Qu’est-ce que l’internet des objets (IdO) ?

L’internet des objets (ido ou IoT – Internet of Things) est une désignation conceptuelle qui réfère à un réseau d’objets physiques équipés de capteurs et de transmetteurs capables de :

• se connecter sur le réseau Internet ;
• renseigner le réseau sur leur état de fonctionnement ;
• recevoir, traiter, transmettre et diffuser des données vers d’autres objets connectés ;
• opérer conjointement entre eux suivant une logique d’organisation ;
• adapter leurs fonctionnements et leurs comportements selon le contexte dans lequel ils évoluent.

L’Internet des objets est une intersection entre plusieurs disciplines telles que les systèmes embarqués, la gestion de réseaux, la télédétection, la science des données, l’analytique et l’apprentissage machine. L’évolution de cet ensemble de disciplines a largement contribué à l’émergence et à la popularisation des objets intelligents (smart devices) dont la disponibilité a contribué à son tour à l’accélération de l’adoption des technologies de l’industrie 4.0 et des fondements de la ville intelligente.

Il est souvent associé au principe de l’informatique omniprésente où une fois les objets d’un environnement connectés, il se transforme en un espace intelligent qui s’adapte automatiquement aux différents besoins de ses occupants.

Étude de cas

Prenons un exemple à l’intersection de l’Internet des objets et de l’industrie 4.0.

Supposons que nous modernisions une manufacture de production de pièces mécaniques. Les pièces sont fabriquées avec un processus de moulage par injection. Pour ce faire, la matière première est déposée dans un moule dont elle prend la forme pour être ensuite découpée en un certain nombre de pièces. Il sera important cependant d’assurer un certain équilibre entre la vitesse de production et la qualité de production, car plus on produira rapidement, plus les risques de défauts de fabrication seront élevés.

Il faudrait connecter l’entièreté de la chaîne d’assemblage pour permettre aux opérateurs de suivre le rythme de la production à distance et d’être informés des changements s’il y a lieu. Une fois la connexion effectuée, les données serviront aussi à l’analyse des données de production et à l’ajustement du régime de production soit de manière assistée soit de manière totalement autonome.

La mise à profit de l’Internet des objets dans cette manufacture pourrait se traduire selon les étapes suivantes :

• 1. Collecter des données de production

  La première étape serait d’équiper les machines d’un ensemble de capteurs chargés de collecter continuellement et en temps réel les données de production (nombre d’unités en cours de production, nombre d’unités passant d’une machine à une autre, nombre d’unités déjà produites, etc.).

  Cette représentation numérique de la chaîne de production permettra aux opérateurs de suivre en temps réel l’évolution de la production et de surveiller le bon déroulement de leur plan de production.

• 2. Surveiller l’état de santé de la chaîne de production

  Dans une chaîne de production connectée, les machines seront aussi équipées de capteurs pour collecter de l’information permettant aux opérateurs de suivre et de surveiller l’état de santé de la chaîne, et d’éviter des pannes non planifiées et d’autres problèmes éventuels.

  Traditionnellement, les données collectées seront :

  • La température : une augmentation soudaine de température est signe de fatigue mécanique et peut se traduire par une panne si ce signal est ignoré.
  • L’irrégularité du voltage dans les moteurs : la variation non prévue du voltage peut indiquer la possibilité d’une friction mécanique dans les moteurs électriques; il est important de les évaluer.
  • La vibration irrégulière : l’irrégularité de la vibration peut aussi informer le manufacturier d’une éventuelle panne de machine.
  • Autres données : de nombreuses autres données peuvent être relevées pour assurer la bonne marche de la production (données sonores, données visuelles, etc.).
• 3. Analyser les données de production

  Une fois les données collectées, enregistrées et stockées, les opérateurs pourront exploiter le potentiel analytique que l’Internet des objets leur offre.

  Deux classes de fonctions analytiques peuvent s’appliquer dans ce cas-ci :

  • Les données analytiques liées à la production : les données collectées durant les différentes phases de production serviront à renseigner les opérateurs sur :

    • Le régime de production moyen : connaître le nombre d’unités produites par minute, par exemple
    • L’analyse de la qualité : connaître le nombre de pièces défectueuses qui ont été produites et suivre l’évolution de la qualité tout au long de la production
    • La performance comparative de la production : permettre de savoir si le rythme de production est meilleur que celui des journées précédentes
    • L’analyse prédictive : prédire, d’après les données historiques, différentes variables liées à la production
    • D’autres analyses : extraire continuellement de nouvelles connaissances des données collectées, lesquelles constituent un carré de sable analytique
  • Les données analytiques liées à la machinerie : les données collectées en permanence sur les machines seront très utiles pour les cas de maintenance prédictive ; elles pourront effectivement informer les opérateurs d’une panne probable. Les algorithmes peuvent déceler de très faibles signaux parmi un grand nombre de données, permettant de planifier les opérations de maintenance et de réaliser d’importantes économies (réduction des temps d’arrêt non planifiés, planification des équipes de maintenance, meilleure gestion des pièces de rechange, etc.).
• 4. Ajuster la chaîne de production

  Les objets connectés renseigneront les opérateurs sur les différents paramètres de production. Des actions automatiques ou semi-automatiques pourront aussi être programmées telles que :

  • L’arrêt préventif dû à une dégradation de qualité : dans un environnement IoT, les données collectées auparavant pourront permettre que les machines s’autorégulent suivant différentes règles de production. Par exemple, les machines pourront s’arrêter lorsque le niveau de la qualité se sera sensiblement dégradé, contribuant ainsi à réduire les coûts liés à la perte de matière première et au recyclage.
  • L’ajustement du régime de production selon les objectifs fixés : les machines connectées pourront ajuster leur rythme selon l’avancement de la production. Il serait inutile de maintenir une vitesse de production élevée si ce n’est pas nécessaire (qualité versus vitesse de production).