Quel est le point commun entre la maintenance d’une pompe hydraulique sur une plate-forme pétrolière, la fabrication de semi-conducteurs et un compteur d’eau ? C’est la "data", le flux constant de données émises par tous ces objets connectés. Des informations considérées comme une mine d’or, mais dont la quantité peut remettre en cause l’informatique traditionnelle. L’heure est au big data.
1 Adapter le système d’information
Pour certains industriels, habitués à traiter de gros volumes de données, l’arrivée du big data s’inscrit dans la continuité de pratiques éprouvées depuis des années. C’est le cas de STMicroelectronics qui stocke dans ses bases de données classiques 50 téraoctets d’informations. Une vague de data créée par la fabrication des trois milliards de puces sorties chaque année de ses unités de production. "Nos outils informatiques de visualisation utilisés pour le contrôle de la production, ont été déployés voici cinq ou dix ans. Mais nous commençons à réfléchir à la faire évoluer vers le big data", indique Guillaume Deschamps, analyste des données engineering de STMicroelectronics. Parmi les nouveaux outils : des bases de données de nouvelle génération adaptées au big data pour démultiplier la vitesse des traitements. Ces bases, baptisées "in-memory", sont directement accessibles par les logiciels depuis la mémoire de l’ordinateur. Bertrand Eteneau, DSI de STMicro, explique : "Dans certaines usines, certaines transactions SAP standards, destinées par exemple à la production, duraient plus de vingt heures ! Nos équipes ont donc commencé par améliorer ces transactions pour les adapter à la nouvelle base. Mais ensuite, nous avons vraiment tiré profit de la rupture technologique apportée par SAP." L’utilisation de ces bases a permis de ramener le temps de calcul à quelques minutes seulement. Cette technologie peut aussi s’appliquer directement aux processus de production. Plastic Omnium, qui fournit notamment des pare-chocs aux constructeurs automobiles, a choisi une autre solution : celle du suédois QlikView. L’industriel exploite le logiciel directement dans ses usines de production afin d’identifier les causes de rebuts des pare-chocs en sortie de ligne de peinture… et intervenir au plus vite dans l’atelier.
2 Monter en compétence sur les algorithmes
Mais c’est certainement sur la maintenance industrielle que la révolution du big data aura le plus d’impact. Snecma, filiale du groupe Safran, a embauché un mathématicien il y a sept ans, Jérôme Lacaille, aujourd’hui expert émérite en algorithmes pour big data. "En analysant des informations comme les profils vibratoires, le délai entre l’ouverture d’une vanne et l’allumage du moteur, nous pouvons évaluer la capacité de démarrage d’un moteur pour les vingt prochains vols, raconte-t-il. Désormais, nous réalisons systématiquement ce diagnostic." Vingt vols, c’est en moyenne deux jours d’activité pour un moyen-courrier, le délai nécessaire à l’expédition des pièces de rechange. Mais ces algorithmes d’analyse de big data sont aussi partagés avec d’autres entités du groupe Safran comme Turbomeca, Messier-Bugatti-Dowty ou Labinal. Un nouveau type de maintenance prédictive profitable pour bien d’autres industries. Total s’est ainsi allié à General Electric pour l’appliquer sur des machines tournantes (pompes et moteurs) en production sur ses plates-formes offshore. "En exploitant les big data, nous identifions les symptômes de début de panne et nous sommes capables d’anticiper les moments où il faut réaliser les interventions, explique Patrick Hereng, DSI de Total. Cela permet de lancer une maintenance auprès du fournisseur au moment opportun." L’objectif du pétrolier est de passer d’une maintenance programmée à des interventions déclenchées uniquement en temps utile, lorsque les algorithmes détectent les signes avant-coureurs d’une panne. Total compte déployer cette application sur toutes ses plates-formes d’ici à 2016, puis étendre le dispositif à ses sites de production.
3 Opter pour le Cloud
Si la multinationale française spécialisée dans l’énergie gère ses données de maintenance en interne, Schneider Electric mise sur le cloud pour assurer le suivi du fonctionnement des équipements vendus aux entreprises. Ainsi que celui des onduleurs domestiques et du système domotique Wiser, destinés au grand public. Les informations provenant des machines sont envoyées dans le cloud avant d’être analysées. Pour Pascal Brosset, directeur technologie et innovation de Schneider Electric, "cloud et big data sont le point de rencontre entre le monde de l’entreprise et celui du contrôle-commande. En combinant les deux, on peut arriver à beaucoup d’efficacité, pour un investissement relativement faible par rapport à ce qui a déjà été consenti dans ces systèmes." Ce cadre a misé sur le cloud Azure de Microsoft pour monter en charge avec l’augmentation du nombre d’objets connectés suivis. "L’équation économique a complètement changé", observe Pascal Brosset.
4 Internaliser la donnée stratégique
Certains gestionnaires de grands réseaux, ceux dans l’énergie par exemple, optent pour une autre approche : l’hébergement interne de leurs données. "La solution du cloud n’est absolument pas envisageable", assène Isabelle Drochon, pilote opérationnelle du projet compteurs gaz communicants GRDF. "Nous devons pouvoir garantir à nos clients la sécurité et la confidentialité de leurs données, du compteur jusqu’au système d’information." Le gestionnaire du réseau de distribution du gaz en France a lancé la fabrication de 11 millions de compteurs communicants Gazpar et étudie le système d’information big data qui récoltera leurs données. "Nous expérimentons en interne les différentes solutions qui émergent sur le marché. Teradata, choisi par ERDF, en fait partie. L’outil open source Hadoop ou la base de données Hana de SAP sont également en cours de test", ajoute Isabelle Drochon. Après avoir longuement testé Hadoop, très populaire chez les géants du web, ERDF a finalement choisi la plate-forme Teradata pour absorber l’imminent flot de données envoyé par ses compteurs communicants. Quelque 35 millions de "Linky" doivent être installés en France d’ici à 2020 et l’entreprise doit mettre en place un dispositif capable de gérer 120 téraoctets de données émis chaque année. Ce sera le plus gros déploiement de big data en France.
Cinq conseils pour se lancer
- Testez l’approche sur un processus précis Comme toute nouvelle technologie, le big data impose une courbe d’apprentissage aux équipes.
- Recruter des data scientists À la fois mathématicien, statisticien et un peu informaticien, ils conçoivent les algorithmes mais sont une denrée rare.
- Rester en veille technologie Les outils du big data évoluent vite.
- Garantir la sécurité des données Le volet sécurité et l’anonymisation sont critiques.
- Constituez un pôle de compétences Potentiellement, l’approche big data concerne de multiples métiers dans l’entreprise.
