Utilisation rentable de données pertinentes - le cas d’InsightProducts

Le prix des capteurs connaissant une baisse rapide, les entreprises de fabrication attendent que leur déploiement massif de capteurs soutienne des services vitaux comme l’entretien prédictif, la gestion automatisée de la chaîne logistique ou encore la surveillance des opérations et de l'utilisation. Toutefois, les milliards de dispositifs IoT connectés, générant des quantités gigantesques de données, ne débouchent pas nécessairement sur des systèmes ou des produits intelligents. Ils ont par contre un impact direct sur les coûts. Le projet InsightProducts aide les entreprises à améliorer leur offre de produits et de services par une approche économique de l'acquisition et l'utilisation de données produits qualitatives en vue d'une servitisation numérique.

C'est un 'Meilleur des Mondes' pour les fabricants de produits : les capteurs, les technologies de communication sans fil, les logiciels et les modèles XaaS sont de plus en plus répandus, et les produits deviennent toujours plus intelligents et plus connectés. La gestion de produit axée sur les données est essentielle à la prise de décision en vue d'approfondir la relation client en temps réel. C'est la raison pour laquelle l'analyse des 'big data' est toujours considérée, pour les fabricants de produits, comme l’élément clé du retour sur investissement.

Toutefois, l'approche actuelle des big data est souvent considérée comme une procédure comportant deux étapes de base :

  • Étape 1. Doter le produit ou le système d’une multitude de capteurs générant de grandes quantités de données.
  • Étape 2. Confier le raz-de-marée de données qui en résulte à un spécialiste des données et attendre que 'quelque chose' se produise.

Le problème de cette approche est que, contrairement à ce que l'on pourrait attendre, moins de 1% de ces big data sont réellement analysées ! Cette situation est intrinsèquement liée aux coûts d'acquisition de ces grands ensembles de données. Bien que les capteurs soient aujourd'hui beaucoup moins coûteux, la complexité de l'infrastructure auxiliaire et la quantité de données générées qui va de pair font en sorte que cette solution ne soit plus viable. On néglige souvent nombre de coûts cachés des big data, par exemple :

  • Gestion des capteurs et du réseau - surveillance, maintenance, entretien, garanties de qualité de service pour la communication de données au système dorsal.
  • Coût de la quantité de données par rapport à leur qualité - sauvegardes d'énormes quantités de données, stockage et traitement de données de faible qualité, redondance, tâches manuelles de transformation et d'intégration des données, tâches manuelles d'annotation et d'étiquetage des données, et en fin de compte, tâches manuelles d’extraction d’informations significatives et exploitables (au-delà des statistiques rudimentaires) en raison du manque de connaissances du spécialiste des données dans le domaine.
  • Préoccupations en matière de sécurité et de respect de la vie privée - souvent considérées comme les parents pauvres, mais des investissements clés dans ces domaines couvrent toutes les couches, du capteur à l'analyse en passant par la communication et le stockage.

Bien sûr, si vous avez assez de chance (ou de malchance ; tout est question de point de vue), le manque d'accès aux données clients pour parvenir à quelque chose d'intelligible peut vous avoir amené à débourser pour mettre en place une infrastructure dorsale entière sans données réelles à manipuler.

Utilisation rentable de données pertinentes

Ces considérations sont à l’origine du projet InsightProducts. Dirigé par Sirris, il entend réduire les coûts évidents et cachés des big data et à cibler plutôt les données qualitatives en procédant comme suit :

Optimisation du déploiement des capteurs et diminuant la quantité de données envoyées

Le processus de définition des couches architecturales optimales dans InsightProducts implique de scinder le problème en plusieurs points de décision :

  • Sélection de solutions de communication et de capteurs adaptées - en fonction des exigences de l'application, comme l'environnement d'exploitation, l'utilisation et la résistance aux défaillances, afin d’optimiser la communication et la messagerie en vue d'une acquisition de données pertinente.
  • Utilisation et placement optimaux des capteurs - en vue d'une acquisition qualitative des données, la quantité et l'emplacement des capteurs jouent un rôle essentiel.
  • Données qualitatives - résultat du prétraitement, de l'annotation et de la suppression des mesures redondantes.
  • Sécurité des données et des systèmes - y compris la communication, les données et la sécurité physique des capteurs.

Amélioration de la qualité des données et fourniture d’informations exploitables

Pour une entreprise, il est essentiel de fournir des informations exploitables à propos des produits, de façon à garantir un produit de qualité adapté aux différents usages de ses clients. Ces informations aident l'entreprise à mieux comprendre l'utilisation de son produit et à en identifier les points faibles et les points forts. Pour définir des informations exploitables, le produit doit être contrôlé correctement et les données adéquates doivent être collectées. Une entreprise peut prendre plusieurs mesures pour acquérir des données qualitatives. Certaines d'entre elles sont des lignes directrices à prendre en compte avant de collecter des données. D'autres peuvent améliorer la qualité des données après leur acquisition. Un ensemble de données qualitatives permet d'enrichir facilement les données en utilisant des ensembles de données de tiers. Le spécialiste des données dispose de son côté des informations nécessaires pour extraire des enseignements appropriés, et l'entreprise reçoit un format structuré pour la capture de données à l'avenir.

Le 22 octobre 2019, Sirris a organisé son premier atelier annuel ouvert au public. Cet atelier a présenté en détail les thèmes de recherche du projet InsightProducts, comme expliqué précédemment. Au cours de cet atelier, deux sessions thématiques sur l'accès aux données clients et la servisation numérique ont été organisées. Rassemblant les témoignages des entreprises Gilbos, 3E, Renson, Certis et be.wan, elles ont mis en évidence les obstacles et les approches.

Sirris était également présente au symposium Flanders Make le 26 novembre 2019. Nous y avons présenté un jeu de résultats préliminaire sur les cinq démonstrateurs identifiés dans le projet InsightProducts. Trois de ces démonstrateurs sont axés technologie. Ils sont destinés à illustrer différents aspects du processus d'acquisition et d'exploitation de données qualitatives :

  • Utilisation optimale de solutions de capteurs et de communication soutenues par des données qualitatives et soutenant celles-ci.
  • Comment acquérir des données qualitatives et en extraire des informations exploitables sur les produits.
  • Amélioration design et du fonctionnement d'un produit, à partir d’enseignements au sujet des données.

Les autres démonstrateurs sont axés méthodologie. Ils visent à fournir aux entreprises des exemples de réussite, des bonnes pratiques, etc. :

  • Servitisation numérique : compléter l'offre de produits traditionnelle par des services et des solutions.
  • Obtention d’un accès aux données clients.

Initiative de suivi

En outre, l'intérêt suscité par les démonstrateurs actuels et les discussions de suivi approfondies avec les entreprises ont permis d’identifier le thème d’une initiative de suivi, axée sur la confiance et la transparence dans l'analyse des données. Ceci implique :

  • Des sources de données fiables et sûres - Garantir que les données utilisées dans les analyses sont réelles, précises et n'ont pas été manipulées
  • La fiabilité et la confiance dans les processus d'analyse des données - Garantir que l'analyse des données est effectuée de manière transparente et que les connaissances extraites sont fiables et dignes de confiance.

Le savoir-faire du projet InsightProducts ou l'initiative de suivi vous intéressent ? Il est toujours possible de prendre part au groupe d'utilisateurs du projet. Vous serez donc aux premières loges des démonstrateurs du projet décrits ci-dessus, et vous bénéficierez des connaissances développées dans le cadre du projet. Vous trouverez plus d’informations sur InsightProducts ici.

Avec le soutien de :