans un environnement de production peut entraîner des temps d'arrêt coûteux et un impact sur l'entreprise. Nous devons nous assurer que les appareils connectés industriels peuvent fonctionner à des performances optimales sans connectivité cloud. Les processus de collecte de données ne doivent pas interférer avec le fonctionnement de l'appareil et garantir que toute opération de contrôle à distance ou de mise à jour est effectuée de manière sécurisée par les seuls opérateurs autorisés.
Une fois que les données sont sécurisées, le troisième défi consiste à obtenir des informations. Les données peuvent être verrouillées dans différents «étages» de l'usine (différents niveaux de l'architecture ISA-95). Afin d'obtenir des informations sur toutes les données brutes, il est essentiel de lier les données entre elles, peu importe si les données proviennent de différents appareils, fabricants, historiens, bus de terrain, systèmes ou bases de données.
Comment ça fonctionne
AWS IoT aide les entreprises industrielles à surmonter les défis pour atteindre leurs objectifs commerciaux.
Tout d'abord, AWS IoT vous permet de connecter, gérer et mettre à jour facilement des appareils de tout type, des petits microcontrôleurs aux dispositifs de passerelle plus puissants. Vous pouvez intégrer votre équipement existant existant dans l'atelier de fabrication, comme les contrôleurs logiques programmables (PLC) et les systèmes de contrôle et d'acquisition de données (SCADA) en déployant des capteurs simples pour surveiller les processus et suivre les indicateurs de performance clés sans réviser ou remplacer le matériel existant.
Deuxièmement, AWS IoT fournit une authentification et une autorisation intégrées des appareils pour protéger vos données et appareils IoT. Vous pouvez également auditer en continu les politiques de sécurité associées à vos appareils, surveiller votre parc d'appareils pour détecter tout comportement anormal et recevoir des alertes si quelque chose ne va pas. Vous pouvez même prendre des mesures correctives, telles que la mise hors tension des appareils ou l'application d'un correctif de sécurité.
Troisièmement, AWS IoT permet aux appareils connectés de fonctionner avec une connectivité Internet intermittente pour atténuer les risques de temps d'arrêt inattendu. Vous pouvez exécuter des modèles d'apprentissage automatique ou du code logiciel et stocker des données localement jusqu'à ce qu'une connexion Internet soit disponible.
AWS IoT offre des capacités «plug and play» afin que vous puissiez faire évoluer vos applications IoT sur des milliers ou des millions d'appareils. Avec AWS IoT, vous pouvez organiser l'inventaire des appareils, surveiller votre flotte d'appareils et gérer à distance les appareils sur de nombreux sites, y compris la mise à jour du logiciel de l'appareil par liaison radio (OTA).
Dans l'image suivante, vous pouvez voir comment les différents services AWS IoT peuvent fonctionner ensemble pour faire de l'IIoT une réalité pour votre entreprise.

Figure 2 – Architecture de référence industrielle AWS IoT.

Une fois les appareils correctement intégrés, AWS IoT offre un moyen simple d'exécuter des analyses sur les données IoT. AWS IoT collecte, traite et analyse les données IoT rapidement et facilement afin que vous puissiez obtenir des informations opérationnelles. AWS IoT s'intègre à Amazon SageMaker afin que vous puissiez créer des modèles d'apprentissage automatique pour vos données IoT industrielles. Ces modèles d'apprentissage automatique peuvent s'exécuter dans le cloud et peuvent être déployés localement sur des appareils. Avec Amazon QuickSight, vous pouvez visualiser et explorer des données et partager des informations entre les équipes.
Dans la section suivante, vous trouverez une explication détaillée de la valeur des différents services AWS IoT pour prendre en charge les cas d'utilisation industrielle les plus importants:

Surveillance de l'état des actifs
Maintenance prédictive
Qualité prédictive

Principaux cas d'utilisation industrielle et procédure pas à pas d'architecture
Surveillance de l'état des actifs
La surveillance de l'état des actifs capture l'état de vos machines et équipements afin que vous puissiez comprendre les performances de l'actif sur le terrain ou en usine. En règle générale, les données telles que la température, les vibrations et les codes d'erreur indiquent si l'utilisation de l'équipement est optimale mais difficile à capturer manuellement car les techniciens doivent inspecter physiquement les machines. Avec AWS IoT, vous pouvez capturer toutes les données IoT et surveiller les performances. Avec une visibilité accrue, vous pouvez maximiser l'utilisation des actifs et exploiter pleinement votre investissement.
Nous suggérons l'architecture de référence suivante pour effectuer la surveillance de l'état des actifs (aka Condition Based Monitoring) dans les environnements industriels.

Figure 3 – Architecture de référence industrielle AWS IoT pour la surveillance de l'état des actifs
Examinons le rôle de chaque service AWS IoT pour vous fournir un cas d'utilisation global de surveillance de la condition des actifs au sein de votre secteur:

AWS IoT Greengrass offre des capacités locales de calcul, de messagerie, de mise en cache des données, de synchronisation et d'inférence ML aux périphériques de périphérie. Dans ce cas d'utilisation spécifique, AWS IoT Greengrass vous fournit:

Avec les connecteurs AWS IoT Greengrass et les fonctions lambda de longue durée pour s'intégrer à tous les protocoles et appareils industriels existants. En outre, avec AWS IoT Greengrass, vous avez également accès aux ressources locales de la passerelle sur laquelle elle s'exécute, ce qui permet à AWS IoT Greengrass de recevoir des données de capteur et de gérer l'appareil via GPIO, des ports série ou toute autre interface. AWS IoT Greengrass peut se connecter à des systèmes de niveau supérieur tels que SCADA ou même MES pour enrichir les informations provenant des appareils industriels et également pour renvoyer les données de l'atelier au bus MES. Dans l'image suivante, vous pouvez voir comment AWS IoT Greengrass peut communiquer avec les périphériques hérités existants.

Figure 4 – AWS IoT Greengrass faisant la traduction de protocole pour se connecter aux machines d'usine existantes.

Vous pouvez également opérer hors ligne. AWS IoT Greengrass permet aux appareils connectés de fonctionner même avec une connectivité intermittente au cloud. Une fois l'appareil reconnecté, AWS IoT Greengrass synchronise les données sur l'appareil avec AWS IoT Core, offrant une fonctionnalité transparente quelle que soit la connectivité.
Vous aide à réduire le coût d'exécution des applications IoT. Vous pouvez obtenir de riches informations à moindre coût en programmant votre appareil pour filtrer les données localement (et même en faisant des inférences d'apprentissage automatique en périphérie) et en ne transmettant que les données dont vous avez besoin pour vos applications dans le cloud. Cela réduit la quantité de données brutes transmises au cloud, minimisant les coûts et augmentant la qualité des données que vous envoyez au cloud. Vous pouvez même avoir le paradigme ETL (Extract-Transform-Load) au bord, où vous extrayez les données des machines d'usine en faisant la conversion de protocole, vous transformez les données au bon format puis chargez (c'est-à-dire envoyez) les données dans AWS IoT Core.

Figure 5 – AWS IoT Greengrass effectuant un traitement local des données IoT.

AWS IoT Core est un service cloud géré qui permet aux appareils connectés d'interagir facilement et en toute sécurité avec les applications cloud et d'autres appareils. AWS IoT Core peut prendre en charge des milliards d'appareils et des milliards de messages, et peut traiter et acheminer ces messages vers des points de terminaison AWS et vers d'autres appareils de manière fiable et sécurisée. Dans ce cas d'utilisation spécifique,

AWS IoT Core peut filtrer, transformer et agir sur les données de l'appareil à la volée, en fonction des règles métier que vous définissez. Vous pouvez utiliser les règles IoT pour pouvoir détecter en temps réel les dysfonctionnements de l'équipement et rediriger ces informations vers le bon service. Dans ce cas, si des erreurs sont détectées, nous envoyons ces erreurs au service de messagerie AWS SNS pour envoyer un SMS ou un e-mail au directeur d'usine pour prendre des mesures. En outre, toutes les informations sont envoyées à AWS IoT Analytics pour un traitement et une analyse ultérieurs des données.

AWS IoT Analytics est un service entièrement géré qui facilite l'exécution et l'opérationnalisation d'analyses sophistiquées sur des volumes massifs de données IoT sans avoir à se soucier du coût et de la complexité généralement requis pour créer une plateforme d'analyse IoT. Dans ce cas d'utilisation spécifique,

AWS IoT Analytics peut enrichir les données IoT reçues de l'équipement industriel avec des informations situées dans d'autres sources, combler les lacunes en cas de données manquantes, éliminer les fausses lectures et effectuer des opérations mathématiques au cas où les capteurs ne seraient pas correctement calibrés.
AWS IoT Analytics peut préparer les données à visualiser directement avec Amazon QuickSight et à analyser avec l'apprentissage automatique à l'aide d'Amazon SageMaker.

Avec la base de cette architecture, nous avons les bonnes pièces pour répondre au cas d'utilisation suivant, la maintenance prédictive.
Maintenance prédictive
L'analyse de maintenance prédictive capture l'état de l'équipement industriel afin que vous puissiez identifier les pannes potentielles avant qu'elles n'affectent la production. Avec AWS IoT, vous pouvez surveiller et déduire en permanence l'état, la santé et les performances de l'équipement pour détecter les problèmes en temps réel. Lorsque les organisations utilisent l'analyse de maintenance prédictive, l'équipement dure plus longtemps, la sécurité des travailleurs augmente et la chaîne d'approvisionnement est optimisée.
Pour la maintenance prédictive, nous suggérons l'architecture de référence suivante:

Figure 6 – Architecture de référence industrielle AWS IoT pour la maintenance prédictive
Si vous comparez cette architecture avec la précédente pour la surveillance de l'état des actifs, vous verrez quelques fonctionnalités supplémentaires qui vous permettent d'anticiper les pannes d'équipement:

Amazon SageMaker est un service entièrement géré qui couvre l'intégralité du flux de travail d'apprentissage automatique pour étiqueter et préparer vos données, choisir un algorithme, former le modèle, le régler et l'optimiser pour le déploiement, faire des prédictions et agir. Dans cette architecture spécifique,

Amazon SageMaker peut appliquer directement un algorithme déjà existant ou tout algorithme personnalisé en plus des données propres traitées par AWS IoT Analytics. Vous pouvez effectuer une classification statistique grâce à une méthode appelée régression logistique. Vous pouvez également utiliser la mémoire à long terme et à court terme (LSTM), qui est une puissante technique de réseau neuronal pour prédire la sortie ou l'état d'un processus qui varie dans le temps. Les modèles de bloc-notes prédéfinis prennent également en charge l'algorithme de clustering K-means pour la segmentation des appareils, qui regroupe vos appareils en cohortes d'appareils similaires. Ces modèles sont généralement utilisés pour profiler la santé et l'état des appareils, tels que les unités CVC dans une usine ou l'usure des pales d'une éolienne.

AWS IoT Greengrass facilite l'exécution locale de l'inférence d'apprentissage automatique sur les appareils, à l'aide de modèles créés, formés et optimisés dans le cloud. AWS IoT Greengrass vous offre la flexibilité d'utiliser des modèles d'apprentissage automatique dans Amazon SageMaker ou d'apporter votre propre modèle pré-formé stocké dans Amazon S3. Dans cette architecture,

Une fois le modèle prédictif formé dans AWS Cloud, le modèle peut être déployé dans AWS IoT Greengrass et effectuer une inférence d'apprentissage automatique localement. De cette manière, vous pouvez exécuter des actions correctives immédiates sur le bord, localement, si le modèle prédit anticipe un comportement défectueux, votre usine fonctionnera toujours du côté sûr.

Maintenant, améliorons l'architecture de référence de la maintenance prédictive pour atteindre la qualité prédictive, ce qui est l'objectif de toute usine intelligente.
Qualité prédictive
L'analyse de qualité prédictive extrait des informations exploitables à partir de sources de données industrielles telles que l'équipement de fabrication, les conditions environnementales et les observations humaines. L'objectif de l'analyse prédictive de la qualité est de déterminer des actions telles que l'ajustement des paramètres de la machine ou l'utilisation de différentes sources de matières premières qui amélioreront la qualité de la sortie d'usine. À l'aide d'AWS IoT, les fabricants industriels peuvent créer des modèles de qualité prédictive qui les aident à créer de meilleurs produits. Des produits de meilleure qualité augmentent la satisfaction des clients et réduisent les rappels de produits.
L'architecture de référence recommandée pour la qualité prédictive, non seulement surveille l'état des équipements industriels (surveillance de l'état des actifs) et prédit les pannes (maintenance prédictive), mais surveille également la qualité du produit fabriqué à toutes les étapes de la chaîne de production, en ajoutant vision par ordinateur et apprentissage automatique comme vous pouvez le voir sur l'image suivante:

Figure 7 – Architecture de référence industrielle AWS IoT pour la qualité prédictive
Dans cette nouvelle architecture, nous ajoutons les éléments suivants:

Vision par ordinateur pour capturer via des images et / ou des vidéos le produit dans chacune des phases. Dans cette architecture,

Grâce à AWS IoT Greengrass, vous pouvez vous connecter à n'importe quelle caméra simple, effectuer la traduction de protocole requise et transformer cette caméra en caméra intelligente en exécutant l'inférence d'apprentissage automatique à la périphérie.

Initialement, suffisamment d'images et / ou de vidéos ont été téléchargées sur le cloud et stockées dans S3, pour pouvoir former un modèle d'apprentissage automatique de vision approprié à votre produit. Ce modèle effectuera automatiquement la détection des produits défectueux.
Une fois le modèle d'apprentissage automatique formé, nous pouvons déployer ce modèle dans AWS IoT Greengrass et exécuter l'inférence d'apprentissage automatique localement, donc même si vous perdez la connectivité à Internet, vous pourrez toujours faire l'inférence et évaluer la qualité localement.

Lorsque les entreprises industrielles commencent à créer des applications IoT, elles sont souvent préoccupées par l'intégration d'équipements hérités. la sécurité des données et des appareils, les temps d'arrêt imprévus et l'obtention d'informations précieuses à partir des données collectées.
AWS IoT offre des capacités «plug and play» pour se connecter aux équipements existants, quel que soit le fabricant, extraire les données des appareils et les contrôler de manière sécurisée et enfin obtenir les informations nécessaires avec toutes ces données.
Dans ce blog, nous avons examiné les services et architectures AWS IoT recommandés pour effectuer la surveillance de l'état des actifs, la maintenance prédictive et la qualité prédictive afin de vous permettre de numériser facilement votre secteur.

Laisser un commentaire