Menu

Tirer parti de l’Internet des objets pour le test

L’Internet des objets et l’Internet industriel des objets augmentent la complexité des tests.

Les technologies de l’IoT ont la capacité de résoudre les défis posés par les tests automatiques.

Les ingénieurs doivent se familiariser et se concentrer sur les cas d’utilisation présentant la plus grande valeur ajoutée.

image descriptionLes appareils connectés avec l’Internet des objets (IoT) et les systèmes de l’Internet industriel des objets (IIoT) deviennent toujours plus complexes, des semi-conducteurs aux sous-systèmes électroniques, en passant par les machines intelligentes au coeur de l’Industrie 4.0. Le test est une fonction cachée mais critique dans cette chaîne de produits, et la complexité accrue du matériel IoT augmente à son tour celle des tests. Toutefois, l’IoT peut également améliorer considérablement le test automatique. L’application de fonctionnalités de l’IoT, notamment la gestion des systèmes, la gestion des données, la visualisation et l’analyse, ainsi que l’activation d’applications au flux des tests automatiques, donne la possibilité de mieux équiper les ingénieurs de test afin qu’ils puissent relever les défis posés par l’IoT.

Gestion des systèmes de test

Les produits connectés et gérés revêtent une importance fondamentale pour l’Internet des objets et l’Internet industriel des objets. Cependant, de nombreux systèmes de test ne sont pas connectés ou bien gérés, même lorsqu’ils deviennent plus distribués. Souvent, les ingénieurs de test ont des difficultés à localiser les logiciels qui s’exécutent sur un matériel donné, ou simplement à savoir où se trouvent certains systèmes. Il leur est encore plus difficile de suivre leurs performances, leur utilisation et leur état.

Heureusement, la plupart des systèmes de test modernes reposent sur une architecture PC ou PXI et peuvent ainsi se connecter directement au réseau de l'entreprise. Cela leur donne accès à des fonctionnalités supplémentaires, telles que la gestion des composants logiciels et matériels, le suivi de l’utilisation et la maintenance prévisionnelle, pour maximiser la valeur des investissements dans le test.

Assimilation et gestion des données

image description L’une des valeurs ajoutées de l'IoT provient des quantités massives de données générées par les systèmes connectés. L'assimilation des données de test est toutefois difficile en raison des nombreux formats et sources de données, qu'il s'agisse de signaux analogiques et numériques bruts en temps et en fréquence, ou de mesures paramétriques souvent obtenues à des fréquences et des volumes considérablement plus élevés que les appareils grand public ou industriels. Pour aggraver les choses, les données de test sont souvent stockées en silos et ne bénéficient que d'un faible niveau de standardisation. De ce fait, ces données sont "invisibles" pour l'entreprise, et il devient facile de laisser passer de précieux résultats lors des autres phases du cycle de vie du produit. Avant de mettre en oeuvre une solution complète de gestion des données basée sur l'IoT, la société Jaguar Land Rover (JLR) n'analysait que 10 % des résultats de test de ses véhicules. Simon Foster, JLR Powertrain Manager, déclare : « Nous estimons que la solution choisie aujourd’hui nous permet d’atteindre un taux avoisinant 95 % de données analysées, et de réduire le nombre et le coût total de nos tests annuels car nous n'avons pas besoin de refaire les tests. »

Les avantages de l'IoT dont peuvent bénéficier les données de test automatique commencent par des adaptateurs logiciels prêts à l'emploi, qui permettent de mieux assimiler des formats de données standard. Ces adaptateurs doivent reposer sur une architecture ouverte bien documentée, afin de faciliter l'assimilation de données nouvelles et uniques, y compris des données indépendantes des tests qui se rapportent à la conception et à la production. Les systèmes de test doivent être capables de partager leurs données avec des plates-formes IoT et IIoT standard, afin de faire prendre conscience de leur valeur au niveau de l'entreprise.

« La gestion et la maintenance des équipements de test, déployés dans le monde entier, devient une exigence de fait pour nos clients. Nous devons repenser nos architectures de test pour y intégrer les technologies de l'Internet des objets, tout particulièrement pour faire évoluer la gestion des configurations et l'analyse des données, contribuant ainsi à la digitalisation de nos entreprises dans le cadre de l'Industrie 4.0. »

Franck Choplain, Directeur Industrie 4.0, Thales

Visualisation et analyse des données

Il peut s'avérer difficile d'utiliser des logiciels d'analyse plus génériques pour les résultats de test car ces données sont souvent complexes et multidimensionnelles. Par ailleurs, les fonctionnalités de création de graphes classiques n'incluent pas les visualisations qui sont courantes dans le test et la mesure, notamment les graphes combinés de signaux analogiques et numériques, les diagrammes de l'oeil, les abaques de Smith et les diagrammes de constellation.

Les schémas orientés tests, qui sont associés aux métadonnées appropriées, permettent aux outils de fournir les fonctions de visualisation et d’analyse des données de test, et de les mettre en corrélation avec des données de conception et de production. Des données de test bien organisées donnent aux ingénieurs la possibilité d’appliquer l’analyse de statistiques simples à l’intelligence artificielle et au machine learning. Cela permet des workflows qui intègrent et exploitent des outils communs, comme les logiciels Python, R et MATLAB® de The MathWorks, Inc., et génèrent un plus grand nombre d'informations issues des données.

Développement, déploiement et gestion des logiciels de test

Le monde prend ses distances par rapport aux applications exclusivement sur PC, et utilise de plus en plus d'applications web et mobiles. Cette transformation risque de poser des problèmes pour le test. Les calculs au niveau de l'unité sous test (UUT/DUT) sont nécessaires pour traiter de grandes quantités de données et pour prendre des décisions de réussite/échec en temps réel. C'est pourquoi les opérateurs locaux doivent interagir avec le système de test et l'unité sous test. En même temps, les entreprises veulent accéder aux systèmes de test distants pour voir les résultats et vérifier leur fonctionnement, par exemple en ce qui concerne leur utilisation. Pour résoudre ce problème, certaines entreprises ont élaboré des architectures uniques pour gérer les logiciels de manière centralisée, ce qui leur permet de télécharger les logiciels sur les systèmes de test en fonction de l'unité sous test. Mais, pour cette raison, elles ont besoin de maintenir leurs architectures personnalisées, ce qui requiert des ressources supplémentaires qui pourraient autrement être utilisées pour des activités présentant un intérêt commercial plus important.

Une meilleure gestion des tests bénéficierait également du passage d'un système de test local à un déploiement dans le cloud. Les outils web permettent de visualiser l'état du système de test, de planifier les tests et d'examiner les données de test transmises à un cloud ou à un serveur. Une meilleure gestion est un atout complémentaire pour les systèmes de test existants qui ont été construits avec des outils courants tels que NI LabVIEW, Microsoft .NET, NI TestStand et Python. Une architecture logicielle de test modulaire (gestion des tests, code de test, IP de mesure, drivers d'instruments, couches d'abstraction matérielle) permet aux entreprises d’évaluer les compromis entre le transfert de différentes fonctionnalités logicielles d’une exécution locale vers une exécution basée sur un serveur ou un cloud. Au fur et à mesure que les logiciels de test sont transférés pour des déploiements dans le cloud, les entreprises profiteront des avantages du cloud computing pour le stockage des données, le calcul évolutif et l’accès aisé aux logiciels et aux données issues de multiples sources.

Avantages de l'Internet des objets pour le test

L'idée de tirer parti de l'Internet des objets pour le test n'est pas si futuriste. C'est déjà faisable aujourd'hui. La capacité d’une organisation à l'adopter dépend de son infrastructure de test automatique actuelle et de ses besoins commerciaux les plus pressants. Il convient de prendre en compte certains aspects courants concernant l'amélioration de la gestion des systèmes de test, l'augmentation de l'utilisation des équipements de test, l’obtention de meilleures informations à partir des données de test, ainsi que l'accès à distance aux systèmes de test partagés. Une approche définie par logiciel, dotée d'un haut degré de modularité, permet aux entreprises de se concentrer sur les secteurs les plus rentables, sans avoir à prendre une décision de type « tout ou rien ».

INTELLIGENCE CONNECTÉE POUR LE TEST AUTOMATIQUE

image description

Étapes suivantes

image description

Mike Santori

NI Business and Technology Fellow

MATLAB® est une marque déposée de The MathWorks, Inc.

NI Trend Watch 2019 : Réévaluer les tendances majeures pour sécuriser votre avenir

Télécharger le rapport complet