Avec des solutions SaaS et on-premise, TrendMiner s’est donné pour mission de démocratiser l’analyse de données pour les industries de production. L’éditeur basé en Belgique a été racheté en 2018 par le groupe allemand Software AG pour enrichir son portefeuille de produits pour l’IoT. Il fournit une solution analytique en self-service permettant d’optimiser la performance des processus industriels. Avec sa version 2021.R1 livrée en ce début d’année, TrendMiner vient d’ajouter à son logiciel une fonctionnalité d’intégration de notebooks. Cette dernière donne à la fois accès à des tableaux de bord et à des analyses de données basées sur du code.
TrendMiner est utilisé par différentes industries comme la chimie, la pétrochimie, l’exploitation minière, les groupes pharmaceutiques ou les opérateurs de gestion de l’eau. Conçu pour des équipes opérationnelles, le logiciel permet d’analyser, de monitorer et de prédire la performance opérationnelle en utilisant des données chronologiques générées par des capteurs. Le moteur d’analyse du logiciel s’applique particulièrement à ce type de données (time series). Les ingénieurs métiers peuvent interroger directement les données sans devoir passer par des data scientists. Outre l’amélioration des processus de production, la solution permet aussi de configurer des alertes préventives pour la production.
Pandas, NumPy, SciPy ou SciKit-Learn au choix
Par rapport aux outils destinés aux data scientists, « l’analyse en self-service vise à regrouper un sous-ensemble de capacités de modélisation de data science et à les apporter aux utilisateurs experts sous la forme d’un ensemble de fonctionnalités ne nécessitant ni paramétrage technique ni formation en data science », explique Thomas Dhollander, CTO et co-fondateur de TrendMiner dans un communiqué. Avec la fonctionnalité d’intégration de notebook de la version 2021.R1, les utilisateurs peuvent désormais facilement passer d’une vue des données dans TrendMiner à un environnement de data science utilisant du code.
« A partir de la bibliothèque de data science de leur choix - par exemple Pandas, NumPy, SciPy ou SciKit-Learn - les ingénieurs peuvent créer et exécuter eux-mêmes des scripts personnalisés pour réaliser des analyses statistiques avancées », explique l’éditeur. « Ils peuvent aussi utiliser les capacités d’AutoML pour concevoir des modèles d’apprentissage machine pour détecter des anomalies ». Les utilisateurs peuvent ensuite mettre en oeuvre de façon opérationnelle les visualisations notebook qui en résultent - en recourant là aussi aux bibliothèques de leur choix telles Matplotlib, Plotly ou Seaborn - sous la forme de tableaux de bord dans l’outil DashHub de TrendMiner.
Importation des arbres d'actifs industriels au format CSV
Dans sa version 2021.R1, la solution a par ailleurs étendu ses capacités de prise en charge des infrastructures de gestion opérationnelle d’usines, connues sous le nom de frameworks de ressources (asset frameworks). Ainsi, les utilisateurs d’un PI System (Plant information system) comme OSIsoft PI - qui collecte de grands volumes de données chronologiques de haute précision - vont pouvoir par exemple connecter plusieurs serveurs OSI PI asset framework et installer des permissions d’accès. TrendMiner va importer les données des arbres d’actifs industriels (asset trees) au format structuré CSV pour analyser les performances opérationnelles de différentes lignes de production.
Fondé en 2008, TrendMiner est implanté en Europe (à Hasselt en Belgique et Darmstadt en Allemagne, ainsi qu’en Espagne et aux Pays-Bas). Outre son intégration avec OSIsoft PI, TrendMiner se connecte également en standard avec les principaux systèmes de gestion de ressources de production : Yokogawa Exaquantum, AspenTech IP.21, Honeywell PHD, GE Proficy Historian et Wonderware InSQL.