1

Systèmes Cyber-physiques Adaptatifs de Production

Décembre 2016 Professeur Eric Martin

Eric.martin@univ-ubs.fr

2

Plateforme SCAP Industrie du futur » Systèmes Cyber-physiques Adaptatifs de Production

Plateforme « ACPS industry of the futur » Adaptive Cyber-physical Production System for industry of the futur

Les évolutions de l’entreprise de production industrielle touchent tous les secteurs d’activités, de la métallurgie à l’agroalimentaire, de l’industrie pharmaceutique au secteur minier. Ces transitions sont portées par le numérique1, du capteur à la connaissance, dans trois domaines majeurs de l’entreprise : sur le cycle de vie du produit, dans l’organisation de l’entreprise et dans le cycle logistique – commercial pour sa relation au client. De nombreuses technologies portant sur les capteurs, les communications, les systèmes embarqués, les objets connectés ou l’aide à la décision ont pu atteindre un haut degré d’innovation et une maturité d’usage, relative à leur secteur : par exemple les secteurs de la défense ou celui des télécommunications maîtrisent des technologies de la géolocalisation ou des réseaux adaptatifs de capteurs, dont l’usage n’est pas encore répandu dans le secteur de la production industrielle. Notre approche de l’industrie du futur se veut pragmatique : mettre en situation d’usage (TRL2 de 4 à 6) des technologies du numérique connues mais pas encore appliquées à la production industrielle ou à la chaine logistique ; identifier de nouveaux usages pouvant nécessiter le développement de technologiques et de services à haut degré d’innovation (TRL 1 à 4). Nous présentons 3 domaines d’applications et 11 cas d’usages de technologies numériques pour la production et la chaine logistique industrielle. Chacun de ces sujets a été identifié parce qu’il correspond à un enjeu identifié par et pour les industriels, souvent repris dans le cadre d’un des nombreux livres blancs édités sur l’industrie du futur. Chaque cas d’usage correspond également à une technologie dont le LabSTICC a une grande maîtrise et sur laquelle il développe une recherche active et souvent des cas d’usage avec des partenaires industriels (mais pas forcément ceux de la production industrielle). Ces sujets ont vocation à être complétés ; Ils permettent un repère commun aux chercheurs et aux acteurs des industries de biens d’équipements et industries manufacturières, qui sont les partenaires de la plateforme SCAP industrie du futur. Nous avons la conviction que ces cas d’usages reposent sur des technologies communes aux différents secteurs d’activités. Ils posent des problèmes d’appréhension et de déploiement, mais peuvent apporter tant aux industriels qu’aux académiques de réelles valeurs ajoutées.

1 Livre Blanc « Transformer l’industrie par le numérique » ; 2 TRL : Technology Readiness Level https://fr.wikipedia.org/wiki/Technology_readiness_level

3

Table des matières Plateforme SCAP Industrie du futur » ................................................................................................ 2

Plateforme « ACPS industry 4.0 » ............................................................................................................ 2

1. Le numérique au service de l’amélioration continue du pilotage de l’usine .................................. 4

1.1. L’activité de l’usine intègre la dimension numérique ............................................................. 4

1.1.1. Communication machine à machine - M2M ....................................................................... 4

1.1.2. Pilotage par les produits ...................................................................................................... 5

1.1.3. Flexibilité et adaptabilité des systèmes cyberphysiques pour la logistique interne ........... 7

1.2. Planifier les activités de l’usine numérique ............................................................................. 8

1.3. Contrôler et corriger l’activité de l’usine numérique .............................................................. 9

1.3.1. Aide multicritère à la décision ............................................................................................. 9

1.3.2. Réalité virtuelle pour la simulation de situations complexes ............................................. 9

2. L’homme dans un milieu collaboratif et ses facteurs d’expérience tout au long de sa vie

professionnelle ...................................................................................................................................... 11

2.1. Adapter l’environnement informel pour enrichir les possibilités cognitives de l’homme .... 11

2.2. Des objets cyberphysiques et connectés pour soulager la pénibilité de l’homme au travail 12

2.2.1. La prévention des postures à risques de troubles musculo-squelettiques - TMS ......... 12

2.2.2. L’évaluation de la charge mentale et la supervision pour l’efficacité et le confort de

l’opérateur ..................................................................................................................................... 13

2.3. COBOT et exosquelette pour l’assistance à l’homme et la prévention des TMS .................. 14

3. Cybersécurité des systèmes industriels ........................................................................................ 16

4. L’environnement académique ...................................................................................................... 17

4.1. Le laboratoire LabSTICC ......................................................................................................... 17

4.2. L’école d’ingénieurs ENSIBS .................................................................................................. 19

4

1. Le numérique au service de l’amélioration continue du pilotage de

l’usine La démarche d’amélioration continue repose sur les quatre étapes : DO pour l’activité, PLAN pour la

planificatio de l’activité, CHECK pour la mesure de l’écart entre l’activité suivie et sa planification et

ACT pour la mise en œuvre de moyens de correction.

Nous avons composé cette présentation en trois phases, laissant une grande part à la phase liée à

l’activité pour laquelle la transition numérique, en particulier par l’introduction des objets connectés,

est sans doute la plus visible.

1.1. L’activité de l’usine intègre la dimension numérique

1.1.1. Communication machine à machine - M2M L’optimisation de la production et de la chaine logistique industrielle nécessite de planifier et d’ordonner les activités (ordres d’achat, de fabrication, de distribution…), tout en tenant compte des aléas auxquels sont soumises ces activités. De plus en plus de logiciels sont développés pour capter, centraliser et traiter une information de terrain afin de centraliser les décisions d’ordonnancement et de planification. Dans une démarche de gestion avancée de l’entreprise, les automates et leurs systèmes cyberphysiques sont supervisés (SCADA3), monitorés (MES4) et peuvent agir avec les outils de planification et d’ordonnancement avancés (APS5) pour optimiser en temps réel le lancement des activités de l’usine. Une autre part de l’optimisation est due à la capacité d’adaptation des opérateurs qui réagissent à une variété importante d’aléas de production : ruptures de stocks, maintenances correctives et reprises sur essais qualité, sont fréquemment les sources de ces aléas. La communication machine à machine- M2M - a pour enjeu l’amélioration des modèles (capacités en temps réel des ressources, aléas dus à un essai infructueux ou un arrêt de la machine) et de permettre de planifier et d’ordonnancer les activités en temps réel. Les principales composantes d'un système de M2M comprennent

Un dispositif capable de mesurer et de transmettre des données ;

Un lien de communication pour connecter l'appareil ;

Un traitement de ces informations par un progiciel de gestion de l’entreprise.

Les enjeux de la recherche académique sont d’intégrer les systèmes cyberphysiques communicants aux processus d’optimisation des activités de l’entreprise. C’est en particulier le cas du développement de machines communicantes, capables d’autodiagnostics et de flexibilités à base de systèmes embarqués et communicants.

Un second enjeu est celui de développer une intelligence distribuée, qui en évitant la centralisation des données, permet en temps réel à des systèmes répartis de collaborer à l’optimisation de la gestion des flux de l’entreprise tout en tenant compte d’aléas locaux.

3 SCADA Supervisory Control and Data Acquisition ou système de contrôle et d'acquisition de données 4 MES Manufacturing Execution System ou gestion des processus industriels 5 APS Advanced Planning System ou système de planification des flux de l’entreprise

5

1.1.2. Pilotage par les produits Le pilotage par les produits est un enjeu majeur du produit connecté : En intégrant des IoT6 dans le produit, il devient possible de :

Connaître les usages et besoins du client final dans un marché BtoBtoC7 ;

D’améliorer la conception du produit en fonction de son usage prévu ;

D’améliorer les fonctions d’usage d’un produit par la mise à jour de son logiciel ;

D’anticiper la fin de vie des produits.

De piloter les phases de fabrication, d’entreposage et de distribution par le produit Durant la phase de production industrielle, le produit connecté peut interagir au stade de la fabrication (on pense en particulier au cycle « fabrication - essais – reprise ») et au stade de la logistique. La personnalisation (customisation) des produits pourra être traitée par une gamme embarquée dans le produit lui-même. La personnalisation des achats amène à développer les opérations de préparations des commandes (picking, cross-docking,…) durant lesquelles le produit intervient dans le pilotage des opérations. Le pilotage par les produits suppose que l’on dispose :

De capteurs à faible coût et consommation capables de communiquer, d’identifier et de géo localiser les produits auxquels ils sont attachés.

D’un réseau de communication à faible coût, d’installation facile (indoor) et robuste

D’interfaces avec les progiciels de gestion comme les MES, WMS8 ou SCADA.

Les enjeux de la recherche académique sont de développer des systèmes embarqués et communicants, à faibles coûts et intégrés dans le produit dès sa phase d’élaboration. Ces systèmes doivent servir à un usage tout au long de la vie du produit : pour augmenter la qualité de services rendu par le produit, pour qu’il pilote ses phases de fabrication et de distribution et pour un retour de ses usages vers la R&D afin de faciliter l’innovation.

6 IoT : Internet_of_things ou objet connecté (tablette, lunette connecté, Cobot, capteur…) 7 Le BtoBtoC pour « Business to Business to Consumer » désigne un domaine d’activité dans lequel, un produit ou service est d’abord vendu à des entreprises avant d’être revendu par ces dernières à des clients particuliers 8 WMS : Warehouse management systems ou Gestion d’entrepôts et de stocks

Connexion machine à machine :

l’intégration holistique de la

machine intelligente dans

l’organisation de l’usine

6

Le CROSS DOCKING organise les flux logistiques entre les approvisionnements et la livraison

terminale. Le stockage est optimisé si les produits peuvent piloter le croisement des flux entre l’amont et l’aval.

7

1.1.3. Flexibilité et adaptabilité des systèmes cyberphysiques pour la logistique

interne L’agilité de l’usine pose également le sujet de l’agilité des moyens de transports des matières et produits durant le processus de fabrication, de leur entreposage et de leur préparation pour expédition. En faisant face à de grandes variations de charges, de natures et contraintes de produits, de modalités d’expéditions, le système cyberphysique pour la logistique interne doit pouvoir être reconfiguré (physiquement) et adapté (logiciellement) en temps réel. Des solutions nouvelles doivent être trouvées, entre les systèmes transitiques ou de stockages classiques figés et les convoyeurs agiles, mais à faible flux transportés. L’approche de la logistique du futur est de pouvoir reconfigurer les éléments physiques de gestion et de stockage des flux matières en leur associant les commandes, contrôles et supervisions qui correspondent aux applications métiers. Les systèmes cyberphysiques adaptables et flexibles pour la logistique interne nécessitent de développer :

Une approche métier des besoins qui intègre les composants physiques de la logistique (convoyeur, robot, transstockeur), leur sécabilité matérielle et logicielle (commande, contrôle et supervision) ;

La génération des parties logicielles conjointe à l’assemblage des parties physiques reconfigurées ;

Les enjeux de la recherche académique sont de développer des modèles métiers et des

méthodes de conception et de reconfiguration dynamique des systèmes cyberphysiques. Il

s’agit d’intégrer dans un même cycle la simulation, la configuration des parties physiques et

la génération des commandes et des supervisions.

Exemple d’outils réalisés pour la simulation, la génération fiable de commandes et de contrôles,

dirigés par les modèles métiers

8

1.2. Planifier les activités de l’usine numérique La recherche d’une adaptabilité et d’une flexibilité accrues, dans un contexte de customisation des produits et des moyens logistiques et de production, rend particulièrement caduques les démarches classiques de l’optimisation descendante. La recherche opérationnelle est assez peu intégrée dans les outils logiciels de l’usine numérique, même si de nombreux travaux universitaires ont pu aborder des sujets aussi variés que l’ordonnancement, la planification, l’allotissement des achats, les ventes ou encore le transport. On retrouve la recherche opérationnelle dans différents logiciels, principalement de la famille des APS ou SCP, voir WMS. La principale limite à l’optimisation de la gestion des flux réside en la pauvreté des modèles et des informations qui les sous-tendent. L’autre limitation tient en la difficulté à installer des processus d’optimisation qui réagissent en temps réel, c’est-à-dire avec la vitesse à la laquelle une activité peut être perturbée. L’optimisation des activités de prédiction et de gestion des flux en entreprise nécessite de :

Travailler les architectures logicielles et l’interopérabilité des données qui sont trop souvent cloisonnées dans chaque application métier ;

Développer des modèles de métiers et d’activités de l’usine numérique ;

D’apporter les outils d’aide à la décision, pour l’optimisation des activités, à la portée des responsables et opérateurs, pour le domaine qui le concerne.

Les enjeux pour la recherche académique sont de savoir développer des modèles d’activité

de l’usine numérique et de porter les solutions mathématiques issues de la recherche opérationnelle dans des environnements d’aide à la décision pour des métiers ciblés ;

Les architectures et technologies logicielles sont en plein développement et les normalisations sont en en cours. Ces évolutions portent les enjeux de la virtualisation et de la distribution des logiciels de l’usine numérique.

De nombreux logiciels pour l’usine numérique peuvent bénéficier des bénéfices de l’optimisation mathématique de la recherche opérationnelle

9

1.3. Contrôler et corriger l’activité de l’usine numérique

1.3.1. Aide multicritère à la décision L’aide multicritère à la décision - MCDA – permet de tenir compte de facteurs humains, organisationnels et sociaux dans les problèmes de décision. Cette approche scientifique relève de la recherche opérationnelle et peut être utilisée pour les décisions managériales dans des organisations, la gestion du risque dans l’industrie, la sélection de fournisseurs, le tri de réponses à des appels d’offres, le design de systèmes complexes ou encore le choix de stratégies d’investissement. La plateforme diviz9, combinée aux services web XMCDA, propose un écosystème cohérent de techniques d’aide multicritère à la décision S’il existe des plateformes ouvertes pour l’aide multicritère à la décision, il semble nécessaire d’en accompagner l’usage en :

Précisant leur usage relativement aux solutions EMI de l’informatique décisionnelle en entreprise ;

Scénarisant des cas d’usages qui relèvent des enjeux les plus fréquents de la production industrielle ;

Accompagnant les extractions des données des PGI10 qui semblent les plus appropriées à ce sujet.

Les enjeux pour la recherche académique sont de développer de nouvelles approches d’aide

multicritère à la décision, de porter ces méthodes dans le cadre de l’initiative diviz. Le sujet de la modélisation des activités, quantitatives et qualitative et qui tienne compte des facteurs humains est essentiel pour chaque problème rencontré.

1.3.2. Réalité virtuelle pour la simulation de situations complexes La réalité virtuelle couvre naturellement deux axes de la production manufacturière : la revue de projets en cours de développement et la formation des opérateurs. Ces deux axes de simulation recouvrent une grande variété de situations et de secteurs. Une approche globale de la réalité virtuelle est forcément pluridisciplinaire et porte sur les comportements autonomes, les environnements intelligents, l’interaction Humain-Machine ou encore la modélisation et la simulation de systèmes complexes. La démocratisation de la réalité virtuelle pour l’industrie de production repose sur plusieurs facteurs :

Coordonner les modèles métiers qui permettent la description des processus de l’industrie et les modèles 3D des plateformes de réalité virtuelle ;

Rendre accessible des scénarii d’usage de ces environnements pour une première aide à la décision

Développer les interactions entre ces environnements de réalité virtuelle et les environnements de simulations de l’usine de production (simulation des flux, des machines…)

Intégrer au plus tôt les modèles des IoT qui seront utilisés par les opérateurs en phase de production.

9 DIVIZ : http://www.decision-deck.org/diviz/ 10 PGI : Progiciel de gestion intégré

10

Les enjeux pour la recherche académique couvrent un large spectre de thèmes de recherche,

dont : La simulation interactive et la modélisation d’activités collaboratives ; L’analyse de l’interaction et des activités humaines ; Les simulations phénoménologiques pour laboratoire virtuel ; La parallélisassion de simulations individus-centrées à grande échelle ; La modélisation et validation de simulations individus-centrées ; La recherche fondamentale : autonomie, épistémologie.

Le CERV mène des recherches dans différents domaines dont l’ergonomie des postes de travail,

l’implantation d’atelier ou l’apprentissage de situations collaboratives.

11

2. L’homme dans un milieu collaboratif et ses facteurs

d’expérience tout au long de sa vie professionnelle Au sein d’un environnement réactif, adaptatif et d’une complexité technologique croissante, l’homme mute d’un rôle de simple exécutant à celui de coordinateur et d’arbitre des opérations manufacturières. Les technologies connectées et les technologies cyberphysiques doivent accompagner l’homme dans ce qu’il sait faire de mieux, son geste professionnel, artisanal parfois, sa réactivité et sa capacité de prise de décision et enfin son apport au maintien de la cohérence du système de production. Les deux sujets centraux son la collaboration de l’homme (avec d’autres personnes ou machines, physiques, à distance ou virtuelles) et l’accompagnement de l’expérience tout au long de la vie professionnelle.

2.1. Adapter l’environnement informel pour enrichir les possibilités cognitives de

l’homme La prise d’information au plus près du produit, l’aide à la décision et la gestion de système de plus en plus complexes amènent à adapter l’information pour enrichir les possibilités de pilotage de l’homme au sein de l’usine. Cette information doit être adaptée au contexte, accessible en tous lieux, y compris lors d’opérations hors site (comme par exemple la maintenance) et favoriser l’échange dynamique avec un expert si besoin (présentiel, distanciel ou virtuel). Les objets connectés, tablettes, smartphones ou lunettes connectées amènent une rupture dans la manière dont les informations sont communiquées et dont les activités sont réalisées. L’idée directrice est en effet de fournir à l’opérateur une information dynamique, adaptée aux besoins et aux contraintes du poste de travail, tout en laissant celui-ci libre de ses mouvements et en « allégeant » l’atelier des documents de travail organisant l’activité de production. Les lunettes ou les tablettes connectées pourront par exemple servir :

A la personnalisation des opérations manufacturières ou de pilotage, en fournissant à chaque opérateur de production ou de maintenance, en fonction du poste de travail occupé, les ordres de fabrication, les modes opératoires, les manuels et les schémas nécessaires à l’apprentissage et à la réalisation de tâches complexes dans le cadre d’une production diversifiée.

A la supervision de la production, en synthétisant sous formes d’indicateurs des informations délivrées par l’automate qui pilote le convoyeur, ou par un MES, ou en générant des alertes visuelles à l’opérateur permettant une reconfiguration du système de production ou de l’ordonnancement de l’atelier.

A l’interaction entre l’homme, son environnement technologique et un expert qui lui permettront de gérer les opérations complexes et qui nécessitent l’association de plusieurs compétences.

Les enjeux pour la recherche académique sont à la fois de favoriser l’intégration de ces objets connectés aux architectures logicielles de l’usine numérique, comme de travailler l’ergonomie de ces systèmes pour apporter la meilleure efficacité de la charge cognitive de l’homme.

12

2.2. Des objets cyberphysiques et connectés pour soulager la pénibilité de l’homme

au travail

Nous commencerons ce paragraphe par les enjeux pour la recherche académique que soulèvent l’usage des systèmes cyberphisiques dans leur coopération avec l’homme. Ces enjeux sont par nature multidisciplinaires, et font appel aux sciences physiques et électroniques (domaine de la mécatronique), aux sciences humaines (ergonomie cognitive et acceptabilité) ainsi qu’aux sciences économiques et juridiques. Les domaines d’études relèvent de la conception collaborative, holistique et multidisciplinaire.

2.2.1. La prévention des postures à risques de troubles musculo-squelettiques - TMS Bien que la problématique des TMS soit complexe et multifactorielle, il est reconnu que les facteurs

biomécaniques (répétitivité des gestes, postures, port de charges, effort musculaire, etc.)

contribuent à leur développement. Ces conditions font référence à trois des dix facteurs de

pénibilité11 professionnelle que les entreprises doivent prendre en compte depuis 2015 :

- 1) la manutention manuelle de charges ;

- 2) les postures pénibles ;

- 3) le travail répétitif.

Le Body Area Network (BAN) est une technologie de réseau sans fil basée sur les radiofréquences qui

consiste à interconnecter sur, autour ou dans le corps humain de minuscules dispositifs pouvant

effectuer des mesures (capteurs). À terme, le BAN pourrait se retrouver dans un vêtement connecté.

Cette technologie est actuellement employée dans l’aide à la rééducation fonctionnelle ou pour un

entraînement au mouvement.

11 La pénibilité est définie comme une exposition à un ou plusieurs facteurs de risques professionnels susceptibles de laisser des traces durables, identifiables et irréversibles sur la santé. Les facteurs de risques sont liés à des contraintes physiques marquées (manutentions manuelles de charges, postures pénibles, exposition à des vibrations mécaniques) ou à un environnement physique agressif (exposition à des agents chimiques dangereux, travail en milieu hyperbare, exposition à des températures extrêmes ou à du bruit), ou à des rythmes de travail (travail de nuit, travail en équipes successives alternantes, travail répétitif) (articles R. 4121-3-1 et D. 4121-5 du Code du travail). Au 1er juillet 2016, l'ensemble des facteurs de pénibilité devra être évalué par les entreprises.

Exemple d’utilisation de

lunettes connecté dans

une opération de

maintenance industrielle.

13

L’exploitation de ces technologies pourrait permettre à un opérateur de production industriel

d’obtenir en temps réel une information sur ses gestes professionnels pouvant conduire à un risque

de TMS.

Au-delà des facteurs biomécaniques, les données de l’environnement (bruits, vibrations,

température, …) peuvent conduire à une meilleure connaissance des conditions de pénibilité dans

lesquelles se trouve l’opérateur.

Associer différents capteurs de positions angulaires permet de prévenir les postures à risques de TMS

2.2.2. L’évaluation de la charge mentale et la supervision pour l’efficacité et le

confort de l’opérateur De nombreuses tâches nécessitent une attention soutenue alors qu’elles s’accomplissent dans un environnement perturbant (bruits, déplacements, températures extrêmes, humidité, …). C’est le cas du contrôle visuel de la qualité des produits, du comptage, etc. Le risque auquel on s’expose en cas de charge mentale excessive est non seulement celui d’une situation de stress de la personne, mais également d’une moindre qualité du travail opéré (mauvais contrôles de la qualité par exemple). Il existe des solutions de mesure de la charge mentale en temps réel. C’est le cas d’une mesure développée par le LAbSTICC, réalisée par la fusion de données physiologiques (diamètre pupillaire, fréquence cardiaque) et de données relatives à la contrainte de la tâche et à la performance de l’opérateur. Ces mesures de la charge mentale peuvent être utilisées pour superviser la charge de travail d’un opérateur en adaptant par exemple les cadences de contrôle qualité à cette mesure.

14

La mesure de l’activité oculaire (eyes tracking), associée à d’autre paramètres biologiques, permet de

prédire la charge mentale d’un opérateur en contrôle qualité visuelle.

2.3. COBOT et exosquelette pour l’assistance à l’homme et la prévention des TMS Le Cobot effectue une tache pénible avec l’homme en allégeant la charge avec par exemple le Cobot/exosquelette qui est un équipement robotisé (bras à contrôle d’effort, orthèse …) qui assiste l’opérateur dans ses taches, notamment en permettant une démultiplication des efforts et une reprise de charge. Le Cobot limite également la pénibilité engendrée par une tache manuelle répétitive qui peut solliciter de manière importante les articulations de la main et de l’avant-bras. De nouveaux Cobots sans programmation peuvent apprendre un geste professionnel, comme par exemple en enregistrant une séquence de trajectoires, qui peut lui être directement transmis par un opérateur confirmé. Cependant ces Cobots ont une capacité de préhension des objets dans un espace très différent de celui de l’homme : insensibles aux postures pénibles, ils évoluent dans un environnement qui par contre est limité par la portée de ses bras. De même la réalisation de tâches complexes, l’interaction du Cobot avec son environnement physique sont des sujets qui restent à développer, comme par exemple la préparation des produits en bord de ligne. L’installation et l’exploitation efficace d’un Cobot en interaction avec l’homme sont des sujets où la modélisation métier du process et du poste de travail sont nécessaires. Cette modélisation doit aboutir à une coordination Cobot-Automates-Opérateur par une dérivation de cette modélisation, la génération des commandes des automates et la supervision en temps réel de cette coopération.

Les enjeux de la recherche académique portent sur la collaboration entre l’homme et la machine et l’acceptation du cobot par l’homme. Il s’agit également de travailler l’intégration du cobot en tant que système cyberphysique complexe dans son environnement numérique et de développer les modèle métier de ce système.

15

Le COBOT est utilisé dans une

opération de Picking.

16

3. Cybersécurité des systèmes industriels La transition numérique de l’industrie conduit à connecter l’usine au monde de l’internet : c’est le cas :

- De la chaine logistique – du fournisseur à l’atelier et au client – ; - Du le cycle de vie du produit – de la R&D12 au SAV13 en passant par le processus de

fabrication et d’essai - ; - De l’organisation de l’entreprise – du webservice à l’automate en passant par la chaine de

PGI14 -. Plus connectée, plus ouverte, l’usine devient plus intelligente, adaptative et réflexive. Elle intègre plus de standards dans son IT, OT et IoT15 et s’ouvre sur le monde de l’internet. Elle s’expose aux cyberattaques de communautés de pirates plus organisées et en recherche de profits. Comprendre la cybersécurité des systèmes industriels c’est à la fois comprendre la cybersécurité des IT et intégrer les risques industriels d’un dysfonctionnement des systèmes cyberphysiques (automates et leurs actionneurs, robots, etc…). Le développement de la cybersécurité des systèmes industriels demande à :

Développer une culture des risques industriels conjointe à la culture des risques informatiques, comme peut le proposer l’ANSSI16 ;

Appréhender les nouveaux processus métiers et leurs impacts sur les flux d’informations, les architectures systèmes et les moyens de protection ;

Développer des mécanismes de veille active, de protections sectorisées et adaptées aux profils des risques, à la fois numériques et physiques comme peut le proposer le livre blanc sur la défense.

12 R&D : Recherche et développement 13 SAV : Service après-vente 14 PGI : Progiciel de gestion intégrée, comprenant SCM, ERP, MES, Scada,… 15 IT, OT, IoT : Information Technology, Operational Technology, Internet of Things 16 ANSSI : agence nationale de la sécurité des systèmes d’information https://www.ssi.gouv.fr/uploads/IMG/pdf/Guide_securite_industrielle_Version_finale.pdf

17

4. L’environnement académique Cette plateforme s’appuie sur un environnement académique de recherche et d’enseignement supérieur dont elle s’irrigue en termes de compétences scientifiques, technologiques et applicatives. La vocation de la plateforme est de développer des démonstrateurs de technologies en contexte applicatif, destinés aux industries de biens d’équipement et industries manufacturières. Ce contexte se veut évolutif tant par le développement des technologies que par le développement des applications qui les utilisent. Au-delà de ces démonstrateurs, la plateforme SCAP industrie du futur s’ouvre sur la veille, le conseil, la formation et les projets partenariaux.

4.1. Le laboratoire LabSTICC Contexte géographique En fédérant 6 tutelles et 350 chercheurs, le LAbSTICC l’acteur majeur de la recherche académique en Bretagne qui couvre l’ensemble de la chaine numérique :

« Des capteurs à la connaissance : communiquer et décider ».

Organisation scientifique Le laboratoire a été, dès sa création, organisé en trois pôles scientifiques : MOM (Microondes, Optoélectronique et Matériaux), CACS (Communications, Architectures, Circuits et Systèmes), CID (Connaissance, Information, Décision). Chacun des pôles est multi site et multi établissement. Les trois pôles structurent la recherche du laboratoire mais ne la cloisonnent pas. Les interactions entre les chercheurs des différents pôles sont nombreuses, s’appuyant notamment sur les coopérations qui existaient de longue date.

18

Résultat d’un réel effort de structuration de la recherche en STIC en Bretagne Océane, le laboratoire a, de par sa taille, sa cohérence scientifique, l’excellence de ses équipes, et le soutien constant des Tutelles (CNRS et Etablissements) et de la Région Bretagne, immédiatement exercé une forte attractivité sur la communauté scientifique. Cette attractivité a conduit à son extension en 2012 à de nouvelles forces de recherche issues de l’ENIB, de l’ENSTA Bretagne et de l’UBO. Bien que représentant une augmentation de plus de 40% des effectifs chercheur et enseignant-chercheur, cette extension n’a pas remis en cause la structure scientifique du laboratoire : les nouveaux entrants sont venus renforcer les pôles MOM, CACS et CID en y apportant des compétences complémentaires ou en y consolidant les compétences existantes. Le Lab-STICC (Laboratoire des Sciences et Techniques de l’Information, de la Communication et de la Connaissance - UMR 6285) est maintenant une Unité de recherche inter-établissements (CNRS, Télécom-Bretagne, UBO, UBS, ENIB, ENSTA Bretagne) comprenant près de 600 personnes. Le laboratoire est rattaché à l’INS2I en tant qu’Institut principal et à l’INSIS en tant qu’institut secondaire. Il regroupe des compétences de très haut niveau en communications numériques, traitement du signal, micro-ondes, optoélectronique, matériaux, systèmes embarqués, électronique, informatique, et sciences de la connaissance. Les pôles du laboratoire sont définis à la fois comme des instruments de gouvernance, mais aussi comme des entités permettant d’établir une cohérence scientifique sur les grands domaines couverts par le Lab-STICC Le Pôle MOM recouvre une partie du spectre dédiée aux "couches basses", à la physique et la maîtrise des capteurs. Il correspond principalement à des activités rattachées à la section 8 du CNRS. Le Pôle CACS traite globalement de l’architecture matérielle ou logicielle des traitements algorithmiques et des dispositifs associés. Il est principalement rattaché à la section 7 du CNRS. Le Pôle CID couvre les "couches hautes" du traitement de signal et du traitement de données, allant jusqu’à l’étude des interactions homme-machine et de l’évaluation ergonomique des systèmes. Il correspond à la section 7 mais également 26 du CNRS. Le Laboratoire a souhaité, au-delà de cette découpe disciplinaire et par domaine, identifier dans le laboratoire des programmes transverses. La recherche, de façon générale, mais peut-être plus encore dans le domaine des STIC, a vu ses enjeux se transformer et s’élargir à des défis sociétaux et fortement interdisciplinaires. Le large spectre disciplinaire du Lab-STICC et son attachement à une recherche appliquée souvent motivée par des contextes industriels ou opérationnels réels ont tout naturellement conduit à répondre à cette évolution et à mettre en place un ensemble de programmes transverses qui à la fois consolident les liens entre équipes et pôles, et permettent de fédérer les compétences autour de grandes thématiques telles que :

- Les dispositifs d’assistance aux personnes dépendantes : programme HAAL (Human Ambient Assisted Living)

- La cybersécurité et la cyberdéfense : programme CyruS - Le domaine STIC et Mer : programme ICTO (ICT and Ocean) - Les nouveaux modes de représentation et de traitement de l’information pour l’intelligence

artificielle : programme (NeuCod) Codage Neural - Plus recemment les systèmes de drones : programmes Drones

Ces programmes seront décrits en détail par ailleurs sur ce site. On notera ici qu’ils contribuent de façon très significative, sinon majeure, à l’identité du laboratoire, notamment vis-à-vis des grands organismes et acteurs institutionnels de la recherche.

19

Cette structure à la fois disciplinaire et interdisciplinaire est représentée sur la figure ci-dessous, qui met en évidence les trois pôles et leurs équipes, ainsi que les programmes sous la forme de cercles traversant les trois dimensions principales de la structure disciplinaire. Implication dans SCAP industrie du futur A la date de la rédaction de ce document, 8 technologies développées par le LabSTICC ont été identifiées comme pouvant faire l’objet de cas d’usages en relation avec la transition numérique de l’usine du futur.

Technologie Application Application

Plateforme Praxis pour l’aide multicritères à la décision

Aide à la décision Surveillance - Traçabilité

Réalité virtuelle Imagerie numérique Machine intelligente

Réalité augmentée Assistance à la gestion d’entrepôt

Assistance à la conception d’un poste de travail

Évaluation en temps réel de la charge mentale et reconfiguration de l’interaction opérateur-système

Supervision des activités de contrôle

Objets intelligents et localisation Internet des objets Traçabilité

Développement de capteurs autonomes sans puce dédiés à la surveillance des structures et infrastructures

Suivi de corrosion des équipements

Recherche opérationnelle Planification, ordonnancement

Aide à la décision

Usine virtuelle : modélisation et génération des commandes et des interfaces de supervision

Modélisation, simulation

Cybersécurité des installations

Le LabSTICC intervient avec ses 350 chercheurs sur le développement de démonstrateurs qui montrent l’intérêt des technologies dans des cas d’usage. Ces démonstrateurs se veulent génériques et portables afin de faciliter le transfert vers un industriel partenaire de la plateforme. Les chercheurs du laboratoire offrent la possibilité de développer de multiples formes de collaborations, conseil, études et recherche partenariales.

4.2. L’école d’ingénieurs ENSIBS Implantée au sein de l'Université de Bretagne-Sud, l’École Nationale Supérieure d’Ingénieurs de Bretagne-Sud (ENSIBS) propose quatre spécialités

- Informatique et Cyberdéfense à Vannes - Mécatronique et Génie Industriel à Lorient

Toutes habilitées par la Commission des Titres d'Ingénieurs (CTI) et accessibles après un bac +2 ou après le bac, grâce à un parcours innovant en deux ans : le Cycle Universitaire Préparatoire aux Grandes Ecoles (CUPGE ENSIBS sur Lorient). L’École entretient des liens forts avec les entreprises, les groupes industriels, son réseau d’anciens animé avec l’Association des diplômés et forme des ingénieurs aptes à innover et entreprendre.

20

Membre de la Conférence des Directeurs des Grandes Écoles de Bretagne (CDGEB), elle participe au développement de la formation et bénéficie de la synergie avec les Grandes Écoles de la région. Les élèves suivent une formation équilibrée entre cours, travaux dirigés et pratiques qui mêlent enseignements scientifiques, technologiques et en sciences humaines et sociales. L'enseignement met l'accent sur la polyvalence et la pluridisciplinarité. L'ingénieur est formé(e) à la conduite de projet, au management, au travail en réseau. Implication dans SCAP industrie du futur L’ENSIBS accueille dans ses locaux la plateforme SCAP industrie du futur. Elle développe des projets conseils et des formations en collaboration avec ses partenaires industriels.