Micro-ordinateurs

Le directeur sait que la machine fonctionne. Combien de temps, sous quelle charge, pourquoi une équipe produit 30% de pièces en moins — cela reste inconnu.

Une approche IT de la production

L'automatisation industrielle a deux pôles. D'un côté — des solutions coûteuses des grands éditeurs : systèmes de gestion de production, jumeaux numériques, intégrations à plusieurs millions de dollars. De l'autre — la collecte manuelle, où l'information est consignée de façon sporadique et se perd. En tant que spécialistes IT forts d'une expérience en observabilité, nous avons décidé d'appliquer aux équipements de production les mêmes principes que ceux utilisés pour la supervision des serveurs et des applications. Les métriques sont collectées auprès des capteurs, transmises dans le cloud, visualisées sur des tableaux de bord. Les alertes arrivent quand quelque chose sort de la norme. Les logs sont conservés pour analyse. La production est la même source de télémétrie que l'infrastructure IT. La question est de savoir comment collecter ces données et quoi en faire.

La zone aveugle

Imaginez un atelier. Cinquante machines, trois équipes, deux cents personnes. Une partie des équipements est moderne, avec des automates et des écrans. Une partie est mécanique, sans électronique, des modèles de 30 à 50 ans. Les données d'exploitation sont recueillies par fragments : quelqu'un a noté quelque chose, quelqu'un s'est souvenu, quelqu'un a transmis oralement. À la fin du mois, un rapport paraît. Les chiffres sont là, ils n'expliquent rien. Pourquoi un secteur accuse-t-il un retard stable ? Pourquoi les pièces cassent-elles plus souvent sur cette machine ? Pourquoi la consommation électrique augmente-t-elle alors que le volume de production reste identique ? L'essentiel — il est impossible de comparer. Comment ce secteur tournait-il il y a un an ? Comment avons-nous géré une commande similaire au dernier trimestre ? Quels relevés étaient apparus avant la dernière panne ? Sans données accumulées, ces questions restent sans réponse.

Comment nous résolvons cela

Nous appliquons à la production les mêmes principes qui fonctionnent en IT : observation, journalisation, métriques, alerting. La source de données change — ce sont désormais des machines, des capteurs et des automates. Réseau. Tous les équipements doivent être reliés. Là où c'est possible — un câblage faible courant est installé. Là où le câble ne peut être tiré — des nœuds avec modems 4G sont posés. Chaque nœud fonctionne en autonomie : si la liaison tombe, les données s'accumulent localement et sont envoyées dès que la liaison revient. Matériel. Des micro-ordinateurs avec capteurs raccordés sont répartis dans les ateliers. La configuration dépend de la tâche : un micro-ordinateur peut desservir plusieurs machines, ou une machine peut avoir plusieurs points de collecte. Cloud. Toutes les données convergent dans un système unique où tournent la supervision, les alertes et l'analytique. Les calculs ont lieu dans le cloud, les ressources sont louées à la demande.

Équipement dans les ateliers

Pour les machines modernes avec automates, l'intégration passe par Modbus ou Ethernet. Les données sont déjà dans la machine — il faut les récupérer et les réunir en un seul endroit. Sur les vieilles machines sans électronique, des capteurs externes sont installés, la mécanique reste intacte. Les compteurs d'énergie Modbus se montent sur rail DIN dans l'armoire électrique et affichent la consommation en temps réel : mode de fonctionnement, charge, anomalies. Les modèles triphasés donnent la vue complète par phase. Les accéléromètres MEMS sur le bâti suivent les vibrations — elles révèlent les évolutions du fonctionnement des mécanismes. Les sondes de température sur les points critiques enregistrent les écarts à la norme. Sur les tours et fraiseuses, les capteurs de vitesse de broche indiquent les régimes. Sur les machines hydrauliques ou pneumatiques — des capteurs de pression. Les capteurs de niveau d'huile et de fluide de coupe signalent un besoin d'entretien. Les compteurs de cycles enregistrent le nombre d'opérations.

Équipements anciens

Une histoire à part — les machines sans électronique. Cela peut être un tour de 30 à 50 ans qui tourne depuis la construction de l'usine, ou un modèle moderne assemblé selon un schéma classique sans automate numérique. Ces machines sont fiables, les remplacer n'a aucun sens, et elles résistent à l'observation quotidienne avec relevé des valeurs — les machines récentes avec automates rendent cela simple. Sur ces équipements on peut installer un capteur de vibration, un capteur de niveau d'huile, un compteur d'énergie sur l'alimentation — ce sont des exemples, une liste partielle. Après l'installation, on voit : la machine tourne ou non, en charge ou à vide, les vibrations restent dans la norme ou des écarts sont apparus, combien d'huile il reste. La possibilité apparaît de suivre l'état entre les contrôles planifiés.

La question est de savoir combien de temps encore cette machine tournera sans entretien. Avec des capteurs, cela devient prévisible.

Qualité de l'air et ventilation

Pour certaines productions, le contrôle de l'air est une question de sécurité. Dans les ateliers de peinture, les scieries, les ateliers de réparation, les poussières ou vapeurs en suspension peuvent être critiques. Les capteurs de qualité d'air à interface Modbus ou RS485 mesurent les concentrations de particules PM2.5 et PM10, les niveaux de CO2, les composés organiques volatils (COV). Ces données alimentent le même système de supervision. Des alertes peuvent être configurées : si la concentration de poussière dépasse la norme, le système avertit les responsables. Un lien avec la ventilation est possible : lorsque le CO2 monte, le débit d'air neuf augmente automatiquement. Des capteurs similaires sont installés dans les systèmes de ventilation : l'extraction fonctionne ou non, l'air circule ou stagne, quelle puissance à chaque étage. Cela donne l'état des systèmes techniques en temps réel et permet de détecter les problèmes bien avant que l'air de l'atelier devienne irrespirable.

Sécurité et contrôle

La même infrastructure qui collecte les données des équipements sert les missions de sécurité. Il est utile de comprendre : c'est un modèle à événements. Chaque événement est journalisé — une trappe ouverte, une porte fermée, un capteur de présence déclenché. Même si l'information n'a pas d'utilité immédiate, elle peut servir à l'analyse d'un incident ou à l'analytique. Conservez les données qui semblent sans intérêt.

Tous les événements arrivent dans un système unique. Un tableau de bord montre l'état des équipements et les événements de sécurité.

Cloud et analytique

L'ensemble du système de nombreux micro-ordinateurs disséminés sur le site se pilote depuis un centre unique. Cela peut être le cloud ou un serveur local sur site. Le cloud est plus simple pour démarrer : pas besoin d'acheter et d'entretenir du matériel serveur. Les données sont stockées en plusieurs copies sur des serveurs différents — s'il arrive quelque chose à l'un, l'information reste. Pour la plupart des tâches de supervision, cela suffit. Un serveur local a du sens quand les données sont sensibles et doivent rester dans le périmètre de l'usine, ou quand une réaction en temps réel sans dépendance à Internet est nécessaire. Pour la collecte et la visualisation, nous utilisons des outils open source : Prometheus pour les métriques, Grafana pour les tableaux de bord, Loki pour les logs. Les alertes arrivent dans les messageries ou par mail.

Les données montrent la cause. L'étape suivante est un plan d'action.

Le système montre le temps de fonctionnement réel de chaque machine, les arrêts et leur durée, les anomalies de consommation d'énergie, l'efficacité des équipes et des secteurs, les tendances des indicateurs. Cela permet de planifier la maintenance avant la panne : si les vibrations commencent à monter, une intervention est requise après un certain nombre d'heures.

Données et personnes

Un pan d'analytique à part apparaît quand les métriques techniques sont rapprochées des données sur les équipes et les opérateurs concrets. On voit quelle machine tournait sur quelle équipe, qui y était affecté, quels indicateurs ont été atteints. Cela permet de mettre au jour des problèmes systémiques : peut-être la question vient-elle de la logistique d'approvisionnement en matériaux sur l'équipe de nuit. Ou une machine demande plus de temps de réglage. Ou un type de pièce donné est produit plus lentement de façon stable.

Comment nous travaillons

Nous commençons par comprendre la tâche : quelle observabilité est nécessaire, ce qui existe déjà sur site, quelles données on souhaite collecter. S'il existe une infrastructure faible courant — tant mieux, cela accélère le déploiement. S'il n'y en a pas — nous travaillons avec des modems 4G ou faisons appel à des sous-traitants pour tirer le réseau. Ensuite — la conception : quels capteurs, où les placer, comment les relier en un système unique. Puis le déploiement : montage du matériel, paramétrage logiciel, intégration aux processus existants. Après le démarrage — la formation : nous montrons comment travailler avec les tableaux de bord et les alertes. Et le support : nous surveillons l'état, mettons à jour les firmwares, étendons le système à mesure. On peut démarrer avec un secteur ou même quelques machines, voir comment cela fonctionne, puis passer à l'échelle.

À qui cela s'adresse

Un tel monitoring est un outil pour ceux prêts à travailler avec des données. Il faut d'abord accumuler de l'information. Puis — essayer de la croiser selon différents critères : par le temps, par équipes, par types de produits, par secteurs. Trouver des tendances. Ensuite — en s'appuyant à la fois sur la relecture des logs et sur les échanges avec les équipes, chercher les explications et les solutions. C'est utile à ceux qui améliorent les processus de l'usine. Aux équipes sécurité qui ont besoin du tableau complet des événements. À la direction qui a besoin d'une analytique agrégée sur toute la production. Aux technologues qui veulent comprendre le fonctionnement réel des équipements. Les données seules ne décident rien. Quand une grande quantité d'informations dispersées est unifiée par critères et disponible pour analyse — naît la possibilité de prendre des décisions fondées sur les faits, les suppositions mises de côté.

Suivant

Créateur de Shorts

Outil en ligne pour créer des vidéos courtes en utilisant Blender, Python et graphiques 3D. Automatisation de création de contenu pour réseaux sociaux.

→