Internet Industriel des Objets IIOT : Un système nerveux numérique à l'échelle de l'entreprise émerge enfin

22 février 2021 Si l'Internet industriel des objets (IIoT) peut fournir une opportunité théorique pour au sein d'une entreprise de recevoir toutes les informations pertinentes dont elle a besoin, il ne rend pas cela pratiquement réalisable de manière évolutive, déclare Hermann Berg, directeur de l'IoT industriel chez Moxa Europe.En utilisant l'analogie du système nerveux humain, Berg souligne que l'IIoT manque le prétraitement des informations sensorielles et parfois les réponses autonomes d'un corps humain. Il a déclaré: «Le cerveau ne recevra pas l'information que la peau de votre main droite va bien, mais il sera immédiatement averti lorsque les capteurs dans votre main signaleront une température très élevée lorsque vous toucherez un poêle chaud. Et, même avant cela, le système nerveux central aura déclenché le réflexe de retirer la main, avant que le cerveau n'ait commencé à prendre d'autres mesures, comme trouver de l'eau pour refroidir votre main.
Berg poursuit en soulignant qu'en 2018, Gartner a estimé qu'environ 10% des données générées par l'entreprise sont créées et traitées en dehors d'un centre de données centralisé traditionnel ou d'un cloud. D'ici 2025, il prédit que ce chiffre atteindra 75%. Ainsi, il est clair que le traitement local et le Edge Computing ont déjà commencé – en particulier dans les applications où la bande passante vers le cloud est limitée ou coûteuse – ou des problèmes de confidentialité ou de latence existent, mais pas seulement là-bas.
Une catégorie commune existe depuis le début de l'enregistrement des données il y a des décennies: la conversion de protocole, le nettoyage des données et d'autres prétraitements de données brutes provenant de capteurs et d'autres équipements pour les transformer en données utiles pour les systèmes en aval. L'importance du prétraitement et du nettoyage des données a considérablement augmenté grâce à un algorithme d'apprentissage automatique de plus en plus puissant. Ou, plus simplement – poubelle dedans, poubelle!
Pour l'apprentissage automatique lui-même, il existe trois catégories importantes de types de données qui correspondent à différents types d'exigences matérielles:
Données de série chronologique: il s'agit généralement de données d'état des capteurs et de la machine qui nécessitent des horodatages précis pour en tirer des informations, telles que la détection d'anomalies ou la maintenance prédictive. Audio: reconnaissance vocale et détection d'événements, pour le comptage de cycles ou la création d'alarmes, par exemple.Vidéo: les réseaux de neurones exigeants appliquent un apprentissage en profondeur pour l'inspection de la qualité et d'autres informations dérivées de caméras vidéo observant un site industriel.
Par exemple, Moxa a vu des applications d'intelligence artificielle haut de gamme pour le traitement vidéo dans des scénarios d'inspection de qualité de fabrication et pour des camions miniers autonomes et des robots de patrouille en plein air pour l'infrastructure électrique, mais aussi un traitement local beaucoup moins exigeant, basé sur des données de séries chronologiques dans l'optimisation des processus de fabrication.
«Dans la plupart de ces applications, les applications IIoT et AI ne remplacent pas la fonction d'ingénierie de commande locale», poursuit Berg. «L’IIoT et l’IAoT créent de la transparence et rendent les informations disponibles dans l’ensemble de l’entreprise et au-delà, tandis que les fonctions actuelles d’ingénierie de contrôle continuent de régir les« réflexes locaux ». L’IIoT et l’IA déclenchent des actions telles que la détection d’anomalies, la maintenance prédictive et le démarrage des tâches de récupération et d’optimisation sans délai, tandis que le «réflexe» immédiat est exécuté par le système de contrôle local existant.
Coordonnées et archives …

Laisser un commentaire