Téléchargé parAlex Danvy
L'IoT, c'est maintenant. Microsoft Experiences 2016
Le document présente l'évolution et les tendances de l'Internet des objets (IoT) ainsi que les solutions proposées par différentes entreprises, notamment les infrastructures basées sur des réseaux bas débit. Il met en avant les chiffres clés relatifs à la croissance du marché et les innovations technologiques dans ce domaine, telles que l'utilisation de la blockchain et du machine learning. Enfin, il décrit des cas d'utilisation concrets des objets connectés dans divers secteurs d'activité.
Contenu connexe
![[Sigfox / LoRa] 8 Questions clés sur les réseaux pour objets connectés](https://cdn.slidesharecdn.com/ss_thumbnails/arucosigfox-lora-151214105726-thumbnail.jpg?width=640&height=640&fit=bounds)
Similaire à L'IoT, c'est maintenant. Microsoft Experiences 2016
L'IoT, c'est maintenant. Microsoft Experiences 2016
- 1. Alex Danvy @danvy L’Internet desObjets se construit maintenant
- 2. L’Internet des Objets, c’estmaintenant ! Planète interdite (1956)
- 3. 2001: L’odysée del’Espace (1968)
- 4. N° 4 Starwars Anew hope (1977)
- 5.
- 6.
- 7. Vous êtes ici C’estmaintenant ! Projection du nombre de “choses”
- 8. Les objets N° 8 ErwannMIVIELLE Co-founder CONNIT Pierric CISTAC Full stack developer CONNIT
- 10. En chiffres N° 10 50000 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 produitsconçus 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 chargesIT 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 ettraitement 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 . . .
- 16. private IotHubConfig _iotHubConfig; partialvoid OnCreating() { { this.azureSettings = InfrastructureSettings.Read("Settings.xml"); _iotHubConfig = new IotHubConfig(this.azureSettings.IotHub); var iotHubHost = iotHubConfig.Initialize(); iotHubHost.RegisterEventProcessorAsync <SigfoxDecoderEventProcessor>(); } Architecture V2 IoT Hub - Récupération des trames Sigfox N° 16
- 17. Command Query ResponsibilitySegregation • Command : mise à jour d’un état (« RegisterUser ») • Query : récupération d’un état • Scalabilité • Modularité Event Sourcing • Historisation des actions : « UserRegistered » (vs altération d’un état) • Replay • Analyse Architecture V2 CQRS & Event Sourcing N° 17
- 18. Architecture V2 CQRS &Event Sourcing - Azure Powered N° 18 Command APIs Query APIs Gestion de la production Gestion des utilisateurs . . . DocumentDB SQL Database Event Store (Table Storage) Command Handler Service Azure Service Bus Event Hub Aggregate Repository (vérification des invariants) Events Events
- 19. Démo Détection alarme avecOtio Serenity Alert N° 19
- 20. Demain L’intelligence de ladonnée N° 20 Big data Modélisation Prédiction Machine learning
- 21.
- 22. Les réseaux N° 22 TatianaLannelongue Directrice des partenariats EMEA, Actility Alexandre Estela Head of APIs & Connectors, Actility
- 23. LPWA is afoundational 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 aleader 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 areanetworks 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 youwant to build a sensor device connected to your Azure solution N° 26 Trigger Action
- 27. Start by selectingyour ingredients N° 27 Raspberry PI and sensors LoRa dongle or shield LoRa base station Azure IoT Hub account
- 28. Get a freeThingPark Explorer account N° 28 partners.thingpark.com
- 29. Register your LoRadevice 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 yourLoRa 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
- 31. N° 31 Explorer Platform Your base station Your device RF AzureIoT Hub MQTT Now you have your personal LoRaWAN network which integrates easily with Azure IP Secured by Network Session Key Secured by Application Session Key
- 32. Focus: How to setup your Azure solution N° 32 IoT Hub Stream Analytics PowerBI
- 33. Focus: How to makeyour device smart N° 33 +
- 34.
- 35. Les données Thierry Chambon CEOEnergisme Haï Tran CTO & Innovation Head Energisme Jérémie Bosom Data Scientiste Energisme @energisme
- 36. Energisme “Collecter, analyser etexploiter les données d’énergie” N° 36 Visualisation Optimisation Tarifaire Reconnaissance de factures Import CVS, XLM, … IoT, Capteurs Multi-Energies. Alertes en temps réel Comparaison Multi-Sites Reporting Automatisé Interface Personnalisée Modélisation Prédictive Centralisation Big Data: Data Mining, Machine Learning Deep Learning
- 37. N° 37 Application Colas Suivides productions et des consommations d’énergie en temps réel
- 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
- 40.
- 41.
- 42. Machine Learning Modéliser uneproduction en temps réel N° 42 PRODUCTION EN TEMPS REEL ?
- 43. Démarche Data-Scientifique N° 43 1point = 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)
- 46.
- 47. BaaS Engine Blockchain &certification des données N° 47
- 48. Quatre expertises pourrepenser l’énergie IoT, Big Data, Intelligence Artificielle & Blockchain N° 48
- 49.
- 50.
- 51.
- 52.
- 53. Respect de lavie privée $ $ ))
- 54.
- 55. u Réduction descoûts v Amélioration du pilotage w Gain de productivité x Maitrise des actifs y Nouvelles experiences clients Bénéfices attendus de l’IoT
- 56.
- 57.
- 58. @microsoftfrance @Technet_France @msdev_fr @danvy@connit_iot @actility @energisme N° 58
- 59. Notez cette session Ettentez 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
- #10 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.
- #11 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)
- #14 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.
- #15 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.
- #37 Constat Portail Multi-entrants Multi-sortants Exemple d’application personnalisée
- #38 Organisation Colas Besoins ? Application… - Multi-sites - Multi-énergies - Multi-utilisateurs
- #39 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)
- #40 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
- #41 Overview du tableau de bord
- #42 Trois nœuds (en quelques minutes)
- #43 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 ?
- #44 Données toutes les 5s Créer representation intermédiaire Comparable EODF => Image Deep CNN car efficace sur les images
- #45 Scalabilité de l’architecture Open Source Python, Jupyter Notebook Facilité de développement Intégration de GPU à venir, evolution de la plateforme
- #46 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
- #47 Certification en continu http://baas-41a.northeurope.cloudapp.azure.com/
- #48 http://baas-41b.northeurope.cloudapp.azure.com/
- #49 Reprendre points de la plénière Chemin : IoT, Big Data, Intelligence… BlockChain = Brique Finale Nouveau modèle = Exemple des CPE
- #50 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
- #53 Maitrise, Skynet Compréhension et projection Hawking
- #54 Geo tracking Donne beaucoup -> big brother https://www.flickr.com/photos/aaronpk/4786064324
- #55 https://docs.com/techdays15/4712/relever-les-defis-de-la-securite-a-lheure-de http://www.wired.com/wp-content/uploads/2015/07/150701_car_hackers_43-vscocam-photo-1.jpg Security jeep injection hacking Session Intel Tout pilotable -> hack/maitrise