L’Internet des Objets est trop souvent, et à tort, conjugué au futur. Voyons comment il se construit aujourd’hui, façonné notamment par la dynamique des entreprises françaises qui ont su innover pour élargir le champ des possibles et tirer parti des formidables opportunités de ce nouvel eldorado. De l’industrialisation des objets aux systèmes intelligents, en passant par la mise en place de nouveaux moyens de communication, un panel d’entrepreneurs passionnés viendra nous inspirer par leur retours d’expériences.
8. Les objets
N° 8
Erwann MIVIELLE
Co-founder CONNIT
Pierric CISTAC
Full stack developer CONNIT
9.
10. En chiffres
N° 10
50 000 objets
connectés
déployés à
travers le monde
25 millions de
données
collectées et
traitées chaque
mois
27
collaborateurs
+ 300 % de
croissance YoY
2015-2016
11. • 250 produits conçus en France
• +3,5M de détecteurs de fumée vendus
• Lancement d’une gamme d’objets connectés via Sigfox
Otio
La domotique sans fil accessible
N° 11
OTIO SERENITY ALERT
Transmetteur d’alarme connecté
Détection de coupure d’électricité
Notification de l’utilisateur
12. La rupture :
• Solutions non-intrusive
• Facilité d’installation et de configuration
• Support simplifié
Solution clé en main fournie par Live-M2M
Réduction du Time-To-Market
Otio
Transition vers la domotique connectée opérée
N° 12
13. Cahier des charges IT
N° 13
Haute
disponibilité
Certaines
données ne
sont
présentées
qu’une fois !
Résistance à la
charge
Via les réseaux
bas débit
asynchrones
(Sigfox, LoRa…)
Scalabilité
Notre
infrastructure
doit suivre la
croissance
exponentielle
du marché
Stockage
chaud
(données
transformées)
et froid
(archivage
des données
brutes)
Plateforme Live-M2M
14. Architecture V1
Homemade VMs
N° 14
Réception
callback (IIS)
Microsoft
Message Queue
(MSMQ)
Worker
(dépilement
messages)
Décommutation
(IIS)
Serveur FTP
Dossier
Windows
Dépilement et
traitement des
messages
(JSON)
Alerting (email,
SMS, notifications
push…)
Load balancer
Backup données
brutes
Réseaux bas débit
(Sigfox, LoRa…)
Réseaux mobiles
« classiques »
Serveur
plateforme web
Live M2M
Serveur API
Live M2M
SQL Server 1
SQL Server 2
15. Architecture V2
Réception et traitement des données – Azure Powered
N° 15
IoT Hub
Decommutation
service
Données brutes
(Blob Storage)
Event Hub
Données transformées
(Table Storage)
Alerting serviceStorage service
Azure IoT Hub
• Nombreux protocoles natifs, dont Sigfox
• Bidirectionnalité
• Scalabilité
Azure Event Hub
• Unidirectionnalité
• Coût inférieur à l’IoT Hub
Azure Blob Storage
• Stockage à froid
• Faible coût
• Géo-redondé
Azure Table Storage
• Stockage à chaud
• Pas de schéma, format clé/valeur
• Grande capacité
. . .
22. Les réseaux
N° 22
Tatiana Lannelongue
Directrice des partenariats EMEA, Actility
Alexandre Estela
Head of APIs & Connectors, Actility
23. LPWA is a foundational technology for IoT
N° 23
0
500 000
1 000 000
1 500 000
2 000 000
2 500 000
3 000 000
3 500 000
4 000 000
4 500 000
2016 2017 2018 2019 2020 2021 2022 2023
Industrial
Logistics & Supply Chain
Agriculture
eHealth
Smart City & Environment
Consumer
Utilities
Smart Building
Battery life
Range
LPWA
BLE, Z-
Wave,
W-Mbus…
WIFI Cellular
LPWA devices (x 1000)
Source : Machina Research 2016
In 2023 there will be more than 4 billion LPWA devices worldwide
24. Actility is a leader in LoRaWAN solutions
N° 24
Public & private
networks
Network scalability
Location without GPS
Datarate up to 5.5 kbps
Low deployment
costs
Licence-free
spectrum (ISM band)
Open standard
10+ years battery life
Low power
consumtion
Adaptative data rate
Connectivity profiles
5-15 km range
Deep indoor
Star network
Bidirectionnality
24
Coverage Lifetime Cost Usage
Actility is one of the contributing members of the LoRaWAN specification
25. Low-Power wide area networks match key industrial
IoT needs
N° 25
Core LPWA network capabilities
• Anywhere in the
environment, anywhere in
the world
• At a long distance
• Constantly
• Over a long lifetime
• Reliably
• Inexpensively
and don’t put it on hold
!
!
Use case categories
• Fault detection:
• Something’s not working, and you need to fix it
• Monitoring/Alerting:
• Something is happening, and you need to know about it
• Something needs doing, and someone needs to go and do it
• Something is full, and needs to be emptied
• Something is dirty, and needs to be cleaned
• Metering:
• Something is being used, and you need to measure it
• Tracking:
• Something is moving, and you need to know where it is
• Something is lost, and you need to find it
26. So assume you want to build a sensor device
connected to your Azure solution
N° 26
Trigger Action
27. Start by selecting your ingredients
N° 27
Raspberry PI
and sensors
LoRa dongle
or shield
LoRa base station Azure IoT Hub
account
28. Get a free ThingPark Explorer account
N° 28
partners.thingpark.com
29. Register your LoRa device and LoRa base
station
N° 29
curl -X POST
-H 'Content-Type: application/json'
-H 'Authorization: Bearer <api_key>'
-d '{
"EUI": "70B3D53260000197",
"activationType": "OTAA",
"deviceProfileId": "LORA/GenericA.1",
"applicationEUI": "70B3D53260000100",
"applicationKey": "5A207FD32418C092CFBB052C2E0AF41A"
}'
https://dx-api.thingpark.com/devices
curl -X POST
-H 'Content-Type: application/json'
-H 'Authorization: Bearer <api_key>'
-d '{
"id": "EE9AD7F5",
"baseStationProfileId": "IMST/RP868.1",
"smn": "0000-PI-EE9A-D7F5"
}'
https://dx-api.thingpark.com/baseStations
Device registration Base station registration
30. Finally, associate your LoRa device
with your Azure IoT Hub account
N° 30
curl -X PUT
-H 'Content-Type: application/json'
-H 'Authorization: Bearer <api_key>'
-d '{
"id": "234",
"mashupTemplateId": "BRIDGE",
"mashupTemplateParams":
"connector=AzureIoTHub
&azure.iothub.hostName=youraccount.azure-devices.net
&azure.iothub.sharedAccessKeyName=iothubowner
&azure.iothub.sharedAccessKey=nMlzvjsk3fqfaKsjYFEL1dDlyAq7g9gxuSFVWuSTIT8=
&azure.iothub.protocol=MQTT"
}'
https://dx-api.thingpark.com/devices
Device association with Azure
38. Trois caractéristiques nécessaires
• Adaptabilité
• Scalabilité
• Vélocité
Data collect
Collecte et traitement des données
N° 38
IoT Event Hub & Cassandra
39. • Big Data = Big Problem
- Variété des données
- Volume des données
• Spark : une architecture MapReduce clé en main
- Mise en oeuvre rapide
- Architecture robuste
- Exécution quasi-instantanée (x100 grâce aux technologies en mémoire)
Traitement distribué
N° 39
43. Démarche Data-Scientifique
N° 43
1 point
=
1 pixel RVBA
Données
toutes les 5
secondes
Production en
temps réel
Réseau de neurones
artificiels
Point 4D
Clustering :
K-Means
Représentation
d’une journée
de production
44. • Avantages d’AMLS :
- Principaux modèles d’apprentissage
- Utilisation de Python et R
- Mise en place de WebService
• Moins d’accessoires, plus de modélisation
Azure Machine Learning Studio
Démarche Data-Scientifique
N° 44
45. BaaS Engine
Blockchain & certification des données
N° 45
• Collecter, analyser, alerter … et certifier
• Mise en service de deux serveurs blockchains :
Emercoin Blockchain Engine
STRATO Blockchain Individual Instance
(Ethereum blockchain)
55. u Réduction des coûts
v Amélioration du pilotage
w Gain de productivité
x Maitrise des actifs
y Nouvelles experiences clients
Bénéfices attendus de l’IoT
59. Notez cette session
Et tentez de gagner un Surface Book
Doublez votre chance en répondant aussi
au questionnaire de satisfaction globale
* Le règlement est disponible sur demande au commissariat général de l’exposition. Image non-contractuelle
Notes de l'éditeur
Vous avez derrière moi un panneau publicitaire, une borne de recharge pour les véhicules électriques, un compteur d’eau et un compacteur de cartons, du type de ceux que l’on trouve derrière les supermarchés.Le point commun entre ces quatre objets, c’est qu’ils sont de plus en plus souvent « connectés ». Via des capteurs, ils sont capables d’envoyer des informations sur leur état de fonctionnement, facilitant ainsi leur gestion et leur maintien en conditions opérationnelles. Ces objets communiquent suivant différents protocoles : réseaux bas débit tels que celui de Sigfox, ou encore réseaux mobiles (GPRS/SMS).
Le panneau publicitaire peut ainsi signaler à distance qu’une affiche est déchirée, ou l’éclairage cassé.La borne de recharge de véhicule électrique peut communiquer son état, signaler une prise hors-service…
Le compteur d’eau peut transmettre sa relève à distance.
Le compacteur de cartons peut indiquer son niveau de remplissage, pour déclencher le passage de la benne lorsqu’il sera plein.
La notion de M2M est la convergence de trois familles : des objets intelligents, un centre informatique capable de prendre des décisions, et des réseaux de communication.
Et nous prenons en charge les projets dans leur intégralité, c’est-à-dire que nous maitrisons à la fois la conception hardware et électronique des objets connectés et l’agrégation et le traitement des données à l’autre bout de la chaine. C’est ce qui fait notre spécificité dans le secteur de l’IoT industriel et nous permet de proposer une solution pleinement optimisée.
Après 4 ans d’existence, notre expertise dans l’IoT industriel est reconnu par de grands noms.Voilà où nous en sommes en quelques chiffres.
Sociétés clientes : DBT (leader mondial dans la borne de recharge éclectique)Engie (Télérelève d’électricité en Italie notamment)Otio (bientôt 500 000 objets connectés en partenariat avec eux)Sogedo (4e régie FR d’eau)
Voici les points clés de notre cahier des charges.
On ne peut pas se permettre de perdre les données qui sont poussées sur nos serveurs, on a donc une contrainte de haute disponibilité au niveau de la réception de ces données.
Les réseaux sur lesquels nous nous appuyons peuvent parfois avoir quelques faiblesses et ne pas pousser de données pendant quelques minutes. On peut donc avoir un pic de données lors de la reprise du service qu’il faut être capable d’absorber.
Les projets et les clients se multiplient ces derniers mois, notre infrastructure doit donc être scalable facilement et rapidement.
Nous voulons pouvoir conserver à la fois la donnée brute, sous forme de fichier lorsque c’est le cas (réseaux GPRS), et la donnée transformée.
Les données qui arrivent en provenance des objets connectés arrivent sur un load balancer, qui est redondé (fonctionnalité Fault Tolerance de VM Ware qui permet à la VM de basculer sur le 2nd host en cas de pb hardware sur le 1er host, sans interruption de service).
En dessous de ce LB, les données sont dispatchées sur 2 middleware puis selon qu’elles nous arrivent par le réseau mobile ou un réseau bas débit dédié à l’IOT (LoRa, Sigfox…), puisque le traitement qui est réservé à ces données n’est pas le même.
Notre cœur est développé essentiellement à base de technologies Microsoft avec des VM faisant tourner des Windows Server, des bases SQL Server, des services IIS, MSMQ, du ASP.NET pour la plateforme web...Par ailleurs, les données sont remises à plat et backupées, sans limite de temps, sur un serveur hébergé chez un autre fournisseur, pour des raisons de sécurité. L’infrastructure dont nous disposons chez OVH est répliquée dans une version très light sur cette machine physique, sur laquelle les données sont sauvegardées chaque nuit et peuvent être rejouées en cas de besoin, par exemple si une trame reçue est corrompue.
Constat
Portail Multi-entrants
Multi-sortants
Exemple d’application personnalisée
Application Colas : Millions de capteurs installés sur site
Le SI doit être :
adaptable : collecter et organiser en temps réel
Scalable : adapter l’infrastructure à tous les volumes de données.
Véloce : Requêter instantanément
Template Azire pour ceréer IotEventHub et Cassandra
Cluster de data collect (ensemble ordonné de données)
Avant (SQL )
Comprendre la structure des données pour les homogénéiser
Après (NoSQL)
Fonctionnement sans clé ni valeur
Homogénéiser données sans comprendre ni chercher à organiser.
Déploiement Rapide : exemple.
Exécution : quelques secondes au lieu d’une journée.
Robuste : exemple
Map des clés et valeurs
Opération Reduce (retrouver les valeurs traitées)
Traitement de données : beaucoup de données et en même temps; capacité de traitement importante; organization intelligente
Spark modèle de traitement map/reduce en mémoire.
Temps de traitement, organization et requêtage réduient 100 fois, donc performance jamais vue
Overview du tableau de bord
Trois nœuds (en quelques minutes)
Ce qu’il faut savoir
sites Colas
capteurs Energisme & Colas
Elec, Gaz, Température
-> 1 Centaine de champs toutes les 5s
-> Production en fin de journée
MAIS pas de production en temps reel
Comment déduire cette production en temps reel à partir des données disponibles ?
Données toutes les 5s
Créer representation intermédiaire
Comparable EODF
=> Image
Deep CNN car efficace sur les images
Scalabilité de l’architecture
Open Source
Python, Jupyter Notebook
Facilité de développement
Intégration de GPU à venir, evolution de la plateforme
Intégrité de la donnée ?
Collectées, traitées, organisées notre client à prédire ses consommations/productions, on a besoin de tracer et certifier toutes ces étapes.
L’outil que nous utilisons pour cela, c’est la blockchain de Microsoft Azure.
Ethereum et Emercoin
Objectifs : la certification
Performance énergétique
Répartition d’échanges énergie
Distribution des coins énergie
Certification en continu
http://baas-41a.northeurope.cloudapp.azure.com/
http://baas-41b.northeurope.cloudapp.azure.com/
Reprendre points de la plénière
Chemin : IoT, Big Data, Intelligence…
BlockChain = Brique Finale
Nouveau modèle = Exemple des CPE
Pas de loi de Moore !
http://blogs.wsj.com/drivers-seat/2012/03/28/who%E2%80%99ll-name-the-law-for-electric-car-batteries
Maitrise, Skynet
Compréhension et projection
Hawking
Geo tracking
Donne beaucoup -> big brother
https://www.flickr.com/photos/aaronpk/4786064324