La donnée contextualisée là où elle est utile

Torey Penrod-Cambra

Directrice de la communication chez HighByte.

Cet objectif se perd souvent dans les discussions sur l’alignement OT/IT. Toute personne ayant lancé un projet de transformation numérique connaît probablement les silos de données qui existent entre les départements OT (technologies opérationnelles) et IT (technologies de l’information). Mais nous ne consacrons pas assez de temps à expliquer comment rendre ces données réellement exploitables par les métiers. Nos collègues métiers — et leurs systèmes d’enregistrement — sont les véritables clients.

L’utilisation croissante des appareils connectés (IoT) augmente la disponibilité des données opérationnelles. IDC prévoit qu’il y aura 41,6 milliards d’appareils IoT sur le terrain générant 79,4 zettabytes de données d’ici 2025. Ces appareils incluent machines, capteurs, caméras et outils industriels. Pour rendre ces données réellement utilisables, nous devons les fusionner avec les informations provenant d’autres systèmes et leur donner du contexte pour les utilisateurs métiers. Dans un environnement industriel, ces utilisateurs incluent la qualité, la maintenance, l’ingénierie, la R&D, la conformité réglementaire et la gestion de produit.

Par le passé, ces services fonctionnels recevaient des informations via des rapports hebdomadaires ou mensuels. Dans certains cas rares, les systèmes fonctionnels étaient intégrés grâce à du code personnalisé et à un nettoyage manuel des données. Une tâche difficile lorsqu’on considère le nombre d’applications OT disparates fonctionnant sans architectures standard, ni conventions de balisage ou de nommage.

C’est un processus long qui peut conduire à l’échec de stratégies de transformation numérique. À titre d’exemple, 36 % des professionnels IT et opérations ayant répondu à l’enquête IDC Future of Operations 2021 ont indiqué ne pas avoir obtenu de retour sur investissement pour leurs implémentations de machine learning (ML) ou d’intelligence artificielle (IA). (Source : IDC Analyst Brief, How IT Can Effectively Build and Scale Operational Data Pipelines, mai 2022.)

Les efforts d’intégration lourds exercent encore plus de pression sur un service IT déjà sous tension. Les professionnels IT ne sont pas des experts des données industrielles. Ils se retrouvent coincés entre les attentes des décideurs opérationnels et les capacités des équipes en technologies de procédé. Alors que les talents IT se font rares, vous ne pouvez pas vous permettre un turnover supplémentaire dû au burnout ou à la démotivation. En fait, 75 % des dirigeants IT interrogés dans une enquête Gartner de 2021 ont reconnu que la disponibilité des talents était le principal facteur de risque associé à l’adoption de la majorité des technologies d’automatisation IT.

Il est facile de comprendre comment ce manque de talents peut avoir un impact sur les déploiements Industrie 4.0 lorsque l’on considère les défis inhérents aux initiatives de numérisation. Comme l’a noté IDC dans le document cité plus haut : « Les données opérationnelles ne ressemblent pas à la plupart des données d’entreprise, comme beaucoup d’organisations l’ont découvert lorsqu’elles tentent d’appliquer des outils et techniques traditionnels de gestion de données IT. » Les équipes IT doivent surmonter plusieurs obstacles pour réussir les implémentations IoT. Parmi ces obstacles :

Les processus opérationnels évoluent beaucoup plus fréquemment que les fonctions métiers, ce qui pose problème lorsque les systèmes sont connectés via des intégrations codées en dur ou des API directes.

Multiples systèmes et formats de données au niveau OT, y compris les historiens de procédés, qui peuvent présenter des configurations différentes d’un site à l’autre.

La collecte existante peut mêler enregistrements manuels et processus technologiques. De plus, les employés expérimentés utilisent parfois des connaissances tacites pour exécuter certaines tâches, laissant les équipes IT sans documentation.

Contrairement aux applications back-office traditionnelles, les données opérationnelles ne s’intègrent pas facilement via des API.

Les données opérationnelles mélangent données structurées, non structurées et types uniques, pouvant inclure données temps réel des machines, données transactionnelles ou historiques en séries temporelles. Les machines génèrent ces données à un rythme et un volume souvent inadaptés aux systèmes de stockage IT traditionnels.

Pour surmonter ces obstacles, Jonathan Lang d’IDC (Research Manager, Worldwide IT/OT Convergence Strategies) estime que les organisations ont besoin « d’une couche d’abstraction de données spécialement conçue pour servir de pipeline de données opérationnelles et assurer les échanges entre les systèmes OT et le cloud, créant une connexion bidirectionnelle avec les métiers. » Il est également nécessaire de pouvoir fournir les données sources aux applications consommatrices de manière indépendante, sans connexions directes lourdes.

Chez HighByte, nous appelons cette couche d’abstraction Industrial DataOps. Cette couche DataOps s’implante idéalement en périphérie (edge) pour collecter les données en toute sécurité et les contextualiser dans des modèles standard destinés à être distribués aux applications sur site ou dans le cloud. Les modèles corrèlent les données par machine, procédé et produit et les présentent aux applications consommatrices en un seul paquet — dans le format et à la fréquence qu’elles exigent. Une solution DataOps fournit des données contextualisées là où elles comptent : entre les mains de l’IT et des métiers. C’est une étape cruciale pour les organisations cherchant à exploiter les données opérationnelles et maximiser le ROI de leurs investissements numériques.

Cette valeur se concrétisera par le succès des métiers et des gains de productivité au sein du service IT.

Si vous souhaitez voir de vos propres yeux ce que l’Intelligence Hub peut faire, rejoignez notre programme d’essai gratuit et contactez un membre de l’équipe Novotek France pour vous guider dans votre évaluation.