Principes de base : IoT, IIoT, AIoT et en quoi ils représentent l'avenir de l'automatisation industrielle

L'augmentation du taux d'adoption de l'Internet des objets (IoT) s'accompagne également d'une augmentation de la demande en faveur de technologies plus avancées, telles que l'intelligence artificielle (IA) et l'apprentissage automatique (ML). Ce phénomène a pris tant d'ampleur que le sens du terme « IoT » lui-même évolue et s'élargit vers des concepts tels que l'Internet industriel des objets (IIoT), l'intelligence artificielle des objets (AIoT) et l'Internet of Heavier Things¹.

Dans le cas de déploiements industriels, la connectivité et l'intelligence offertes par l'IIoT procurent des avantages en termes de productivité, de rendement et d'autres avantages économiques. Cependant, en plus des nouveaux équipements compatibles avec l'IIoT, il existe un nombre important d'infrastructures et de machines (existantes) « inintelligentes ».

Pour éviter de laisser ces équipements se détériorer à l'écart de l'innovation technologique, cet article vous montre les moyens que les responsables de sites peuvent mettre en œuvre pour les intégrer à l'ère de l'IIoT avec des solutions de Molex, TE Connectivity, STMicroelectronics, Delta et Weidmuller.

Définition de termes

L'expression « Internet des objets » a été inventée par le Britannique Kevin Ashton, un pionnier de la technologie, lors d'une présentation effectuée chez Procter & Gamble (P&G) en 1999. Kevin Ashton a utilisé l'expression « Internet des objets » pour décrire un système dans lequel le réseau Internet est connecté au monde physique par l'intermédiaire de capteurs omniprésents. Très rapidement, l'expression Internet des objets et son abréviation IoT sont devenues courantes.

IoT : ce que les gens comprennent par « Internet des objets » a évolué au fil du temps. Actuellement, la définition la plus largement acceptée est la suivante : « Un système de dispositifs informatiques, de machines mécaniques et numériques, d'objets, d'animaux ou d'individus interdépendants qui sont dotés d'identifiants uniques et de la possibilité de transférer des données via un réseau sans nécessiter une interaction homme à homme ou homme à ordinateur. » L'expression « dispositif IoT », quant à elle, fait référence à tout dispositif autonome connecté à Internet et qui peut être surveillé et/ou contrôlé à partir d'un emplacement distant. Selon Statistica, le nombre de dispositifs IoT installés dans le monde devrait avoisiner les 30 milliards en 2020 et augmenter jusqu'à environ 75 milliards en 2025.

IIoT et AIoT : l'Internet industriel des objets (IIoT) fait référence à des capteurs, des instruments et d'autres dispositifs interconnectés qui sont mis en réseau avec des applications industrielles informatiques, y compris la fabrication et la gestion de l'énergie. Cette connectivité permet la collecte, l'échange et l'analyse de données, ce qui peut contribuer à améliorer la productivité et le rendement, et présente également d'autres avantages économiques. L'IIoT est une évolution d'un système de contrôle distribué (DCS) qui permet un degré supérieur d'automatisation en utilisant le cloud computing pour affiner et optimiser les contrôles de processus. L'IIoT dans sa forme actuelle est soutenu par des technologies telles que la cybersécurité, le cloud computing, l'edge computing, les technologies mobiles, la communication machine-à-machine, l'impression 3D, la robotique avancée, les mégadonnées (big data), l'IoT, la technologie RFID et l'informatique cognitive.

L'AIoT fait référence à l'ajout de technologies d'IA à des infrastructures et dispositifs IoT. L'IA ajoute l'apprentissage automatique (ML) et des capacités cognitives à l'IoT.

Concepts d'Industrial Awakening et d'Internet of Heavier Things

En 2017, Gartner prévoyait des dépenses mondiales en IoT de 772,5 milliards USD pour l'année 2018. Parallèlement, selon l'IDC, les dépenses en IoT des clients dans le monde devaient se chiffrer autour de 62 milliards USD en 2018. En comparaison, les dépenses en fabrication s'élevaient à 189 milliards USD, loin devant les secteurs du transport (85 milliards USD) et des services publics (73 milliards USD) combinés. De plus, Bain & Company prévoit que les applications IIoT généreront plus de 300 milliards USD d'ici 2020, soit le double du segment de l'IoT grand public (150 milliards USD).

L'expression « industrie lourde » fait référence à une industrie qui implique une ou plusieurs caractéristiques, telles que des produits de grande taille et lourds, des installations et des équipements de grande taille et lourds (des équipements lourds, des machines-outils de grande taille, de vastes bâtiments et des infrastructures de grande ampleur, par exemple) ou des processus complexes ou nombreux.

Avant l'IoT, les systèmes industriels utilisant des moteurs, des générateurs et des machines lourdes étaient en grande partie non connectés et fonctionnaient de façon isolée. Cependant, il existe de nombreux avantages à gagner en termes de rendement, de productivité et de fiabilité avec la connexion à Internet et l'intégration à l'IoT. Parmi ces avantages, citons des capacités telles qu'une surveillance et un contrôle à distance, la détection des pannes et la maintenance préventive. C'est la raison pour laquelle les nouveaux équipements industriels sont dotés d'une multitude de capteurs et de fonctions de communications.

Le problème est qu'il existe un grand nombre d'infrastructures et de machines (existantes) « inintelligentes ». On estime qu'il existe pour 6,8 mille milliards USD d'équipements de ce genre, rien qu'aux États-Unis. Les choix qui s'offrent sont de ne rien changer, de remplacer les équipements existants par des équipements modernes équivalents à un coût exorbitant, ou d'augmenter et d'améliorer les équipements existants avec des systèmes de capteur, de contrôle et de communications modernes pour entrer de plain-pied dans le 21e siècle.

L'entreprise américaine de capital-risque Kleiner Perkins a utilisé l'expression « Industrial Awakening » (réveil industriel) pour désigner l'ajout de capacités IIoT et AIoT à des systèmes industriels. Dans un article publié en 2015 relatif aux concepts de réveil industriel et d'Internet of Heavier Things, Kleiner Perkins a mentionné un rapport généré par le Forum économique mondial, qui a indiqué que ce réveil industriel (« Industrial Awakening ») devrait générer une production mondiale s'élevant à 14,2 mille milliards USD d'ici 2030.

Ajout de capacités IIoT et AIoT aux équipements existants

Les moteurs électriques sont les plus importants consommateurs d'électricité au monde. Ils comptent pour environ 2/3 de la consommation énergétique industrielle et environ 50 % de la consommation énergétique mondiale. Cela signifie que chaque seconde, une centrale électrique ou une autre source d'énergie est utilisée uniquement pour alimenter des moteurs.

Le problème est qu'un moteur industriel n'est efficace qu'à seulement environ 88 % (ce chiffre peut être sensiblement inférieur pour les moteurs commerciaux). Ce rendement peut être considérablement amélioré à l'aide de capteurs et de systèmes de contrôle appropriés.

L'un des risques les plus importants pour une entreprise industrielle est le temps d'inactivité provoqué par la défaillance imprévue d'un équipement. Une façon d'atténuer ce problème consiste à employer des pratiques de maintenance préventive, ce qui implique l'utilisation de capteurs pour surveiller l'équipement et les capacités IIoT et AIoT afin de détecter tout écart par rapport à un fonctionnement normal et de prédire les modes et intervalles de défaillance éventuels (exemple : « Le rotateur secondaire de cette machine fonctionne actuellement avec un rendement de 95 %, avec une baisse de 0,9 % par jour, et devrait subir une panne grave dans 6 jours +/- 1 jour »).

L'intérêt d'utiliser des capacités IIoT et AIoT réside dans le fait qu'elles sont capables de détecter des modèles, d'extraire des tendances à partir de données historiques et d'extrapoler des pannes potentielles bien plus efficacement qu'un humain.

Il est difficile pour un humain de détecter des modèles et d'identifier des anomalies lorsqu'il est en présence d'une grande quantité de données numériques. Cette tâche est plus simple lorsque les données sont présentées sous forme de graphique.

Par exemple, il serait difficile, voire impossible, pour un humain de détecter et d'identifier le problème dans les données numériques présentées dans la Figure 1. En comparaison, lorsque les mêmes données sont présentées sous forme graphique, un humain détecterait immédiatement l'anomalie, comme indiqué à la Figure 2.

Figure 1 : Il est difficile pour un humain de détecter des modèles et d'identifier des anomalies lorsqu'il est en présence d'une grande quantité de données numériques. (Source de l'image : « Mesures génériques provenant d'un système IoT épurées à des fins de présentation publique » provenant d'une présentation de Stephen Bates)

Figure 2 : Il est beaucoup plus facile pour un humain de détecter des modèles et d'identifier des anomalies lorsqu'il est en présence de données présentées sous forme graphique. (Source de l'image : « Mesures génériques provenant d'un système IoT épurées à des fins de présentation publique » provenant d'une présentation de Stephen Bates)

Le point important à retenir ici est que les systèmes IIoT et AIoT peuvent détecter des modèles et identifier des anomalies, indépendamment de la façon dont les données sont présentées. Par ailleurs, lorsque plusieurs systèmes identiques, qui peuvent se trouver dans des emplacements disparates et dispersés aux quatre coins du monde, sont surveillés, les systèmes IIoT et AIoT peuvent apprendre les uns des autres et utiliser les connaissances de l'un d'entre eux pour prédire les problèmes d'un autre.

Tout est une question de capteurs (et de traitement, de connectivité, etc.)

La première étape de l'amélioration des équipements industriels est l'ajout de capteurs. Il existe une très grande variété de capteurs différents, ainsi qu'un très large éventail d'options pour chaque type de capteur. Voici une liste non exhaustive des diverses propriétés que les capteurs peuvent mesurer :

Il existe littéralement des dizaines de milliers de combinaisons différentes de types/options de capteur. Quelques exemples incluent les capteurs photoélectriques Contrinex série 120254 de Molex et le dispositif de pression manométrique M3041-000006-250PG de TE Connectivity Measurement Specialties (Figure 3). Le M3041-000006-250PG fait partie de la gamme Microfused de TE Connectivity et convient à la mesure de la pression de gaz ou de liquides, même pour des milieux difficiles tels que l'eau contaminée, la vapeur et les fluides faiblement corrosifs.

Figure 3 : Le transducteur de pression M3041-000006-250PG convient à la mesure de la pression de gaz ou de liquides, même pour des milieux difficiles tels que l'eau contaminée, la vapeur et les fluides faiblement corrosifs. (Source de l'image : TE Connectivity)

Quelques exemples de kits de développement de capteurs et de cartes d'évaluation incluent les plateformes IoT Studio, le STEVAL-STLCS02V1 SensorTile, le kit de développement STEVAL-MKSBOX1V1 SensorTile.box et la carte d'évaluation de capteurs de mouvement MEMS X-NUCLEO-IKS01A3, qui proviennent tous de STMicroelectronics.

Le système de cartes d'évaluation de capteurs MEMS environnementaux et de mouvement X-NUCLEO-IKS01A3 est compatible avec la configuration de connecteurs R3 Arduino UNO (Figure 4). Il inclut l'accéléromètre LSM6DSO à 3 axes avec gyroscope à 3 axes, le magnétomètre LIS2MDL à 3 axes, l'accéléromètre LIS2DW12 à 3 axes, le capteur d'humidité et de température HTS221, le capteur de pression LPS22HH et le capteur de température STTS751.

Figure 4 : Le système de cartes d'évaluation de capteurs MEMS environnementaux et de mouvement X-NUCLEO-IKS01A3 est compatible avec le connecteur R3 Arduino UNO. (Source de l'image : STMicroelectronics)

En plus des capteurs, la mise en forme, le traitement et le contrôle des données locales seront nécessaires. Ces tâches peuvent être effectuées à l'aide de contrôleurs logiques programmables (PLC), tels que le PLC de milieu de gamme modulaire et compact série AS de Delta Industrial Automation (Figure 5).

La série AS présente des contrôleurs multifonctions hautes performances, conçus pour tout type d'équipement automatisé. Elle comprend un système sur puce (SoC) développé par Delta et basé sur des processeurs 32 bits pour une vitesse d'exécution améliorée pouvant atteindre 40 000 étapes par milliseconde. Elle prend en charge jusqu'à 32 modules d'extension ou jusqu'à 1024 entrées/sorties.

Figure 5 : La série AS de contrôleurs PLC de milieu de gamme modulaires et compacts de Delta prend en charge jusqu'à 40 000 étapes/ms et jusqu'à 1025 entrées/sorties. (Source de l'image : Delta Industrial Automation)

Parallèlement, les analyses avancées basées sur l'AIoT s'effectueront dans un contexte de fog computing et de cloud computing, ce qui nécessitera des réseaux et des communications, comme la solution complète pour la connectivité Ethernet industrielle du groupe Weidmuller.

Conclusion

À mesure de l'accélération du taux d'adoption de l'IoT, de l'ajout de l'apprentissage automatique (ML) et de l'intelligence artificielle (IA), les responsables de sites doivent trouver un moyen de moderniser les équipements industriels existants en conséquence afin d'améliorer la productivité et le rendement.

Heureusement, il existe des solutions facilement accessibles qui sont proposées par de nombreux fournisseurs et qui permettent d'ajouter de l'intelligence et de la connectivité aux systèmes existants afin de les intégrer à la révolution IIoT.

Références

1. The Industrial Awakening: The Internet of Heavier Things, Kleiner Perkins, 2015