SAÉ 4.1 : Infrastructure IIoT & Monitoring Énergétique
Supervision industrielle et suivi d'énergie via réseaux hétérogènes : LoRaWAN (Adeunis/SQUID) & IO-Link (IFM).
01. À propos du projet
Ce projet (SAÉ 4.1) consistait à concevoir et déployer une infrastructure IIoT complète pour le suivi de consommation et la maintenance prédictive d'une verrerie.
Le premier volet intègre une chaîne LoRaWAN avec des capteurs Adeunis Pulse (impulsions d'eau) et Ewattch SQUID (mesures électriques). Afin de pallier les fortes interférences en zone saturée, j'ai optimisé le bilan de liaison en installant une antenne externe et en adaptant le Spreading Factor de SF12 à SF7, réduisant l'airtime de 2.46s à 0.1s.
Le second volet déploie une liaison IO-Link avec un capteur de vibrations IFM VVB001 connecté à un maître AL1306, publiant en MQTT. Les données brutes (PDIN hexadécimal) sont décodées dans Node-RED, puis stockées dans une base de données InfluxDB sous Docker sur Raspberry Pi, avec une supervision sur Grafana.
02. Architecture Hétérogène des données (LoRaWAN & IO-Link)
Le projet intègre deux technologies complémentaires : le sans-fil longue portée LoRaWAN pour le monitoring énergétique (eau et électricité) et la liaison industrielle filaire IO-Link pour la maintenance prédictive.
03. Solutions Techniques & Optimisation Radio
Optimisation LoRaWAN (SQUID)
Pour percer le bruit radio (SNR de -13.2 dB à SF12), nous avons installé une antenne externe et basculé sur SF7. L'airtime est passé de 2.46s à 0.1s, évitant toute corruption de trame et remontant le SNR à +9.5 dB.
Liaison IO-Link & Capteur VVB001
Connexion du capteur IFM sur le maître AL1306 pour transmettre les vibrations et la température. Publication automatique en MQTT des objets PDIN hexadécimaux vers le broker universitaire.
Décodage Node-RED & InfluxDB
Écriture de fonctions JavaScript dans Node-RED pour parser et convertir le Base64 (Adeunis) et l'hexadécimal (IFM) en valeurs décimales avant de les enregistrer dans InfluxDB sous Docker.