Pour mener à bien les opérations, il est essentiel de surveiller les indicateurs-clés de performance (ICP). Toutefois, de nombreux ICP ne sont pas directement mesurables en raison de la nature du procédé. Le fait d’avoir des capteurs logiciels en place pour déduire les ICP essentiels permet d’optimiser l’efficacité. Les capteurs logiciels sont utilisés dans l’industrie depuis de nombreuses années, mais les principales applications varient. Jetons-y un coup d’œil.
Qu’est-ce qu’un capteur logiciel?
Un capteur logiciel est un estimateur inférentiel, on l’utilise dans les cas où un capteur matériel n’est pas disponible ou ne serait pas fiable. Outre ses fonctions de maintenance et de contrôle, le capteur logiciel aide l’opérateur à prendre des décisions. Il sert aussi à remplacer ou à compléter un analyseur coûteux nécessitant un étalonnage plus fréquent, ce qui réduit les coûts. Le capteur logiciel, comme les autres analyseurs en ligne, doit être étalonné fréquemment. Toutefois, contrairement à la plupart des capteurs matériels, l’étalonnage peut être effectué à distance. Le fournisseur de technologie n’a pas besoin d’être sur place pour étalonner et entretenir l’instrument, ce qui permet d’économiser temps et argent, aspect crucial pour les opérations à distance. Si les premiers capteurs logiciels reposaient principalement sur des modèles linéaires et physiques, les techniques modernes d’apprentissage automatique permettent d’accroître l’efficacité des capteurs logiciels couramment utilisés et d’offrir de nouveaux types de capteurs qui ne pouvaient être mis au point par les méthodes classiques.
La mise au point d’un capteur logiciel évolué exige de solides connaissances du procédé, des enjeux et des possibilités, ainsi qu’une compréhension approfondie des outils modernes d’intelligence artificielle. Exactement le genre d’expertise que peut offrir une équipe intégrée d’ingénieurs de procédés, d’experts en contrôle et de scientifiques des données.
Le déploiement d’un capteur logiciel perfectionné n’est cependant pas une solution sans risque. Le recours à des outils axés uniquement sur les données pour mettre au point un capteur logiciel entraîne des difficultés imprévues si les données ne couvrent pas toutes les conditions de fonctionnement. De plus, une base de données parfaite de la taille et de la granularité voulues n’existe pas dans la plupart des cas. Par conséquent, la participation de spécialistes est essentielle pour aider les scientifiques des données à toutes les étapes du développement : définir le problème, trouver et/ou créer une base de données utile, élaborer le modèle, procéder aux essais et déployer la solution.
Comment la collaboration prend-elle forme? Voici un aperçu étape par étape
1. Tout commence par la définition du problème. Les scientifiques des données et les spécialistes doivent adopter le même langage afin de définir le projet en termes compréhensibles pour tous les intervenants. Les scientifiques des données doivent comprendre le besoin derrière le capteur logiciel et la façon dont l’utilisateur peut en déduire un ICP. Par ailleurs, les spécialistes doivent comprendre la méthodologie de développement afin de contribuer efficacement. Une fois que les deux parties sont au diapason, elles doivent établir la portée du projet et définir une mesure de la réussite. Cette mesure est fonction de la précision et de la fiabilité du capteur logiciel.
2. Viennent ensuite la préparation des données et la compréhension de la relation entre les variables, le délai, le biais, l’erreur de mesure, etc. Il faut connaître la relation entre les variables pour éviter d’induire en erreur les scientifiques des données et pour choisir les bons outils de modélisation à l’étape suivante.
3. Ce qui nous amène à la prochaine étape : la modélisation. Selon l’approche de modélisation choisie, la contribution des spécialistes variera. Par exemple, dans le cas d’un capteur logiciel fondé sur l’apprentissage profond, les spécialistes pourront définir différents biais découlant de connaissances induites (ensemble d’hypothèses servant à prévoir les extrants). Toutefois, ils pourront surtout contribuer à la modélisation hybride, qui consiste à combiner le modèle physique aux modèles d’apprentissage automatique. Les spécialistes peuvent élaborer le modèle physique ou amener l’équipe à utiliser les bons modèles physiques. Il existe plusieurs types de modèles hybrides. Ils peuvent être classés dans les catégories suivantes :
· Supplément : un modèle corrige l’autre.
· Enchâssement : un modèle est enchâssé dans l’autre.
· Substitut : un modèle est utilisé comme substitut de l’autre.
· Complément : la solution peut être la combinaison des deux modèles.
· Intégration des extrants : un extrant d’un modèle peut servir d’intrant à un autre.
· Reproduction de structure : un modèle est tiré d’un autre.
4. Les scientifiques des données disposent de paramètres statistiques pour valider l’efficacité du modèle. Toutefois, le choix des bons paramètres doit être confirmé par les spécialistes. De plus, les spécialistes peuvent valider les résultats de l’apprentissage automatique ou du modèle hybride avec d’autres outils et mesures comme la simulation. À cette étape, l’équipe doit décider si le modèle satisfait ou non aux exigences en matière d’exactitude et de fiabilité. Ils peuvent ensuite décider d’aller de l’avant et de déployer la solution ou de revenir en arrière en vue d’améliorer le modèle.
5. Le déploiement de la solution nécessite un effort considérable et la participation d’autres intervenants. L’accessibilité, la compatibilité et la sécurité des données, ainsi que l’architecture du système, l’emplacement de la solution, l’expérience de l’utilisateur, la production de rapports et les procédures de réponse doivent être pris en compte à cette étape.
6. Enfin, l’étalonnage et le soutien technique : comme dans le cas des autres capteurs, l’étalonnage d’un capteur logiciel doit être effectué au moyen de méthodes d’auto-étalonnage ou par les spécialistes. Un capteur logiciel perfectionné repose en grande partie sur des données. Par conséquent, il est parfois nécessaire de reconstruire le modèle, en particulier lorsque le processus change considérablement et que les données historiques ne correspondent pas aux conditions actuelles.
Dans l’esprit d’innovation qui anime tout ce que nous faisons, l’industrie devrait tirer parti des capteurs logiciels évolués pour pallier l’opacité des principaux IPC et les utiliser davantage comme outil de soutien à la prise de décisions.
