Une architecture Big Data complète en 20 minutes
Proposée par Creative Data, cette plateforme qui se présente sous forme de Box comparable à celles des fournisseurs d'accès à Internet, collecte, structure, analyse et effectue un traitement intelligent des données en temps réel afin d'en extraire les informations les plus pertinentes. Elle permet, par exemple, de cibler une zone géographique où s'implanter, de prédire des pannes de machines, des comportements d'achat ou encore d'optimiser des moyens de production. Son point fort est de mettre à disposition des utilisateurs une architecture Big Data complète en 20 minutes, sur une plateforme personnalisable à la demande et hébergée sur un Cloud souverain ou directement chez le client.
Une architecture modulaire
Son architecture basée sur les standards open-source s'enrichit en permanence de nouvelles fonctionnalités afin d'anticiper l'obsolescence technologique. Un cas d'usage majeur dans lequel Creative Data peut accompagner les industriels est la maintenance prédictive. Elle consiste à déterminer l'état des équipements en service pour prévoir quand la maintenance doit être effectuée. On peut ainsi augmenter la disponibilité de la chaîne de production en détectant les défaillances plus rapidement, mais surtout en les prédisant. Cette approche permet de réduire les coûts car les actions sont effectuées uniquement quand elles sont justifiées.
Des barrières technologiques levées
Mettre en place de la maintenance prédictive nécessite de collecter un volume très important de données, aussi bien sur l'état en temps réel que sur l'historique des équipements, et de les traiter pour les transcrire en informations exploitables. Les systèmes classiques de monitoring ou de reporting de la production ne permettent pas de répondre à cette problématique, car ils sont limités par des questions de volume, de structure ou de capacité de calcul en temps réel. Avec le Big Data, ces barrières technologiques sont levées. La plateforme que Creative Data peut collecter les données directement issues des machines (M2M, capteurs, RFID, GPS, objets connectés, automates) ou se connecter directement à vos systèmes informatiques existants. Des modèles de conditions normales ou optimales de fonctionnement vont être confrontés aux mesures en temps réel de l'état deéquipements. On arrive ainsi à construire un ensemble de scénarios qui mènent à la panne, prenant en compte des facteurs aussi divers que l'âge de la machine, son taux d'utilisation, sa marque et son modèle, l'opérateur qui l'a faite fonctionner, les conditions de température et d'humidité subies ou encore l'état des autres équipements qui l'entourent. Par exemple, avec un système classique de maintenance, une légère montée de température d'une machine ne sera pas prise en compte car en dessous des seuils critiques de fonctionnement. Avec l'apprentissage automatique (ou " machine learning ") cette information aura désormais une valeur car identifiée comme le maillon d'une chaîne menant à la panne avec une certaine probabilité.
La mission de PEI est de fournir à ses lecteurs des informations sur les nouveaux produits et services liés au secteur de l'industrie et qui sont disponibles sur le marché français.
