Data, supervision et fiabilité : les coulisses de la transformation digitale des laboratoires Holcim
SYSTèME DE CONTRÔLE ET ACQUISITION DE DONNéES
Holcim optimise le suivi de ses essais béton grâce à une plateforme technologique sur mesure
Le besoin et le périmètre projet
Holcim, acteur majeur dans le domaine des matériaux de construction, a initié le projet SML pour moderniser ses outils de surveillance dans ses laboratoires de recherche. Ceux-ci, dédiés à l’analyse et au développement des bétons innovants, jouent un rôle clé dans la création de matériaux aux propriétés spécifiques : légèreté, perméabilité et résistance optimisée pour diverses applications.
L’objectif du projet SML était de centraliser et d’automatiser le suivi de paramètres critiques, tels que la température et l’humidité, dans l’ensemble des laboratoires. Cette modernisation visait à améliorer la précision des analyses et à faciliter l’accès à ces données en temps réel pour les équipes de recherche, qu’elles soient sur site ou à distance.
La solution réalisée
Pour répondre à ces enjeux, une solution technologique sur mesure a été déployée, reposant sur une infrastructure cloud via Amazon AWS, associée à des centrales d’acquisition autonomes NI CompactRIO mises en place dans chaque laboratoire. La mise en oeuvre s’est effectuée en plusieurs étapes clés :
- Virtualisation du serveur : Déploiement d’une machine virtuelle sous Windows Server 2022, centralisant ainsi les données d’acquisition et de configuration tout en renforçant leur sécurité,
- Migration des données : Passage de la base de données existante d’Oracle à MySQL pour une meilleure performance et une gestion simplifiée,
- Optimisation des flux de données : Mise à jour des web services en LabVIEW 2022 pour garantir une interaction fiable entre la base de données et les outils de consultation,
- Amélioration des interfaces utilisateurs : Mise à jour des IHM web pour une visualisation plus fluide des données.
Grâce à ces innovations, les équipes de Holcim disposent désormais d’une plateforme robuste et intuitive permettant une supervision efficace des conditions expérimentales en laboratoire. Les mécanismes d’alerte intégrés et les outils graphiques facilitent l’identification rapide des anomalies, contribuant ainsi à la qualité et à la fiabilité des travaux de recherche.
Environnement technologique
- Amazon AWS
- MySQL
- NI LabVIEW, Webservices
- NI cRIO, RT / FPGA
- Windows Server
- Interface web PHP & JavaScript, serveur HTTP
