Table des Matières
La contextualisation des données consiste à relier chaque tag de l'historian, c'est-à-dire la série temporelle produite par un capteur, à l'équipement qu'il mesure, à la place de cet équipement dans la hiérarchie de l'usine et à ce qui se passait à ce moment. En pratique, c'est une table de correspondance tenue à jour entre chaque tag et un poste technique, avec unités, rôle de mesure et dates de validité.
Points clés
- Un éditeur définit la contextualisation comme le fait de relier « séries temporelles, fichiers et repères de schémas aux actifs (postes techniques) » (Cognite). Sans elle, un modèle ou un assistant voit des milliers de colonnes sans signification.
- Le nom d'un tag ne suffit pas. Un brevet de Honeywell relève qu'il existe « souvent plusieurs conventions de nommage distinctes au sein d'une même usine » et qualifie la mise en correspondance des tags de « plus gros effort » du projet (US 11017008 B2).
- Rattachez les tags au poste technique, pas au numéro de série, et utilisez l'historique de montage de la GMAO pour savoir quel équipement était en place à une date donnée.
- Procédez par couches : correspondances validées, puis règles, puis suggestions par apprentissage automatique, avec un ingénieur qui confirme ce qui est incertain.
- Des modèles (templates) par type d'équipement permettent de réutiliser une même correspondance, un même calcul et un même modèle prédictif sur tous les actifs similaires.
Qu'apporte la contextualisation à une série temporelle ?
Un tag de l'historian contient un horodatage, une valeur et un statut. Ce qu'un ingénieur sait de lui, par exemple quelle pompe, quelle unité et si la pompe était en marche, se trouve ailleurs. Les recommandations d'OSIsoft décrivent un « smart element », c'est-à-dire un actif de son modèle, comme réunissant des séries temporelles telles que débit, pression et vibrations ; des informations d'actif telles que nom, modèle et fabricant ; des données externes telles que la date de dernière maintenance et les documents de conception ; et des événements tels qu'arrêt, démarrage et défaillance (Batke, OSIsoft, 2019).
On distingue donc trois types de contexte :
| Type de contexte | Question à laquelle il répond | Source habituelle |
|---|---|---|
| Actif | Quel équipement et quel emplacement ce tag mesure-t-il ? | Postes techniques et équipements de la GMAO, registre des repères, P&ID |
| Procédé | Qu'y a-t-il en amont et en aval, et quels tags appartiennent à la même boucle ? | P&ID, configuration du système de contrôle |
| Temps | Que faisait l'équipement : en marche, en démarrage, en maintenance, sur quelle qualité ? | Journaux d'événements, ordres de travail de la GMAO, registres de lots ou de postes |
Pourquoi le nom d'un tag ne suffit-il pas ?
Parce que « tag » désigne trois choses différentes. Un repère d'instrument sur un P&ID suit une convention comme ISA-5.1, dont l'objet est d'établir « un moyen uniforme de désigner les instruments » de mesure et de régulation (ISA). Un repère d'équipement dans la GMAO est un poste technique, l'emplacement qu'occupe une pompe ou un ballon. Un tag de l'historian n'est ni l'un ni l'autre : c'est le nom d'un flux de données, souvent hérité de l'automate qui l'a produit.
Le nom dans l'historian peut contenir le repère d'instrument, une adresse d'automate ou autre chose. Dans un atelier de formation OSIsoft, la même « Sealer Temperature » est stockée sous FFS01SealTemp sur une machine et 02ST3000 sur la suivante. L'atelier explique que cela arrive souvent quand les points PI portent le nom des éléments de la source de données d'origine, qui suivent les conventions de nommage des différents constructeurs d'automates et de SCADA (OSIsoft, atelier PI World 2020).
Les équipements bougent aussi. Dans SAP, les postes techniques sont des « structures hiérarchiques ordonnées de façon systématique », tandis qu'un équipement est « un objet physique individuel » qui « peut être monté sur des postes techniques » ; montages et démontages peuvent être analysés des deux côtés (SAP Learning). Le transmetteur au refoulement d'une pompe mesure l'emplacement : rattachez donc le tag au poste technique et laissez l'historique de montage indiquer quel numéro de série s'y trouvait à chaque date. Les capteurs qui suivent la machine, comme certaines sondes de vibration, sont l'exception et doivent être signalés.
À quelle hiérarchie rattacher les tags ?
À une hiérarchie qui existe déjà et en laquelle la maintenance a confiance. Les recommandations d'OSIsoft indiquent que la hiérarchie doit suivre une norme comme ISA-95, et que la hiérarchie de l'ERP peut être une bonne base de départ (Batke, OSIsoft, 2019).
Les niveaux d'équipement ISA-95, tels que les liste la spécification compagnon OPC UA, vont de l'entreprise, du site et de la zone jusqu'à la cellule de procédé et à l'unité pour les usines de procédés, et comprennent en dessous les niveaux module d'équipement et module de contrôle (OPC 10030). Pour les classes d'équipement, ISO 14224 fournit une base pour collecter les données de fiabilité et de maintenance dans un format normalisé, y compris une taxonomie des équipements, pour les industries du pétrole, de la pétrochimie et du gaz naturel (ISO 14224:2016). CFIHOS ajoute des hiérarchies de classes de repères et d'équipements et une bibliothèque de données de référence, et tous ses documents sont téléchargeables gratuitement (IOGP JIP36).
Restez peu profond. L'atelier OSIsoft prévient qu'une hiérarchie qui impose par exemple huit niveaux pour descendre jusqu'à l'équipement voulu frustre les utilisateurs (OSIsoft, atelier PI World 2020). Les graphes de connaissances des équipements s'appuient sur la même ossature GMAO.
Que doit contenir une table de correspondance tag-équipement ?
Chaque ligne doit pouvoir être vérifiée par une personne et utilisée par un pipeline.
| Champ | Exemple | Pourquoi |
|---|---|---|
| Tag de l'historian | 21PI1043.PV | La clé pour extraire les données |
| Poste technique | DZ01-U21-P-101A | Relie les données procédé à l'historique de maintenance |
| Classe d'équipement | Pompe centrifuge | Choisit le template et les actifs comparables |
| Rôle de mesure | Pression de refoulement | Permet à un modèle de demander la « pression de refoulement » de n'importe quelle pompe |
| Unité | bar(g) | Évite de mélanger les unités entre sites |
| Valide du / au | 2024-03-01 / ouvert | Gère la ré-instrumentation et les tags déplacés |
| Méthode de rapprochement | Règle, suggestion du modèle, manuelle | Indique le degré de confiance |
| Validé par, date | Ingénieur procédé, 2026-06-12 | Rend la correspondance auditable |
Les valeurs de tag et de poste ci-dessus sont des exemples inventés. Pour les unités, la structure EUInformation d'OPC UA associe par défaut les unités aux codes UN/CEFACT, afin qu'un client puisse les interpréter par programme (OPC 10000-8).
Comment rapprocher des milliers de tags et d'équipements ?
Par couches, du plus sûr au moins sûr. Le pipeline de rapprochement de Cognite applique d'abord les correspondances manuelles, puis les règles regex, puis l'apprentissage automatique, et sa documentation conseille de privilégier les règles déterministes et les correspondances validées avant de réentraîner un modèle (Cognite, entity matching).
| Méthode | Fonctionnement | Point fort | Limite |
|---|---|---|---|
| Correspondance validée | Les ingénieurs remplissent une table, souvent à partir de la liste d'instruments | Fiable | Lente ; ne passe pas à l'échelle de tous les tags |
| Règles de nommage | Des expressions régulières extraient les codes d'unité, de boucle et d'équipement du nom du tag | Rapides et explicables | Cassent là où les conventions diffèrent |
| Modèle de similarité | Découpe les noms en tokens et note les paires candidates | Couvre ce que les règles ratent | Exige une certaine ressemblance entre les chaînes ; les scores ne sont pas des probabilités |
| Revue par un ingénieur | Brouillons de correspondance confirmés sur le P&ID | Détecte les erreurs | Prend du temps à des personnes rares |
Le modèle de Cognite ne trouve des correspondances que s'il existe une certaine ressemblance entre les chaînes, et ses scores ne peuvent pas être interprétés comme des probabilités. Un modèle non supervisé convient au démarrage, quand on a peu de correspondances connues ; un modèle supervisé peut apprendre des correspondances confirmées une fois qu'on en dispose (Cognite, entity matching). Dans l'interface, une personne confirme chaque correspondance suggérée et revoit les brouillons avant leur enregistrement, et les règles regex confirmées sont enregistrées avec le pipeline (Cognite, match entities).
La recherche va dans le même sens. Une étude portant sur environ 29 000 repères d'actifs de 50 installations amont pétrolières et gazières a entraîné un LSTM sur les caractères des repères pour prédire les relations hiérarchiques. Elle rapporte de bons résultats sur les relations, mais des limites pour prédire certains éléments numériques des repères (Pronk, 2024). Or ce sont souvent ces chiffres qui distinguent deux pompes identiques : une personne doit donc encore vérifier.
Comment les templates font-ils gagner du temps ?
Une fois les tags d'une pompe rattachés à leurs rôles, la même structure doit s'appliquer à toutes les pompes. Dans AVEVA PI Asset Framework, les templates d'éléments donnent à « chaque chaudière, chaque pompe ou chaque transformateur » une vue cohérente, et un nouveau calcul construit sur le template peut s'appliquer automatiquement à tous les actifs qui l'utilisent (OSIsoft, atelier PI World 2020). Les templates peuvent aussi créer de nouveaux points dans l'historian avec des noms cohérents (Batke, OSIsoft, 2019).
Quand les anciens tags ne suivent aucune logique, le même atelier décrit l'association manuelle de chaque attribut à son point, avec PI Builder, un complément Excel, pour modifier les configurations en masse. Un unified namespace fait le même travail au moment de la publication : le chemin du topic place chaque valeur dans la hiérarchie avant qu'un consommateur ne la lise.
Étape par étape : de la liste de tags aux données contextualisées
- Choisir une unité et un cas d'usage, par exemple un parc de pompes pour la détection d'anomalies. Le conseil d'OSIsoft : ne modéliser que ce que l'on a compris (Batke, OSIsoft, 2019).
- Exporter la liste des tags avec descriptif, unité, échelle et adresse source. Notre guide sur l'extraction des données de l'historian traite du chemin d'accès.
- Exporter la hiérarchie de la GMAO : postes techniques, équipements, classes et historique de montage.
- Définir un template par classe d'équipement, avec les rôles de mesure dont un modèle ou un rapport a besoin.
- Appliquer les correspondances validées et les règles de nommage issues de la liste d'instruments et des conventions de repérage.
- Lancer le rapprochement par similarité sur le reste et mettre les suggestions en file de revue.
- Confirmer sur le P&ID, avec un ingénieur procédé ou instrumentation.
- Charger la correspondance dans le modèle d'actifs, le namespace ou une table gouvernée, avec ses dates de validité.
- Mesurer la couverture. Cognite recommande d'examiner la couverture du périmètre, les éléments orphelins et la confiance avant d'ajuster les modèles (Cognite).
Comment tenir la correspondance à jour ?
La contextualisation se dégrade. Les pompes sont permutées, des instruments sont ajoutés, des unités sont rénovées. Trois habitudes aident :
- Lier les changements à la gestion des modifications. Les recommandations de gouvernance d'OSIsoft comprennent des conventions de nommage pour les tags de l'historian et les objets du modèle d'actifs, et un processus d'approbation des changements (Batke, OSIsoft, 2019). Ajoutez « mettre à jour la correspondance des tags » à la check-list de chaque modification.
- Conserver les liens confirmés lors d'un nouveau rapprochement. Cognite conseille de préserver les liens confirmés par les experts métier lors des nouvelles exécutions (Cognite).
- Surveiller les suppressions. La même présentation d'OSIsoft note que l'import d'une structure d'actifs ajoute et modifie des objets, mais ne supprime pas ceux qui ont été supprimés sur la base maître. Les liens obsolètes survivent tant que personne ne les retire.
Sur la question de la responsabilité, voir la gouvernance des données dans l'industrie.
Pourquoi est-ce important pour l'IA ?
Le brevet de Honeywell relie directement la correspondance des tags à l'analytique : rattacher les tags à des modèles d'actifs réduit l'effort de configuration et rend l'analytique avancée, comme la prédiction des défaillances d'équipements, plus rapide et plus simple à mettre en place (US 11017008 B2). En pratique :
- Les modèles reçoivent les bonnes entrées. Un modèle pour la pompe P-101 demande sa pression de refoulement par rôle, pas par un nom de tag deviné.
- Les modèles se déploient sur un parc. Un modèle construit sur un template peut être déployé sur d'autres actifs de la même classe, puis vérifié sur chacun.
- Les assistants peuvent répondre aux questions sur l'usine. Quand un ingénieur demande « la pompe en P-101 », un assistant ou un agent a besoin de la correspondance pour trouver ses tags, ses ordres de travail et ses manuels ; voir l'analyse des causes racines avec un LLM et l'historique de maintenance et connecter un agent IA à une GMAO.
Ce que nous avons constaté chez KABAS AI
Notre service data science couvre la collecte et la préparation des données, les modèles prédictifs et les pipelines MLOps qui les font tourner, et notre service systèmes d'information couvre l'intégration des systèmes existants. DALILE, notre assistant sur site, combine documents, tableurs et bases de données dans une même requête. Nous n'avons pas publié de projet de contextualisation : les points ci-dessous sont des conseils pratiques, pas des résultats rapportés.
- Prévoir le budget de la correspondance avant celui de la modélisation. Le brevet de Honeywell la qualifie de plus gros effort.
- Partir des postes techniques de la GMAO, et non de la liste des tags de l'historian, pour que données procédé et données de maintenance partagent une même clé.
- Enregistrer comment chaque lien a été établi et qui l'a validé. Un modèle n'est fiable que si la correspondance qui l'alimente l'est.
Sources
- Cognite, Contextualization (documentation)
- Cognite, Entity matching (documentation)
- Cognite, Match entities (documentation)
- Honeywell International, US 11017008 B2, Method and system for contextualizing process data, 2021
- OSIsoft, See the Light: Easy wins to improve your Asset Framework experience, atelier PI World 2020
- Batke, Best Practice: Asset Framework Deployment and Management, OSIsoft PI World, 2019
- SAP Learning, Explaining Technical Asset Structures
- ISA, comité ISA5.1 Instrumentation Symbols and Identification
- OPC 10030, OPC UA Common Object Model: ISA-95, ISA95EquipmentElementLevelEnum
- OPC 10000-8, OPC UA Part 8: Data Access, EUInformation
- ISO 14224:2016, Collecte et échange de données de fiabilité et de maintenance des équipements, domaine d'application (boutique de normes GSO)
- IOGP JIP36, norme CFIHOS
- Pronk, Generative LSTM Models and Asset Hierarchy Creation in Industrial Facilities, arXiv 2403.06103, 2024
Questions fréquentes
La contextualisation des données, est-ce la même chose qu'un graphe de connaissances ?
Pas tout à fait. La contextualisation consiste à rattacher chaque série temporelle à l'équipement, à la hiérarchie et aux événements auxquels elle appartient, en général dans une table de correspondance ou un modèle d'actifs. Un graphe de connaissances est un des endroits où stocker et interroger ces liens avec les documents, les plans et les ordres de travail. La plupart des usines ont d'abord besoin de la correspondance tag-équipement, quel que soit le support choisi.
Faut-il rattacher un tag au poste technique ou à l'équipement physique ?
Au poste technique, c'est-à-dire l'emplacement dans l'usine, car le transmetteur mesure le procédé à cet emplacement quelle que soit la pompe montée. L'historique de montage de la GMAO indique ensuite quel équipement physique était en place à une date donnée. La série temporelle reste ainsi continue quand une pompe est permutée, et l'historique de maintenance suit le numéro de série.
L'apprentissage automatique ou un modèle de langage peut-il faire la correspondance automatiquement ?
Ils peuvent proposer des correspondances, pas les décider. Les outils d'éditeurs comme le rapprochement d'entités de Cognite appliquent d'abord les correspondances manuelles et les règles, et l'apprentissage automatique en dernier, et leurs scores ne sont pas des probabilités. Un modèle de langage peut de la même façon suggérer une correspondance à partir du descriptif d'un tag. Chaque suggestion reste un brouillon qu'un ingénieur valide sur le P&ID avant que des modèles ou des rapports en dépendent.
Faut-il renommer les tags de l'historian ?
Non. Renommer les tags casse les synoptiques, les rapports et les scripts qui utilisent les anciens noms. Gardez les noms d'origine et ajoutez le contexte par-dessus, dans un modèle d'actifs comme AVEVA PI Asset Framework, dans une table de correspondance ou dans l'arborescence de topics d'un unified namespace. Appliquez une convention de nommage aux nouveaux tags à partir de maintenant.
Où doit résider la table de correspondance tag-équipement ?
Dans un seul endroit gouverné que les autres systèmes consultent, et non dans le tableur de chaque projet. Les choix courants sont le modèle d'actifs de l'historian, une petite base de données gérée par l'équipe data, ou un graphe de connaissances. Dans tous les cas, la GMAO reste la référence pour les postes techniques et les équipements, et la correspondance est reconstruite ou vérifiée dès que l'un ou l'autre change.



