DES POSSIBILITES INEDITES POUR LES CAPTEURS VIRTUELS

Traitement pratique des données

Dans la première partie de cet article (Motion Control 1902), nous avons déjà abordé le côté théorique de l'utilisation des données. De nombreuses entreprises sont conscientes que leurs données contiennent une mine d'informations, mais ont du mal avec l'implémentation pratique de l'utilisation des données. Comment pouvons-nous exploiter pleinement ces informations dans la pratique?

PLUSIEURS APPLICATIONS

En plus d'analyser et d'améliorer votre processus de production, vous pouvez, en tant qu'entreprise, extraire plusieurs choses des données. La facilitation du dépannage, par exemple. L'analyse des données peut rendre ce travail plus rapide et plus efficace, en particulier dans les installations complexes que nous connaissons aujourd'hui. Mais le suivi des processus - la notification d'anomalies - est aussi une application qui permet de noter des résultats prometteurs. 
Nous avons rendu compte de ces principes dans la première partie de cette série (Motion Control 1902, mars 2019). Dans cet article, nous allons nous intéresser à une autre application intéressante: les capteurs virtuels.

CAPTEURS VIRTUELS

La qualité de mesure des capteurs physiques n'est pas toujours constante. Nous ne jetons pas la pierre aux fabricants de ces composants, car leur technologie est généralement bien adaptée à la tâche à accomplir. Mais il y a des circonstances dans lesquelles il n'est pas évident, souhaitable ou même possible de mesurer de manière cohérente à l'aide de capteurs physiques:

• les conditions de l'application rendent difficile la mesure correcte. Parfois, les circonstances sont telles (pollution, chaleur, humidité, ...) que le capteur physique tombe immédiatement en panne ou conduit à une mesure imprécise. Les exemples sont nombreux: industrie alimentaire, métallurgie, chimie, industrie papetière, …;
• les capteurs physiques peuvent souffrir de longs délais de mesure. Ils peuvent aussi produire des mesures incorrectes dans les premières minutes après le démarrage;
• il y a des cas où seule une mesure destructive est possible avec des capteurs physiques. En d'autres termes, la pièce à mesurer doit être endommagée;
• Certaines quantités sont difficiles ou impossibles à mesurer avec un capteur physique;
• Les résultats des mesures doivent être analysés par un laboratoire. Travailler avec des parties externes peut causer des retards indépendants de votre volonté et faire grimper les coûts rapidement;
• La production prend du retard à cause de la mesure, car elle est bloquée, tant que les données de mesure ne sont pas connues;
• Le capteur de mesure est une solution trop chère pour l'application;
• Les capteurs physiques nécessitent un entretien.

LES DONNEES COMME BASE DE MESURE

Dans ces cas-là, on peut examiner la possibilité d'utiliser un capteur virtuel (également appelé capteur logiciel). L'aspect virtuel signifie que le travail est effectué sur la base de modèles informatiques prévoyant l'output d'un capteur physique. Ces modèles informatiques se basent sur d'autres données provenant d'autres endroits du processus. Cette collecte de données peut prendre différentes formes: mesures à partir d'autres capteurs (qui peuvent mesurer sans problème), données machine, informations provenant de bases de données et données historiques qui, à l'aide de l'apprentissage machine, sont transformées en prévision correcte concernant l'évolution de la quantité. Cependant, afin de rendre toutes ces données brutes aptes à déboucher sur une estimation correcte, il faut encore un processus qui se compose de plusieurs étapes: importation, nettoyage et filtrage.

Importer

L'importation consiste à rassembler toutes les bases de données pertinentes et à les rendre aptes à un traitement ultérieur.

Nettoyage et filtrage

Le nettoyage et le filtrage corrigent les erreurs dans les données de mesure, comme les données manquantes, et éliminent les informations inutiles, comme le bruit et les valeurs aberrantes.

Ces dernières sont très éloignées des autres valeurs, ce qui donne une image déformée de la réalité.

Valider

Une fois les bases de données prêtes à l'emploi, différents types d'algorithmes d'apprentissage machine peuvent être appliqués aux données afin de développer des modèles informatiques. La validation consiste à vérifier si les données mesurées selon les modèles reflètent bien la réalité. Si ce n'est pas le cas, il peut être nécessaire de revoir sa copie et éventuellement d'ajouter, supprimer ou affiner l'un ou l'autre facteur. Mais il faut comprendre qu'il s'agit d'un processus continu, même s'il a été validé. Un processus de production est en constante évolution et ces évolutions sont de plus en plus rapides. Le processus peut également commencer à se comporter différemment par rapport au moment où le capteur virtuel original a été fabriqué. Mieux vaut donc surveiller en permanence les performances du capteur. Les valeurs de mesure obtenues peuvent être communiquées à des parties externes, par exemple un automate programmable. Sur la base de ce résultat, un avertissement ou un rapport peut également être formulé par e-mail ou par SMS.

 

 

POINTS D'ATTENTION

L'utilisation de données pour créer un capteur virtuel permet de mesurer des quantités impossibles ou difficiles à mesurer avec des capteurs traditionnels pour des raisons financières ou techniques. Cependant, le processus est sensible à certains écueils. Non seulement il faut sélectionner les bons ensembles de données, mais en plus, le contenu doit être de bonne qualité. Un exemple d'erreur est l'utilisation d'ensembles de données dont le temps d'échantillonnage - la période pendant laquelle une grandeur est mesurée - est trop court pour des prévisions à long terme. La température d'une pompe extérieure varie en fonction des saisons. Si le temps d'échantillonnage est limité à un mois, il sera difficile de faire des prévisions sur une période plus longue. Un deuxième écueil est le prix de revient. Pour certaines applications, un capteur virtuel peut être plus coûteux. Dans le deuxième exemple, le prix d'achat des entraînements est réduit, car le fabricant peut les appliquer à tous les entraînements. Pour un entraînement autonome, les coûts de développement peuvent ne pas dépasser les coûts d'un capteur traditionnel. 

DEUX EXEMPLES PRATIQUES

Mesure de résistance du papier

Les capteurs virtuels sont souvent utilisés pour éviter les tests destructifs en laboratoire. Un test de résistance du papier en est un excellent exemple. Afin de mesurer la résistance du papier dans une entreprise, seule une mesure destructive était possible. La résistance devait être vérifiée chaque fois au moyen d'un échantillonnage régulier. Grâce à la détection virtuelle, plusieurs caractéristiques du processus sont mesurées: épaisseur du papier, vitesse de fonctionnement de la machine, pression et température, ... En intégrant ces données dans un modèle, on peut faire une approximation de la résistance qui serait mesurée en laboratoire au moyen d'un essai destructif. On peut même obtenir un résultat très précis en comparant ces résultats avec les résultats de mesures historiques obtenus dans les mêmes conditions. D'autres variables pouvant être mesurées dans l'industrie du papier sont la teneur en humidité, le grammage et la résistance du papier.

Mesure de la température d'huile d'un entraînement

Dans les entraînements, l'augmentation de la température de l'huile peut indiquer des problèmes comme un mauvais alignement, un frottement excessif ou une surcharge. Il existe de nombreuses applications où toute une série d'entraînements de faible puissance sont utilisés dans des espaces confinés, par exemple sur les tapis de transport dans les aéroports. Tous les entraînements équipés de capteurs ne sont pas intéressants du point de vue du prix. Les ingénieurs ont donc cherché des alternatives. En combinant les données du variateur de vitesse, telles que le courant, la tension et la vitesse fournis, il est possible de déduire la température de l'huile à un moment T. Au cours des essais de validation, la température de l'huile calculée s'est avérée quasiment égale à la courbe de température réelle. La difficulté consistait à compléter la validation pour chaque modèle de charge possible.

 

POINTS D'ATTENTION POUR LES SERVICES CLOUD

Perte de données

Des données peuvent être perdues en raison d'erreurs de programmation, de matériel ou de système. La suppression accidentelle de serveurs virtuels, les fichiers corrompus et les dommages aux serveurs virtuels sont souvent à l'origine de la perte. Les serveurs virtuels sont des serveurs séparés sur un serveur physique qui sont réservés à un certain utilisateur.

Piratage

Le piratage informatique est en pleine évolution. Autrefois, les pirates pénétraient dans des systèmes pour s'amuser. Ces dernières années, cela s'est transformé en une forme de criminalité organisée professionnelle avec parfois même des motifs géopolitiques, comme l'ont démontré les dernières élections présidentielles aux Etats-Unis. Dans le cas d'applications industrielles, les motivations sont très diverses: voler des données pour imiter des composants, obtenir des informations financières sensibles pour l'entreprise, pouvoir faire du chantage, mener des actions de sabotage, ...

Logiciels malveillants

Des chercheurs de la célèbre Georgia Tech Technical University ont récemment étudié 20 services cloud. Environ 10% des ressources logicielles disponibles se sont révélées infectées par l'une ou l'autre forme de logiciel malveillant. Il s'agit d'une évolution inquiétante, car les logiciels malveillants sont utilisés, entre autres, pour capturer des informations critiques. Le logiciel de rançon, qui bloque les appareils et ne les débloque que lorsque la rançon est payée, est tout aussi dangereux. Pensons au célèbre WannaCry.

Accès non justifié

Une mauvaise surveillance des droits d'accès, combinée ou non à une gestion laxiste des mots de passe, peut entraîner l'accès de personnes non autorisées à des fichiers sensibles.