La boucle d'analyse et d’optimisation IoT permet de générer et d'appliquer des données d'optimisation d'entreprise à un ou plusieurs déploiements de systèmes physiques contrôlés par des logiciels, en fonction de l'ensemble du contexte commercial de l'entreprise. La boucle d'analyse et d'optimisation obtient généralement les données de télémétrie à partir des processus de la boucle de surveillance et de gestion, les affine et les combine avec des sources de données d'entreprise pour générer des données.
Cet article offre un aperçu de l’architecture, des caractéristiques et des composants de la boucle de processus d'analyse et d'optimisation.
Cas d’usage potentiels
Voici quelques exemples de scénarios des boucles d'analyse et d’optimisation :
- Espaces intelligents : Calculez l’index de sécurité du campus et prenez les mesures appropriées.
- Transmission de l’alimentation : Mettez en corrélation les tendances en matière de pannes de courant et d'incendies afin d'effectuer des réparations proactives des transmissions et de remplacer les dispositifs de surveillance.
- Production de pétrole et de gaz : Calculez les tendances de la production de pétrole d'un bassin et comparez-les avec les performances du site.
- Transport et logistique : Calculez les tendances de l'empreinte carbone, comparez-les avec les objectifs organisationnels et prenez des mesures correctives.
- Parc éolien : Calculez le facteur de puissance du fonctionnement de l'ensemble du parc éolien et concevez des moyens pour améliorer l'efficacité de chaque éolienne.
- Fabrication discrète : Augmentez le taux de production de widgets de nombreuses usines pour répondre à la demande du marché.
Architecture
Le diagramme suivant présente le schéma d'une boucle typique d'analyse et d'optimisation et ses relations avec d'autres boucles de processus IoT.
Téléchargez un fichier Visio de cette architecture.
Dans une boucle d'analyse et d'optimisation, les données provenant de diverses sources IoT, d'entreprises, privées et publiques circulent dans des lacs de données du cloud. Les analyses hors ligne utilisent les lacs de données pour trouver des tendances cachées et des données d'optimisation commerciale. Les données d'optimisation issues des processus d'analyse hors ligne sont transmises aux infrastructures IoT par le biais de boucles de surveillance et de gestion, ainsi que de boucles de mesure et de contrôle.
Caractéristiques
- La boucle d'analyse et d'optimisation fonctionne de manière asynchrone, ainsi, il n'y a pas de délais serrés pour l'analyse des données ou l'envoi de signaux d'optimisation aux dispositifs. Ces boucles dépendent d'un long historique de données de télémétrie et de l'historique des données opérationnelles de l'entreprise pour l'exécution des tâches par lots.
- Les dépendances des systèmes comprennent de multiples systèmes pour alimenter les données par le biais de lacs de données, qui comprennent des systèmes IoT et les flux de systèmes d'entreprise. La boucle d'optimisation utilise principalement les protocoles de services web pour s'intégrer aux systèmes de surveillance et à d'autres systèmes d'entreprise.
Composants
Les composants importants du contrôle d'optimisation de l'entreprise sont les suivants :
- Un lac de données, stockage à grande échelle optimisé pour des coûts d'utilisation réduits sur des périodes plus longues. Le stockage HDFS dans le contexte d'un traitement de réduction des cartes est un exemple de ce type de lac de données. Le lac de données reporte la structure des données au moment du traitement ; il est donc adapté au stockage de données structurées et non structurées.
- Des données de séries chronologiques froides, données de télémétrie brutes ou traitées, importantes pour l'analyse hors ligne et qui proviennent souvent de plusieurs systèmes IoT. Les tâches analytiques affinent et combinent ces données avec des ensembles de données d'entreprises et externes.
- Des données d'entreprise produites par les systèmes d'entreprise comme la gestion du cycle de vie des produits, la chaîne d'approvisionnement, la finance, les ventes, la fabrication et la distribution, et la gestion de la relation client. Les données d'entreprise combinées à des ensembles de données externes comme la météo peuvent contextualiser la télémétrie IoT au niveau de l'entreprise pour générer des données compatibles.
- Une analyse hors ligne pour traiter des données volumineuses en mode batch. Les tâches Spark et le traitement de réduction des cartes Hadoop en sont des exemples. Les processus des boucles de surveillance et de gestion et des boucles de mesure et de contrôle appliquent ensuite les données obtenues à partir des boucles d’analyse et d’optimisation aux dispositifs IoT.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteur principal :
- Hanukumar Pinnamraju | Responsable d’ingénierie de logiciel principal