Ce projet s’inscrit dans le cadre de la préparation du diplôme d’ingénieur en Instrumentation et Maintenance industrielle. Il a été réalisé au sein de l’entreprise Talan Solutions acteur majeur dans l’accompagnement des entreprises dans la transformation digitale. Le projet s’inscrit en outre dans le registre des actions menant l’entreprise à développer des projets avant-gardistes lui permettant de bien se positionner dans le marché de l’Internet des Objets. L’objectif était de réaliser un benchmark des solutions IoT présentes sur marché et ainsi de développer une interface de communication entre une plateforme cloud IBM Bluemix et une plateforme de gestion d’actifs industriels IBM Maximo Asset Management. L’interface propose des fonctionnalités de gestion de la maintenance dont l’une celle de la maintenance prédictive, une approche cognitive facilitant la prise de décision et permettant d’optimiser les ressources.
Benchmark des solutions IoT et intégration d'une plateforme à un progiciel de gestion d'actifs
1. Projet de fin d’études
Pour l’obtention du
Diplôme National d’Ingénieur
en Sciences Appliquées et en Technologie
Filière : Instrumentation et Maintenance Industrielle
Sujet :
Benchmark des solutions IoT et intégration
d’une plateforme IoT à un progiciel de gestion d’actifs
Réalisé par : Mr Karim GMIR
Présenté le : 9 Octobre 2017
Présidente du Jury : Mme Salma BEN SAID
Examinatrice : Mme Olfa MARRAKCHI
Responsable à l’INSAT: Mme Zahra BEN ACHOUR
Responsable à l’entreprise : Mr Ramzi HADIJI
2. 29/08/2018 2
Plan de la présentation
01
02
Introduction
Révolution industrielle.
Industrie 4.0
Contexte du projet
Présentation du groupe Talan.
Définition du projet.
03Benchmark des solutions
« Internet of Things »
Présentation d’une solution IoT
Benchmark des plateformes IoT
Enjeux IoT en maintenance industrielle
Cas d’utilisation IoT dans le monde
04
05
Conception de la solution
Présentation de la solution.
Contexte industriel.
Fonctionnalité de la solution.
Réalisation de la solution
Architecture de la solutions.
Environnement IBM Maximo.
Environnement IBM Bluemix.
06Conclusion
Contribution de la solution.
Perspective.
4. 29/08/2018 429/08/2018 4
Introduction Contexte Benchmark Conception Réalisation Conclusion
Révolutions industrielles
I II III
Au 18ème siècle
Énergie hydraulique
et fossile
Au 19ème siècle
Énergie électrique
Production en masse
Au 20ème siècle
Télécommunication
et logique programmable
6. 29/08/2018 629/08/2018 6
Introduction Contexte Benchmark Conception Réalisation Conclusion
Industrie 4.0
Le principe de l’industrie 4.0 est apparue en Allemagne et fait référence à la nouvelle génération des industries
intelligentes ou également nommée « Smart Factories ».
Les principes clés de l’industrie 4.0
Usine numérique
Elle est instantanément et
continuellement connectée aux
différents périphériques et
postes de travail intégrés dans
les chaînes de production et
d’approvisionnement.
Traitement des données
Elle permet de traiter des
données à une vitesse
phénoménale. Elle fait ressortir
de valeur à partir des données
issues de plusieurs plateformes.
Les indicateurs calculés aident à
la prise de décision.
Maîtrise de l’énergie et des
ressources
La connexion entre les
différents postes de travail de
l’usine assure une supervision
efficace des flux d’entrée et de
sortie et ainsi assurer une
meilleure maîtrise des ressources
de l’entreprise.
7. 29/08/2018 729/08/2018 7
Introduction Contexte Benchmark Conception Réalisation Conclusion
Les leviers à l’origine de son développement
Capteurs connectés Big Data Analyse prédictive
9. 29/08/2018 929/08/2018 9
Introduction Contexte Benchmark Conception Réalisation Conclusion
Présentation du groupe
15ans
d’existence
160 millions €
de chiffre d’affaire
< 8%
Turn-Over
1700
Collaborateurs
9
pays
10. , son organisation
Pôles d’Expertises
Solutions BI & BIG DATA, CRM,
ERP, EAM et FrontEnd
Multi-spécialistes sectoriels pour
adresser les projets de bout en bout avec
un fort ancrage « métiers », sur les
aspects fonctionnels
et techniques
autour des Systèmes d’informations
Pôle d’expertise autour des
Technologies et Pratiques du
Digital pour des réponses sur mesure
Solutions en Nearshore
autour du Digital et du
Testing
Pôle Conseil
Comprendre les enjeux
Identifier les leviers de la
transformation
Partenaires stratégiques, industriels,
commerciaux
-> création valeur par technologies,
solutions, services
1
6
2
3
4
5
10
Introduction Contexte Benchmark Conception Réalisation Conclusion
11. EXL Group devient Talan Solutions
Janvier 2016
Introduction Contexte Benchmark Conception Réalisation Conclusion
6
BI
Big Data
CRM
EAM
ERP
Services digitaux
12. Les secteurs de prédilection
Énergie
Finance
Transport
& Logistique
AvenirIndustrie
Télécom
& Médias
Assurance
Service Public
Introduction Contexte Benchmark Conception Réalisation Conclusion
13. Les clients, Acteurs majeurs de leurs secteurs
13
Introduction Contexte Benchmark Conception Réalisation Conclusion
14. 29/08/2018 1429/08/2018 14
Introduction Contexte Benchmark Conception Réalisation Conclusion
Définition du projet
Benchmark des solutions « Internet of Things » présentes sur le marché.
Réaliser une interface de communication entre une plateforme IoT et
une plateforme de gestion d’actifs industriels.
15. 29/08/2018 1529/08/2018 15
Introduction Contexte Benchmark Conception Réalisation Conclusion
Définition du projet
Définition du métier
Actif industriel
Fonctions de l’actif
Usage nominal
Sécurité
…
Performances de l’actif
Pertes d’exploitation
Accidentologie
…
Équipement de l’actif
Nature
Historique de
maintenance…
Interopérabilité
Traitement des données
GMAO EAM
16. 29/08/2018 1629/08/2018 16
Introduction Contexte Benchmark Conception Réalisation Conclusion
Définition du projet
Technologie requise
Plateforme pour la
gestion d’actifs industriels
Maximo comporte les modules:
Gestion d’actifs.
Gestion de travaux.
Gestion des outils et du matériel.
Gestion de l’approvisionnement.
Gestion des contrats.
Gestion des services.
Plateforme Cloud et de
développement d’applications
IBM Bluemix est une PaaS et contient:
Des runtimes, des applications via
CloudFoundry.
Des conteneurs via Docker.
Des machines virtuelles.
17. 29/08/2018 1729/08/2018 17
03Benchmark des solutions
« Internet of Things »
Présentation d’une solution IoT
Benchmark des plateformes IoT
Enjeux IoT en maintenance industrielle
Cas d’utilisation IoT dans le monde
18. Introduction Contexte Benchmark Conception Réalisation Conclusion
Présentation d’une solution IoT
Définition de « l’Internet of Things »
« L’internet of Things »:
Est une infrastructure de réseau global et dynamique.
Est Capable de s’auto-configurer.
Est basé sur des standards et des protocoles de communication.
Utilise des interfaces intelligentes.
S’intègre de manière transparente dans un réseau d’information.
19. Introduction Contexte Benchmark Conception Réalisation Conclusion
Présentation d’une solution IoT
Architecture d’une solution IoT
Capteurs
Réseau
Gestion des capteurs
Gestion des données
20. Introduction Contexte Benchmark Conception Réalisation Conclusion
Benchmark des plateformes IoT
Qu’est-ce qu’une plateforme IoT
Une plateforme IoT renferme un catalogue riche de services avec lesquels il est possible de :
Gérer la connexion des capteurs.
Créer des applications.
Communiquer avec d’autres applications ou d’autres plateformes.
Traitement et calcul des indicateurs de performances.
Créer des interfaces pour la visualisation des données.
…
450 Plateformes
En 2017
Comment choisir une plateforme IoT
Évolutivité.
Étendue de l’architecture existante.
Amélioration des résultats.
Interactivité entre l’entreprise et ses clients.
Stratégie de gestion des données.
Tarification.
Outils de développement.
Collecte et analyse de données.
Application de gestion de périphériques.
Connectivité et flexibilité.
Sécurité.
Scalabilité.
21. Introduction Contexte Benchmark Conception Réalisation Conclusion
Benchmark des plateformes IoT
Positionnement sur le marché des plateformes IoT
IBM
Microsoft Azure
AWS
22. Introduction Contexte Benchmark Conception Réalisation Conclusion
Benchmark des plateformes IoT
Comparatif des plateformes IoT
Plateforme
IoT
Stockage des
données
Intégration
de services
Visualisation
des données
SDK, API
Gestion
d’évènements
Tarification
et gratuité
AWS IoT
platform
Disponible avec
les services
elastic search et
kibana
Gratuité un an
puis 5$ par
million de
messages
IBM IoT
foundation
device cloud
Essai gratuit
de 1 mois
MS Azure IoT
Suite
Disponible
avec IoT hub
Forfait gratuit
de 170 euro
23. Introduction Contexte Benchmark Conception Réalisation Conclusion
Enjeux IoT en maintenance industrielle
Du préventif au prédictif, migrer au cognitif
45 % Des actions de maintenance, sont de type maintenance préventive systématique.
On retrouve des maintenances préventives systématiques basées:
Sur un calendrier de maintenance. Sur des métriques.
Source Roland Berger, Strategy Consultant
L’industrie 4.0 a fait émerger une nouvelle approche de maintenance, la maintenance prédictive:
Déterminer l’état de santé de la machine.
Déterminer la RUL (Remaining useful life).
Les interventions de maintenance sont enclenchées:
Si la pourcentage de l’état de santé dépasse une valeur critique.
L’estimation du coût de la panne dépasse celui de la maintenance systématique.
15 %
40 %
Maintenance prédictive
Maintenance corrective
24. Introduction Contexte Benchmark Conception Réalisation Conclusion
Cas d’utilisation IoT dans le monde
Source Roland Berger, Strategy Consultant
Multinationale américaine.
Fournisseurs de machines industrielles.
Implémentation d’une solution de
maintenance prédictive.
Entreprise française.
Éditeur de sa propre plateforme Cloud.
Solution de maintenance prédictive en
Partenariat avec Bouygues.
Géant du telecom en France
Objenious une filiale de Bouygues
telecom spécialisée dans l’IoT
Projet Carrefour France
Géant industriel allemand, a mis en place
Une solution IoT à l’aide de la plateforme
Cloud MS Azure.
26. Introduction Contexte Benchmark Conception Réalisation Conclusion
Présentation de la solution
Plateforme
IoT
Traitement
Connection
Stockage
Echange des
données
IBM Bluemix
Capteur de température
TI SENSOR TAG Périmètre d’intervention sur la solution
Le capteur TI Sensor Tag envoie la valeur de la mesure de température ambiante via le
protocole MQTT.
L’information est ensuite acquise et traitée suivant les fonctionnalités de la solution .
27. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
La solution permet de traiter 3 cas d’utilisation :
Maintenance conditionnelle.
Enclencher des interventions d’inspection
suite à un dépassement de seuil de criticité.
Estimation de la date de dépassement d’une valeur critique.
Estimation de la date de dépassement d’une valeur critique préalablement établie est
réalisée à l’aide de la méthode de régression linéaire.
Maintenance prédictive.
Entrainement d’un modèle de prédiction suite
à un apprentissage à partir de données issues d’un historique.
28. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance conditionnelle
Température en °C
Temps
Ta
Tc
Ta : Température caractéristique de présence d’anomalie.
Tc : Température critique
Informer le
responsable de la
présence d’anomalie
Informer le
responsable et
déclencher une
intervention
d’inspection sur
Maximo
29. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Estimation de la date de dépassement d’une valeur critique
Instant de dépassement
de la valeur critique
Temps
Température en °C
Tc
Tc : Température critique
La tendance d’évolution
30. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, principe de l’approche
Historique de maintenance
Information des capteurs IoT
Système SCADA
Données en temps réel Modèle de prédiction
Extraction des descripteurs
Apprentissage du modèle
de prédiction
Précision de la
prédiction.
Validation du
modèle de
prédiction
Prédiction des pannes
Machine Learning.
31. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, type d’apprentissage
Critères de choix du type d’apprentissage :
Actif instrumenté
Modèle piloté par les données.
Historique accessible.
Données étiquetées.
Apprentissage supervisé
Connaître la signature du défaut.
32. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, apprentissage supervisé
Modélisation de deux algorithmes de prédiction :
1. Modèle de prédiction par classification 2. Modèle de prédiction par une régression linéaire
Un jeu de données de 14 capteurs.
Une réponse de type catégoriel
« Label »
Bon état de fonctionnement
Fonctionnement anormal
Fonctionnement dégradé
Un jeu de données de 14 capteurs.
Une réponse de type numérique:
pourcentage de l’état de santé
77 % état de santé de
l’actif
34. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, proposition d’une politique de maintenance
Dégradation (%)
Temps
50 %
30 %
Bon état de
fonctionnement
Fonctionnement
anormal
Fonctionnement
dégradé
35. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, proposition d’une politique de maintenance
Dégradation (%)
Temps
50 %
30 %
Fonctionnement
anormal
Fonctionnement
dégradé
Présent DateD50%
36. Introduction Contexte Benchmark Conception Réalisation Conclusion
Fonctionnalité de la solution
Maintenance prédictive, proposition d’une politique de maintenance
Cette proposition de politique de maintenance permet de :
Contrôler la marge de réactivité de l’équipe de maintenance.
Améliorer le processus décisionnel suite à une l’apparition d’une dégradation.
Aborder un nouveau type de gestion de la maintenance, la maintenance prescriptive.
38. Architecture de la solution
Capteur de température
TI SENSOR TAG
Maximo
Bluemix
Watson MLCloudant
Applications NodeJs
Application
Services AssociésWatson IoT
Platform
IBM SPSS
Introduction Contexte Benchmark Conception Réalisation Conclusion
39. Introduction Contexte Benchmark Conception Réalisation Conclusion
Environnement IBM Maximo
Configuration de la base de données.
Création de la table Capteur et de ses attributs.
Gestion des relations avec les autres tables de Maximo.
Concepteur d’application d’IBM Maximo.
Création d’une interface pour la saisie des information d’un capteur.
Liaison des champs de saisie avec les attributs de la base de données.
40. Introduction Contexte Benchmark Conception Réalisation Conclusion
Environnement IBM Bluemix
Application Node-Red.
Programmer les cas d’utilisation de maintenance.
Communication via API Rest avec les services de IBM Bluemix.
Appel à la plateforme IBM Maximo.
Création d’une interface graphique
Watson IoT platform.
Connexion des capteurs.
Cloudant NoSql.
Sauvegarder des valeurs des mesures effectuées.
Watson Machine Learning.
Création des algorithmes de prédiction à l’aide du logiciel IBM SPSS.
Gestion des algorithmes de prédiction.
43. Introduction Contexte Benchmark Conception Réalisation Conclusion
Automatiser la relevé de compteur.
Seulement 20% des entreprises possèdent un système
de prise de relevé complément automatisé
(Source Association technique de l’énergie et l’environnement.
Contribution de la solution
10 000 euros
Révolutionner la gestion de la maintenance.
Consolider tous les aspects industriels dans la prise de décision.
Une approche cognitive et évolutive.
Renforcer la composante management de la gestion de la maintenance par la
maintenance prescriptive.
44. Introduction Contexte Benchmark Conception Réalisation Conclusion
Perspective
Défis techniques
Sécurité de l’information.
Scalabilité.
Conduite du changement
Transformation digitale.
Intelligence artificielle.
Reconversion des métiers.
Industrie 4.0 Une révolution
La technologie Le management Les métiers Les hommes
45. 21, rue Dumont d’Urville – 75016 Paris
29/08/2018 45
Fin.
Merci pour votre attention.