MTP et IA industrielle Comment Merck envisage la production modulaire

La norme MTP (Module-Type-Package) est considérée comme la clé d'une industrie des procédés plus flexible. Cependant, le MTP ne vise pas seulement à connecter des modules à un système de contrôle-commande, mais aussi, en association avec une interface de gestion, des passeports numériques des produits et l'intelligence artificielle, à jeter les bases de l'IA industrielle. Une visite chez Merck à Darmstadt permet de découvrir ce qui fonctionne déjà aujourd’hui et ce qui relève encore de la vision d’avenir.

Merck s'intéresse aux installations modulaires depuis le début des années 2000. À l'époque, les différentes unités devaient toutefois encore être programmées manuellement. Aujourd'hui, la norme Module Type Package (MTP) vise à réduire les efforts d'intégration : un module de process décrit ses fonctions sous forme numérique et les met à la disposition d'un système de contrôle de niveau supérieur.

L'approche MTP a été présentée pour la première fois en 2014 lors de la réunion générale de Namur. La série de directives sur laquelle elle repose VDI/VDE/Namur 2658 a été publiée en octobre 2019. Depuis le 20 janvier 2026, la spécification MTP 2.0, une spécification étendue de Profibus & Profinet International (PI), Namur et Zvei est disponible.

Galerie d'images

Galerie d'images avec 5 images

MTP : le pilote numérique pour les modules de processus

Dans le cadre du concept « Module-Type-Package », un module de processus est fourni sous la forme d'un Process Equipment Assembly (PEA) accompagné d'une description standardisée de ses fonctions et de ses interfaces. Le fichier MTP contient notamment des informations sur les services, les écrans de commande, les signaux et les fonctionnalités du module. Cette description permet de connecter le PEA à une couche d’orchestration des processus (POL) de niveau supérieur. Le POL coordonne les modules et les rassemble pour former un processus global.

L'objectif est de faire en sorte que la construction d'installations s'appuie davantage sur le principe « Plug and Produce », c'est-à-dire « brancher l'appareil et produire immédiatement ». Un module de dosage pourrait, par exemple, être composé d’une pompe, de vannes et d’un débitmètre. Sa fonction – par exemple, le dosage avec un débit volumique défini – est décrite numériquement et mise à la disposition du système de contrôle de niveau supérieur.

Sebastian Härtner, expert MTP chez Merck, compare ce principe à une imprimante. Dans le monde classique des équipements, l'utilisateur devrait, en quelque sorte, acheter séparément des composants tels que la tête d'impression, le boîtier et le système de commande, puis les assembler et les programmer avant de pouvoir imprimer. L’approche modulaire, en revanche, s’inspire du principe actuel des imprimantes : l’utilisateur achète une imprimante prête à l’emploi, installe le pilote et peut ensuite l’utiliser avec différents systèmes d’exploitation. Transposé à l’industrie des procédés, cela signifie que l’utilisateur intègre un module prêt à l’emploi dans son environnement de production et utilise ses fonctionnalités sans avoir à reprogrammer l’ensemble du système d’automatisation à partir de zéro.

Des modules standardisés plutôt que des installations individuelles sur mesure

Aujourd'hui, les installations sont souvent conçues, construites, câblées et programmées comme un projet global. Une architecture modulaire repose en revanche sur des unités fonctionnelles combinables. C'est le fabricant qui détermine la taille d'un module : celui-ci peut englober une seule unité fonctionnelle ou regrouper plusieurs fonctions. Un capteur peut déjà être considéré comme un module à part entière et, en théorie, une plate-forme de forage complète pourrait également constituer un module. Les modules plus petits offrent davantage de possibilités de combinaison, mais augmentent également le nombre d’interfaces et, par conséquent, la complexité de l’intégration et de l’utilisation. Les unités plus grandes sont souvent plus faciles à manipuler, mais moins flexibles. La taille de module appropriée dépend donc du processus concerné et du cas d’application.

Bluefield, un environnement de production flexible

Une installation modulaire est intégrée dans ce qu'on appelle un « Bluefield ». Ce terme désigne ici un environnement de production flexible, dans lequel les modules peuvent être combinés pour former différentes configurations de production. Chez Merck, par exemple, le Bluefield se présente sous la forme d'une cabine de production séparée physiquement, dotée de portes vitrées sur deux côtés.

Les modules de différents fabricants sont intégrés dans Bluefield via des connexions réseau et des interfaces standardisées. L'utilisateur peut orchestrer les modules dans le logiciel par glisser-déposer, en reliant entre elles les entrées et les sorties. Cela permet de créer des processus personnalisés à partir des mêmes modules, en fonction des besoins.

À long terme, cela pourrait déboucher sur la création d'un ensemble de modules de processus standardisés : les exploitants pourraient alors sélectionner les unités de réaction, de dosage, de séparation ou de traitement adaptées et les combiner pour former un processus de production. Des informations numériques sur la technologie, la sécurité, la maintenance et la qualification des modules pourraient permettre, avant même leur intégration physique, de vérifier l’adéquation d’un module. Cela ouvrirait à terme la voie à un marché de modules standardisés et qualifiés, pouvant être achetés, loués ou utilisés sur plusieurs sites.

Réunion : le jumeau numérique tout au long du cycle de vie

Le projet de recherche « REUNION », mené dans le cadre de l’initiative Enpro, vise à jeter les bases d’un tel environnement de production modulaire. Des universités, des fabricants de modules, des fournisseurs de solutions d’automatisation et de logiciels, des exploitants d’installations ainsi que des autorités publiques y participent.

La fiche technique sémantique PEA (SPEAD) constitue un élément essentiel. Elle a pour objectif de décrire de manière standardisée et lisible par machine les informations relatives à un module de processus – telles que les données techniques, les schémas P&ID, les informations de maintenance, les justificatifs de sécurité et les documents de qualification. Ces données peuvent ensuite être intégrées dans l’environnement Knowledge Graph de Merck. L’objectif est ainsi de créer, dès la phase de conception, un jumeau numérique exploitable à partir des informations techniques et sémantiques, qui pourra notamment être utilisé pour des simulations, des comparaisons d’installations et des optimisations.

Ce que le travail de développement montre déjà

La modularisation ne concerne pas uniquement les logiciels. Les interfaces physiques doivent également être prises en compte. Une étude a par exemple montré que les fabricants positionnent différemment les armoires de commande et les raccordements des modules, rapporte M. Härtner lors de la visite de Bluefields : « Nous n’avions d’ailleurs donné aucune consigne à ce sujet au début du projet. Dans la pratique, il serait toutefois judicieux de disposer les raccords de manière plus uniforme – par exemple, les raccords de fluides à l’avant pour le technicien de laboratoire et les armoires de commande à l’arrière pour l’automatiste. » En revanche, une spécification contraignante concernant la taille des modules s’est avérée trop restrictive.

Développement de processus avec « BayBE » et des modèles numériques

Le Bluefield devient ainsi à la fois un environnement de développement et de production. Les ingénieurs des procédés peuvent étudier les conditions de réaction d’abord virtuellement, puis dans un montage réel. Pour ce faire, Merck utilise notamment Bayesian Back End (« BayBE »), un outil d’apprentissage automatique destiné à la planification d’expériences assistée par l’IA. Ce logiciel peut être intégré à l’architecture MTP sous forme de module virtuel et proposer, par exemple, des combinaisons appropriées de débit de dosage, de température et de temps de séjour.

L'objectif est d'acquérir une compréhension solide du processus dès les premières étapes du développement. Cela permet de réduire le nombre de questions en suspens lors du transfert technologique vers la production. Merck associe cette approche au principe « Right first time » : le premier cycle de production doit, dans la mesure du possible, répondre d'emblée aux exigences de qualité. « À l’heure actuelle, le délai de mise en production d’un principe actif, de la recherche à la production, est d’environ dix ans », explique M. Härtner. Selon lui, les nouvelles technologies permettraient de gagner au moins deux ans.

Du module MTP au passeport numérique du produit

Chaque module génère des informations – notamment sur les longueurs de tuyaux, les matériaux, les capteurs ou les transferts thermiques. Toutes ces informations doivent être saisies par le fabricant, stockées sous forme numérique et rendues interopérables – notamment pour le passeport numérique du produit (DPP) ou les jumeaux numériques.

C'est là qu'intervient l'Asset Administration Shell (AAS), la « coque d'administration ». Elle sert de conteneur numérique standardisé pour les informations relatives à un ou plusieurs actifs. Un actif peut être un module, un capteur, une matière première, un produit intermédiaire ou une installation complète. Les données peuvent être échangées entre entreprises via des espaces de données standardisés et des connecteurs EDC.

Le fabricant d'un module peut enregistrer les informations dans la couche d'administration. L'exploitant récupère ensuite précisément les données dont il a besoin pour l'intégration, la simulation ou l'exploitation. Ces informations ne doivent pas nécessairement être stockées de manière centralisée. Elles peuvent rester chez le fabricant concerné et être rendues accessibles via des connecteurs sécurisés.

Merck travaille également sur des concepts de modules préqualifiés, qui pourraient jouer un rôle important, notamment dans l'industrie pharmaceutique, pour la production conforme aux BPF. Un fabricant de modules doit par exemple fournir la documentation et les justificatifs relatifs à la qualification de la conception (DQ), à la qualification de l'installation (IQ) et à la qualification opérationnelle (OQ). Il appartient ensuite à l'exploitant de vérifier, en fonction du site concerné, si ces documents sont suffisants pour l'utilisation concrète prévue.

Chem-X : des données numériques au-delà des frontières sectorielles

Le cas d’utilisation Chem-X, qui a notamment été présenté au salon de Hanovre en 2026. Ce démonstrateur reproduit une chaîne d’approvisionnement numérique :

• BASF a mis à disposition une matière première accompagnée d'un Digital Material Passport (DMP) dans un bac de gestion.
• Merck a transformé cette matière première en un produit intermédiaire et a ajouté des informations numériques sur les processus et les produits.
• Le produit intermédiaire a été remis à Infineon, avec les données associées, dans le cadre du consortium Semi-X, où il a été transformé en une puce semi-conductrice.
• La puce a ensuite été intégrée dans un casque de la marque Sennheiser, avec un DPP destiné au consommateur.

« Cela ne fonctionne que parce que nous travaillons avec des ensembles de données interopérables », explique M. Härtner. « Les structures de base nécessaires à cela sont la couche administrative et les normes correspondantes, que nous sommes en train d’élaborer. » Les informations numériques sur les processus peuvent en outre aider à identifier les causes des problèmes de qualité ou à mieux évaluer les matériaux en vue de leur recyclage et de l’économie circulaire.

Les trois niveaux de l'architecture de production numérique

Pour la suite de son développement, Merck distingue trois niveaux étroitement liés :

1. MTP décrit les fonctionnalités et l'automatisation d'un module de processus.
2. Les normes de communication, telles que OPC UA et MQTT, permettent de transférer des données entre les systèmes.
3. Le volet administratif, les ontologies et les graphes de connaissances classent les données et décrivent leur signification et leurs relations.

C'est cette combinaison qui crée les conditions nécessaires à l'IA industrielle. Un module de dosage ne doit donc pas se contenter de fournir des valeurs de mesure. La description numérique doit également préciser de quels composants il est constitué, quelles fonctions ceux-ci remplissent et comment ils sont reliés entre eux. Ainsi, les applications d'IA pourront non seulement analyser des données, mais aussi comprendre les relations entre celles-ci.

L'IA industrielle a besoin de données accessibles et sécurisées

Le développement de la production modulaire s'inscrit dans un débat plus large sur IA industrielle. La plateforme Industrie 4.0 a entamé sa réorientation en juillet 2026 sous la devise « Empowering Industrial AI ». La question centrale est de savoir comment l'IA industrielle peut être mise en œuvre de manière pratique et intégrée à la production.

Pour cela, les données doivent être faciles à trouver (findable), accessibles (accessible), interopérables (interoperable) et réutilisables (reusable), conformément aux principes FAIR. « Accessible » ne signifie pas pour autant automatiquement « librement disponible » : les entreprises doivent déterminer quelles informations elles souhaitent partager avec leurs fournisseurs, leurs clients et leurs partenaires. « Si nous nous orientons vers l’IA industrielle, nous devons également être conscients que nous devons rendre les données disponibles », explique M. Härtner. « Mais nous devons bien sûr aussi mettre en place un cadre de sécurité adapté. »

La cybersécurité, les modèles de rôles et la souveraineté des données constituent ainsi des éléments centraux de la nouvelle architecture de production. La loi Cyber Resilience Act (CRA) impose de nouvelles exigences aux produits comportant des éléments numériques. Le règlement s’applique en principe à compter du 11 décembre 2027 ; certaines obligations de déclaration s’appliquent toutefois dès le 11 septembre 2026.

La prochaine étape : la mise à l'échelle économique

Bon nombre des technologies décrites sont encore en cours de développement et pourraient ne voir le jour que dans quelques années. Il existe toutefois cette idée générale d’« IA industrielle » vers laquelle l’industrie s’oriente, explique M. Härtner. La prochaine étape consistera à traduire cette idée en projets à plus petite échelle et exploitables sur le plan économique. Les bases techniques des modules MTP existent déjà – Merck, Evonik, Gea et le Zeta ont présenté des applications correspondantes. L’amendement à la loi fédérale sur la protection contre les émissions (BImSchG), adopté le 21 octobre 2026, établit désormais également le cadre réglementaire pour l’autorisation des installations modulaires.

Le concept MTP a également considérablement évolué au cours des 20 dernières années. Il va désormais bien au-delà de la simple connexion de réacteurs, de pompes ou de capteurs individuels. Cette vision englobe les descriptions numériques des installations, des matériaux et des processus, jusqu’à l’optimisation assistée par l’IA. La mise en place d’un monde « Plug-and-Produce » largement accessible ne dépend toutefois pas uniquement de la faisabilité technique. Les avantages économiques, l’acceptation par le marché, la cybersécurité et la volonté de procéder à un échange contrôlé de données sont des facteurs décisifs.

Pour Merck, la production modulaire est donc bien plus qu'une simple question d'ingénierie. Elle s'inscrit dans une stratégie à long terme visant à exploiter les connaissances par le biais du numérique et à préparer la production à une nouvelle génération d'applications industrielles.