PUBLIREPORTAGE IoT Analytics

Analyse IoT – de l’Edge à l’Entreprise

par Dominique Duay Directeur de la succursale Suisse Romande et Membre de la direction, Trivadis

Le nombre d’objets connectés ne cessant de croître, un traitement efficace et judicieux des données IoT s’avère de plus en plus important. Pour ce faire, il est préférable que les outils d’analyse soient intégrés aux différents niveaux de la solution IoT, selon leurs spécificités.

Dominique Duay Directeur de la succursale Suisse Romande et Membre de la direction, Trivadis (Source: Trivadis)
Dominique Duay Directeur de la succursale Suisse Romande et Membre de la direction, Trivadis (Source: Trivadis)

Selon Gartner, d’ici à 2020, 20,4 milliards d’appareils seront connectés à l’internet des objets. En 2016, il n’y en avait que 6,4 milliards. À mesure que le nombre d’appareils IoT augmente, le volume de données devient considérable – tout comme la valeur (potentielle) des données qui s’y cachent. Concevoir et mettre en œuvre les solutions IoT correspondantes va donc devenir de plus en plus ardu.

En principe, les solutions IoT sont largement event-driven et impliquent de lourdes exigences en termes de temps réel. Cela signifie qu’elles sont souvent tributaires de la latence entre les événements signalés par les capteurs et l’action qu’ils provoquent. L’extensibilité est également une exigence clé: tous le composants d’une solution IoT doivent pouvoir être instanciés aussi souvent qu’on le souhaite, sans que la performance par instance ne s’en voie drastiquement réduite pour autant. Parmi les autres exigences auxquelles doit répondre une solution IoT figurent la disponibilité et la sécurité.

Composants d’une architecture IoT

Outre les capteurs, les architectures répondant à ces exigences présenteront notamment les caractéristiques suivantes:

  • Logique de proximité avec l’appareil pour la digitalisation des signaux et la transformation d’ordres numériques en actions. Souvent liée à des mécanismes de commande automatisés plus simples.

  • Les passerelles contrôlent des groupes d’appareils et prennent en charge des tâches parfois plus complexes comme le filtrage et le rassemblement des données redondantes. Mais elles fournissent également des interfaces utilisateurs et constituent des points d’accès pour une mise en réseau étendue.

  • Event-Hub: peut transmettre les événements isolés et groupes d’événements depuis les appareils, mais également depuis d’autres sources, via une interface unique.

  • Stream Processing: analyse et transforme (filtre, rassemble, connecte) les différents événements et produit ainsi des données plus adaptées à un traitement ultérieur. Le Stream Analytics permet également de corriger les erreurs ou de démarrer certaines actions spécifiques.

  • Raw Data Storage: permet d’enregistrer toutes les données brutes pertinentes et avec tout l’historique et la granularité. On pourra ainsi effectuer un traitement ultérieur, y compris à d’autres fins jusqu’alors inconnues. Le Raw Data Storage peut par exemple prendre la forme d’un Data Lake ou d’un Data Warehouse classique.

  • Optimized Data Storage: cet espace de stockage réunit les données traitées, généralement condensées et proposées aux processus suivants, et prend généralement la forme d’un Data Mart traditionnel ou d’un magasin de données noSQL.

  • Les interfaces utilisateurs sont généralement des représentations graphiques animées des installations et processus. Ici, les éléments clés sont la proximité temporelle, la représentation et le déclenchement d’alarmes et la possibilité d’intervenir manuellement.

Edge, Plateforme et Entreprise

Gartner a créé une architecture de référence qui divise chaque solution en trois domaines: Edge, Plateforme et Enterprise. Les données brutes des capteurs sont collectées et, le cas échéant, transformées au niveau de l’Edge. Ce niveau englobe entre autres les appareils, les capteurs, les passerelles et les pipelines par lesquels les données circulent vers une plateforme IoT ou un datacenter. Les données sont enregistrées et analysées sur une plateforme IoT. Enfin, dans le domaine Enterprise, les applications, processus et services accèdent aux données de la plateforme IoT afin de lancer ou d’agir sur les processus Business.

Dans le contexte d’augmentation du nombre d’appareils et de données IoT évoqué précédemment, les outils d’analyse gagnent en importance dans la conception et l’architecture des solutions IoT. Il est recommandé de les intégrer à tous les domaines d’une solution IoT. Ainsi, les données peuvent être traitées et analysées à différents niveaux. Cela permet également de soulager le réseau. De plus, la répartition des éléments d’analyse sur l’ensemble de la solution IoT renforce la sécurité et la disponibilité de cette dernière.

La plateforme IoT est actuellement le champ d’application le plus important pour l’analyse. D’une part, l’analyse sur les plateformes IoT permet de mener des recherches plus complexes, ce qui augmente la qualité des données. Cela vaut pour les analyses descriptives, prescriptives et prédictives. D’autre part, sur les plateformes IoT, la sécurité est généralement plus élevée, puisque les données ne sont pas conservées dans la mémoire de l’appareil mais dans un Data Warehouse ou auprès d’un fournisseur de cloud. Enfin, si les plateformes IoT sont basées sur le cloud, elles sont hautement extensibles.

Exemples du secteur de l’énergie et des transports publics

Prenons comme exemple la plateforme IoT d’une entreprise d’approvisionnement en énergie. Les sources de la plateforme IoT en question sont des installations éoliennes et solaires réparties sur un large périmètre. Ces installations mettent à disposition une multitude d’informations, qui ne sont malheureusement pas toujours harmonisées ni cohérentes. C’est pourquoi les passerelles doivent rapidement récupérer les données auprès des installations afin d’harmoniser les données puis de les transmettre à l’Event-Hub. Celui-ci peut alors transférer les informations aux processus de Streaming Analytics. De là, les tableaux de bord sont ensuite fournis, qui affichent graphiquement l’état actuel des diverses installations. Dans une dernière étape asynchrone, les données ainsi collectées sont de nouveau rassemblées dans un RDBMS classique et enregistrées sous forme d’historique. Les données de masse sont ainsi partitionnées en continu pour que les différents flux de données puissent être traités dans différents processus. De cette manière, l’extensibilité du traitement est assurée même en cas de croissance significative de la quantité de données. Les processus dont les performances sont critiques sont mis en place sur le cloud pour qu’en cas de besoin des ressources supplémentaires puissent être acquises à faible coût. La plateforme IoT que nous venons de décrire permet au fournisseur d’énergie de prendre de meilleures décisions quant à l’achat et la vente d‘électricité grâce à une plus grande transparence.

Outre la plateforme, l’Edge constitue un autre domaine de la solution IoT dans lequel les analyses seront de plus en plus souvent réalisées à l’avenir. Cela concerne notamment des analyses de routine très simples et ciblées, pour lesquelles il n’est même pas nécessaire de transmettre les données à une plateforme IoT. On peut par exemple imaginer une caméra de surveillance intelligente qui signale une effraction sans que la vidéo ne soit transmise à la plateforme dans un premier temps. Grâce à la latence réduite qu’implique souvent l’analyse dans le domaine Edge, il est possible de réagir plus rapidement aux événements.

Le domaine Enterprise offre également de nombreuses possibilités d’utilisation de l’analyse. Les données IoT peuvent ainsi être associées aux processus Business existants. Prenons l’exemple des transports publics: En traitant des données provenant d’objets connectés (qui transmettent par exemple la géolocalisation des véhicules) avec un algorithme d’intelligence artificielle, nous sommes en mesure d’automatiser le processus d’attribution d’un véhicule selon son type à une place de parc et un parcours en temps réel. Le tout est intégré au système d’information global permettant l’accès aux données depuis les applications métier. Ainsi on s’assure que chaque véhicule a une cadence d’utilisation équivalente.

Pour exploiter au maximum la valeur des données IoT, il s’avère donc intéressant de prendre en compte les exigences précédemment citées dans la conception et l’architecture d’une solution IoT, et d’intégrer les éléments d’analyse à tous les domaines d’une solution IoT.

Webcode
DPF8_104382