sidorovstock - stock.adobe.com

Derrière l’IIoT, un vaste éventail de besoins spécifiques à prendre en compte

À l’occasion du Sido, qui se déroulait à Lyon cette semaine, l’ESN Codit est revenue sur trois projets soulignant chacun l’échelle des projets IIoT et les défis qui les accompagnent.

La mise en œuvre réussie d’un projet industriel d’IoT suppose une prise en compte précise des besoins spécifiques du client. De la préparation au déploiement et à la mise en production, il s’agit d’exploiter les données issues des capteurs et caméras, pour les corréler et leur donner une valeur pour l’entreprise.
Bernard Lenssens, CIO, et Roch Baduel, CTO, architecte en chef de Codit, témoignaient cette semaine, sur le Sido, à Lyon, des exigences et contraintes de 3 projets IIoT, aujourd’hui en production.

Le premier concerne ADP (aéroports de Paris) et plus précisément, sa filiale Hub One, opérateur de services numériques. Pour celle-ci, Codit a conçu une solution IIoT hybride qui permet aux compagnies aériennes de surveiller en temps réel le parcours des conteneurs à bagages dans les grands aéroports français. Ce système collecte, corrèle et transforme les données issues des capteurs placés sur les conteneurs à bagages.

Les données captées par des portiques de détection, alors que les conteneurs évoluent à 30 km/h, sont envoyées sur une plateforme Azure intégrant Biztalk serveur, administrée par Codit. Après consolidation des résultats, les informations sont adressées aux compagnies aériennes, presque en temps réel et de manière sécurisée : « les contraintes sur ce projet sont diverses et une des plus importantes concerne le volume énorme des données produites par les 30 portiques avec RFID qui envoient des signaux toutes les 100 ms », précise Roch Baduel.

Les nouveaux services IoT proposés par Schneider à ses clients

De son côté, Schneider souhaitait offrir de nouveaux services à ses clients en leur proposant une plateforme de collecte des alertes et autres signaux de télémétrie issus des capteurs placés sur les équipements industriels, dont les moteurs.

Là, « Codit a mis en place une plateforme Saas multitenant – mutualisation des ressources – pour les clients de Schneider leur permettant de collecter les données provenant des lignes de production industrielle. L’impératif est de faciliter la saisie des données des équipements pour les envoyer sur les ERP SAP ou Oracle », explique Bernard Lenssens.

Et Roch Baduel d’ajouter que « le système récupère les données issues des contrôleurs incluant les défauts, alertes, et mesures pour les notifier par SMS, notification push ou email ».

Mais dans un projet de ce type, deux contraintes doivent être prises en compte. Tout d’abord, il faut s’adapter au faible débit des réseaux LPWAN, Lora et Sigfox, ce dernier étant limité à 12 octets/message et 140 messages/jour. Puis il faut placer des données de tous formats et métadonnées dans le cloud, pour les analyser, les enrichir et générer des alertes.

Le projet Darwin d’Engie fait appel à l’IoT

Le troisième projet a été lancé en mars 2019. Codit collabore avec Engie sur son projet Darwin concernant les énergies renouvelables avec les parcs éoliens, solaires et la biomasse. Il s’agit, notamment, d’acquérir des données brutes en temps réel, de les traiter et les communiquer aux administrateurs chargés de la supervision et de la maintenance via Azure Cloud.

Un des objectifs les plus prometteurs est d’effectuer la maintenance prédictive qui va au-delà de la prévention des pannes, en prévenant les administrateurs d’un défaut potentiel. Mais là, « le volume des données traitées est énorme. Elles proviennent d’une centaine de parcs dont certains comprennent 50 éoliennes qui envoient des données chaque seconde en quasi-temps réel. Nous utilisons les protocoles de communication machine OPC-UA,  Modbus, Profinet et autres. En cas de déconnexion d’Internet, le système continue de fonctionner, car il repose sur du Edge Computing. Pour les éoliennes, nous récupérons des paramètres tels que les angles des pales, la direction et la force du vent, la puissance générée, etc. », décrit Roch Baduel.

Et de poursuivre : « l’une des contraintes est de gérer le stockage à chaud ou froid (archivage des données) et d’exploiter au mieux les données agrégées. Les modèles de machine learning sont déployés dans des containeurs sur le cloud avec Kubernetes ».

Durant ce projet, les principaux problèmes identifiés ont touché à la sécurité des communications, la gestion du cycle de vie des certificats numériques d’identification et la connexion des certains équipements en proximité avec les systèmes d’Edge Computing. L’ensemble est piloté via un dashboard qui affiche l’état des équipements et leur localisation.

Au-delà de l’affichage des notifications et alertes en temps réel, ces projets mettent à disposition de nouveaux services et permettent également de réaliser une maintenance prédictive, gage de réduction des coûts de maintenance et d’une meilleure efficacité des systèmes industriels.

Pour approfondir sur Internet des objets (IoT)

Close