Instrumentation et qualité de la donnée
Bâtir une chaîne de mesure exploitable pour l'analytique : fréquence, précision, horodatage et cohérence des capteurs.
À retenir
- La fréquence d'échantillonnage doit être alignée sur la dynamique réelle du phénomène mesuré.
- Un horodatage cohérent entre capteurs est indispensable pour toute corrélation temporelle fiable.
- La traçabilité (fiche de vie du capteur) évite les enquêtes manuelles coûteuses en cas d'anomalie.
- Agréger la donnée trop tôt peut masquer les signaux nécessaires à la détection de défauts transitoires.
Sans donnée fiable, pas d'analytique
Tout projet d'analytique ou d'IA appliqué au pilotage énergétique repose d'abord sur la qualité de l'instrumentation. Un modèle, aussi sophistiqué soit-il, ne peut compenser des mesures bruitées, mal horodatées ou incohérentes entre elles.
Trois dimensions à contrôler
| Dimension | Question à se poser | Piège fréquent |
|---|---|---|
| Fréquence d'échantillonnage | La mesure capture-t-elle les variations utiles ? | Un relevé toutes les 15 minutes masque des pics de charge de quelques secondes |
| Précision et calibration | Le capteur est-il calibré et traçable ? | Des sondes de température non recalibrées dérivent de plusieurs degrés en quelques années |
| Horodatage | Tous les capteurs partagent-ils la même référence de temps ? | Un décalage NTP de quelques secondes fausse la corrélation entre séries temporelles |
Point clé
un modèle prédictif entraîné sur des données mal horodatées peut apprendre des corrélations fantômes entre événements qui ne se sont, en réalité, jamais produits simultanément.
Choisir la bonne fréquence
La fréquence de mesure doit être alignée sur la dynamique du phénomène observé : une température de reprise d'air varie lentement (relevé à la minute suffisant), alors qu'un courant d'onduleur ou une vibration de moteur nécessite un échantillonnage bien plus rapide (secondes, voire kHz pour la vibration). Sur-échantillonner inutilement sature le stockage et le réseau ; sous-échantillonner masque les signaux précurseurs de défaillance.
Attention
beaucoup de projets analytiques échouent non pas faute de capteurs, mais parce que les données sont agrégées trop tôt (moyennes 15 minutes envoyées à la plateforme) alors que le cas d'usage (détection de défaut transitoire) exigeait la donnée brute.
Traçabilité et gouvernance
Chaque capteur devrait disposer d'une fiche de vie : type, date d'installation, dernière calibration, plage de mesure valide, et code d'identification unique cohérent entre le système de supervision (BMS/DCIM) et l'entrepôt de données utilisé pour l'analytique. L'absence de cette traçabilité oblige, en cas d'anomalie détectée par un modèle, à un travail d'enquête manuel long et coûteux.
capteur_id, type, unité, fréquence, dernière_calibration, source_horodatage
TEMP-CRAH-03, température, °C, 1 min, 2024-11-02, NTP-serveur-A
Sur le terrain
les équipes les plus matures maintiennent un catalogue de données (« data dictionary ») partagé entre exploitation et data science, évitant que chaque nouvelle analyse reparte d'une phase de nettoyage manuel des données.
Astuce
avant de lancer un projet analytique, faites auditer un échantillon de capteurs critiques par comparaison avec un instrument de référence portable : c'est souvent le moyen le plus rapide de découvrir une dérive de calibration silencieuse.