la-technologie

novembre 18, 2020

5 min de lecture

Comment le Big Data peut aider les fabricants à survivre à la pandémie de coronavirus
Comment le Big Data peut aider les fabricants à survivre à la pandémie de coronavirus

S'adapter à la nouvelle normalité

La pandémie de coronavirus perturbe les activités à une échelle sans précédent. De la réduction des effectifs à la mise en œuvre des mesures de distanciation sociale et de politiques de télétravail, la pandémie a redéfini ce qui peut être considéré comme une pratique professionnelle normale.

Personne ne sait combien de temps dureront les perturbations causées par la pandémie mondiale, ni quelle forme prendra la reprise. La pandémie a contraint de nombreuses entreprises à s'adapter à la nouvelle réalité numérique bien plus tôt qu'elles ne l'avaient prévu, et rien ne garantit qu'une fois qu'elle sera terminée, les choses reviendront comme avant. Par exemple, il est généralement admis que l'explosion du commerce électronique en Chine a été le résultat direct de l'épidémie de SARS en 2003. C'était leur nouvelle normalité.

Une façon pour les fabricants de s'adapter à la nouvelle normalité de 2020 est d'investir dans des technologies d'intelligence artificielle (IA) comme le Big Data qui aideront à répondre aux besoins causés par l'impact de la pandémie sur la main-d'œuvre. Cependant, lorsqu'il s'agit du Big Data dans le secteur manufacturier, deux questions reviennent sans cesse. Tout d'abord, quelles sont les données qualifiées de Big Data ? Et deuxièmement, comment ces données peuvent-elles être utiles aux fabricants qui les exploitent ? Il est facile de répondre à ces questions si l'on pense aux trois V : volume, vitesse et variété.

Les trois V

Le premier V, volume, désigne la quantité de données gérées dans les systèmes de Big Data. Personne n'est surpris de constater que le Big Data repose sur des ensemble de données massives, souvent de l'ordre du pétaoctet ou du zétaoctet, pour fonctionner. Pour mettre cela en perspective, un pétaoctet équivaut à un million de gigaoctets, soit la capacité de stockage de 15 625 iPhone 11s. Cette échelle peut sembler gigantesque, mais ces grands ensembles de données ne sont pas si difficiles à rassembler que vous pourriez le penser.

L'importance croissante des technologies intelligentes, telles que les capteurs intelligents dans les usines, signifie que les fabricants peuvent collecter de grands volumes de données provenant de pratiquement n'importe quel type de machine. Des variables telles que la température, l'humidité, la pression, les vibrations et changements dans le fonctionnement, peuvent être utilisées pour surveiller des composants individuels tels que les moteurs, pour prévoir les pannes d'équipement. Les outils d'analyse des données peuvent utiliser ces informations pour prévoir le moment où un composant risque de tomber en panne, permettant de planifier la maintenance en amont et ainsi de réduire les coûteux temps d'arrêt non planifiés. 

Le deuxième V, la vitesse, fait référence à la vitesse à laquelle les données sont générées et au temps nécessaire pour le traitement de ces données pour qu'elles puissent être utilisées. Par exemple, la technologie moderne des capteurs intelligents utilise des capteurs laser sans contact et à grande vitesse qui peuvent détecter des problèmes non détectables par les accéléromètres traditionnels. Grâce à ces capteurs laser capables d'identifier rapidement tout ce que les accéléromètres peuvent identifier, ainsi que des caractéristiques de surveillance comme l'analyse du domaine commun et l'analyse modale, les capacités en matière de maintenance conditionnelle sont considérablement améliorées.

Le dernier V, variété, fait référence aux différents types de données impliquées dans les processus de Big Data. L'état des équipements, des pièces, les stocks et la durée de vie des produits ne sont que quelques-unes des variables qui créent le réseau de données complexe que les fabricants doivent gérer. La gestion de ces données nécessite de multiples systèmes intégrés pour créer une vue globale de l'installation. Par exemple, les données de maintenance conditionnelle des pièces peuvent permettre d'identifier le moment où le composant d'une machine montre des signes de défaillance et ces données peuvent être automatiquement recoupées avec les données des stocks de l'usine pour voir si un remplacement est possible.

Articles pertinents

Retour en haut de la page
Retour en haut de la page
Fermer
Inscrivez-vous à notre liste de diffusionRecevez des mises à jour régulières

Rejoignez plus de 250 000 autres personnes et inscrivez-vous dès aujourd'hui à notre liste de diffusion.

Souscrire
[{ "site.code": "ca-fr", "general.cookie_message": "Nous utilisons des cookies pour garantir le bon fonctionnement et la sécurité de notre site web. En cliquant sur « Accepter tous les cookies », vous nous permettez de vous offrir la meilleure expérience possible.", "general.cookie_privacy": "EU Automation utilise des cookies", "general.cookie_policy": "Politique en matière de cookies", "general.cookie_dismiss": "Accepter tous les cookies" }]