De Big à Smart - comment s’opère la valorisation des données

2017 mai 24, 13:58 Africa

Collecter des données et les utiliser pertinemment est un élément essentiel des programmes de maintenance prédictive - et prouve l'adage selon lequel le savoir c'est le pouvoir, explique Erwin Weis, chef de la technologie IoT chez SKF. Si la collecte des données est devenu un enjeu crucial, c’est leur exploitation qui leur confère de la valeur.

Dans le milieu industriel moderne, le nouvel enjeu est de transformer le « Big Data » en « Smart Data ». Le Big Data est souvent considéré comme étant une accumulation de données, générées à partir de capteurs, de systèmes connectés et d'autres équipements de mesure. Dans les faits, celles-ci ne prennent pas toutes la même forme : certaines sont « structurées » et peuvent être organisées dans un format de base de données et d'autres données sont « non structurées » et peuvent inclure un texte, des images, de l'audio ou même de la vidéo. 

Le mélange de ces deux ensembles de données différenciées créé la complexité du « Big Data ». Cette gestion de données se caractérise généralement par des exigences en termes de volume, de vitesse, de variété et de précision, nécessitant de nouveaux systèmes de bases de données pour les analyser et les exploiter. Le défi est alors de donner un sens à ces valeurs et de les transformer en « Smart Data » (données intelligentes). Pour y parvenir, des experts viennent enrichir les données brutes par leurs connaissances techniques. Dans le secteur de l’industrie, ce processus est le plus souvent appliqué à l'exploitation et à la maintenance.


La collecte de grandes quantités de données (température, pression et vibrations par exemple) et leur interprétation donnent aux opérateurs les informations dont ils ont besoin pour améliorer les conditions de fonctionnement des machines. Un bon tri et une bonne interprétation des données permettent d'améliorer les performances de la machine ou de prolonger sa durée de vie en ajustant la maintenance en fonction des résultats. Ces données structurées constituent la base de la surveillance de l'état des machines. Un exemple simple est celui de la surveillance des vibrations pour les roulements, dans lequel un jeu de données unique peut aider à prolonger la durée de vie de la machine et à en augmenter la fiabilité. Les ingénieurs de SKF ont récemment aidé l'équipe Scuderia Ferrari F1 à recueillir les données de ses chambres d'essai en temps réel. Une plateforme basée sur le modèle de celle IMx de SKF, surveillait en
permanence le comportement vibratoire des composants d'entraînement dans la chambre d'essai, traitant jusqu'à 100 000 observations par seconde. Ces données avaient été rassemblées et analysées jusqu'à 20 fois par seconde. Selon Scuderia, cela avait permis à l'équipe de « se concentrer sur les résultats plutôt que sur les données ». 


Avant la surveillance continue, l'équipe devait se rendre dans une chambre d'essai individuelle pour voir exactement la situation. Un contrôle en ligne des données de haute fréquence - en temps réel - était tout simplement impossible. Ce nouveau déploiement d’analyse avait ainsi permis d’améliorer le processus, dans un contexte où il était impossible de créer des prévisions pour la durée de vie des composants en fonction des valeurs de tendance. 


SKF avait adapté sa plate-forme IMx à cette application, car celle-ci était spécialisée pour la surveillance des applications telles que les éoliennes, nécessitant moins de canaux et des quantités de données et des puissances d'ordinateur beaucoup plus faibles.  


Évolution structurée 

Les données structurées peuvent être interprétées automatiquement. Le défi actuel consiste à automatiser ces actions, y compris avec des données non structurées. 


Aujourd'hui, les clients reçoivent régulièrement un rapport écrit sur le comportement d'une machine, développé par des ingénieurs spécialistes. Alors, que se passerait-t-il si les résultats de ces rapports pouvaient être produits automatiquement et être utilisés pour améliorer les capacités d'analyse ?
Les systèmes d’analyse industrielle, par exemple, « savent » si un défaut est grave parce que de nombreux exemples leur ont été « montrés ». Ce principe est utilisé pour vérifier la globalité de l’installation, des produits à l'inspection de la qualité. Il y a quelques années, ces défauts n'auraient pu être identifiés que par un opérateur. Désormais, un principe similaire est à l'œuvre pour les problèmes de machine plus complexes. 


Les systèmes automatisés seront bientôt en mesure d'interpréter une masse conséquente de données structurées et non structurées et de diagnostiquer
automatiquement le problème en comparant une image courante avec une image historique par exemple, ou en extrayant des données directement issues d'un rapport écrit.  


Bien que le matériel et les logiciels soient pratiquement en place, pour arriver à cette optimisation, il est encore nécessaire de s’appuyer sur les systèmes produits par différents fournisseurs. L'accès aux données, l'échange et l'interopérabilité des données ont longtemps été une préoccupation qui a tendance à se dissiper, du fait de l’ouverture et des nouvelles connaissances.  A titre d’exemple, les utilisateurs finaux servis par plusieurs fournisseurs, recherchent
des systèmes qui travaillent en relation les uns avec les autres. Le passage du « big data » au « smart data » est donc une véritable évolution.
La compréhension des données en temps réel devrait permettre d’apporter encore plus de valeur ajoutée au secteur l'industrie.

Pour plus d’informations, veuillez contacter : Relations presse : Caroline Peyronnet
tél : 01 30 12 75 42 ou 06 33 12 78 87 ; caroline.peyronnet@skf.com

SKF figure parmi les premiers fournisseurs mondiaux de roulements, joints, composants mécatroniques, systèmes de lubrification et services incluant l’assistance technique, les services de maintenance et de fiabilité, le conseil technique et la formation. SKF est représenté dans plus de 130 pays et dispose d’un réseau d'environ 15 000 distributeurs à travers le monde. En 2016, l’entreprise a réalisé un chiffre d’affaires de 72 787 millions de Couronnes suédoises (près de 7,64 milliards d’Euros) avec un effectif de 47 922 collaborateurs. www.skf.com
® SKF est une marque déposée du Groupe SKF.

SKF logo