Architecture IA cloud native pour l’intégration des données d’actifs industriels

PTC a lancé PTC Orbit, un système intelligent de gestion des actifs alimenté par l’intelligence artificielle, conçu pour unifier les données produit fragmentées au sein des architectures logicielles d’entreprise. La plateforme s’adresse aux secteurs de la fabrication industrielle et des services publics en créant un écosystème numérique unifié des actifs qui relie la conception des produits aux opérations de maintenance après leur déploiement.

Mécanismes de consolidation des données multiplateformes
Les exploitants industriels sont souvent confrontés à une fragmentation des données une fois que les produits quittent les sites de production, les informations opérationnelles étant réparties entre plusieurs systèmes isolés. La nouvelle plateforme extrait et contextualise les flux de données provenant des systèmes de gestion du cycle de vie des produits (PLM), de planification des ressources de l’entreprise (ERP), de gestion de la relation client (CRM), de l’Internet des objets (IoT), de gestion des actifs d’entreprise (EAM) et de gestion des interventions sur le terrain (FSM).

En regroupant ces informations dans un référentiel unique, la plateforme établit un historique fiable des actifs tel qu’ils sont réellement maintenus (« as maintained »). Cette intégration des données favorise un retour d’information continu entre les équipes de terrain et les équipes d’ingénierie, tout en réduisant les lacunes de visibilité au sein de la chaîne d’approvisionnement.

Détection algorithmique des anomalies et analyse des flottes
L’architecture du système intègre des algorithmes d’intelligence artificielle qui analysent les données agrégées issues des infrastructures industrielles IoT. Ces algorithmes examinent le comportement de flottes complètes d’équipements afin d’identifier des schémas de défaillance récurrents, d’évaluer l’état des actifs et d’anticiper les besoins de maintenance en fonction de la catégorie de produits, de la région d’exploitation ou des profils d’utilisation des clients.

Plutôt que de s’appuyer sur des tableaux de bord statiques, l’interface utilisateur s’adapte dynamiquement au contexte opérationnel en mettant en avant les informations les plus pertinentes pour les équipes d’ingénierie ou de qualité, auparavant difficiles à extraire de grands volumes de données. Selon Joseph June, directeur général de SLM & AI Strategy chez PTC, l’utilisation de l’intelligence artificielle comme référentiel central des connaissances sur les actifs permet de transformer la gestion des données, passant d’une approche réactive à un modèle proactif couvrant l’ensemble du cycle de vie des produits.




Déploiement dans le secteur des services publics et amélioration de la fiabilité des réseaux
La plateforme contribue à améliorer les opérations sur le terrain ainsi que l’allocation des investissements en éliminant les angles morts au sein des réseaux distribués. Southern Water a mis en œuvre cette solution afin de surveiller son infrastructure de traitement des eaux usées et de réduire les risques opérationnels.

Selon Andrew Oliver, responsable des plateformes de technologies opérationnelles chez Southern Water, plus de 25 % des dispositifs de surveillance de l’entreprise étaient auparavant en permanence hors service. L’intégration de cette plateforme a permis d’établir une vision consolidée de l’état du réseau, facilitant ainsi la hiérarchisation des risques critiques, l’optimisation des interventions sur le terrain et une meilleure orientation des investissements dans les infrastructures. Cette technologie a été présentée officiellement lors du salon PTC NEXT, organisé à Chicago les 9 et 10 juin.

Informations complémentaires
Cette section présente des caractéristiques techniques et des éléments de comparaison avec des solutions concurrentes qui ne figuraient pas dans l’annonce initiale du produit.

Dans le domaine de la gestion des actifs d’entreprise, les solutions sont généralement évaluées selon leurs capacités d’ingestion de données, leur architecture d’intégration et la précision de leurs fonctions d’analyse prédictive. Des plateformes telles que SAP Asset Intelligence Network et IBM Maximo proposent des fonctionnalités comparables de jumeaux numériques et de suivi du cycle de vie des actifs.

IBM Maximo repose sur une architecture EAM fortement structurée enrichie par l’intelligence artificielle pour la maintenance prédictive, tandis que SAP privilégie une intégration étroite avec son propre écosystème ERP. Le principal facteur de différenciation de solutions comme PTC Orbit réside dans leur intégration native avec les logiciels PLM, qui crée une liaison directe entre les spécifications d’ingénierie d’origine et les données IoT collectées sur le terrain. Cette architecture en boucle fermée réduit les délais liés aux modifications techniques et fournit une nomenclature « as maintained » plus fidèle que celle des plateformes EAM autonomes nécessitant des solutions middleware tierces pour synchroniser les bases de données d’ingénierie.

Publié avec l’assistance de l’IA par Aishwarya Mambet, rédactrice pour Induportals.

www.ptc.com