Petit rappel : Interconnexion entre Internet et des objets, des lieux et des environnements physiques, l’Internet des Objets (en anglais Internet of Things, ou IoT) désigne un nombre croissant d'objets connectés à Internet permettant une communication entre nos biens dits physiques et leurs existences numériques. Ces formes de connexions permettent de rassembler de nouvelles masses de données sur le réseau et donc, de nouvelles connaissances et formes de savoirs.<\/p>\n
<\/p>\n
Décryptage des thématiques IoT majeures qui devraient exploser en 2019.<\/p>\n
Désormais bien assimilé par les entreprises, l’Internet des Objets connaît sa vraie première phase d’industrialisation. Les entreprises du secteur industriel terminent les preuves de concept<\/strong> (POC) et installent maintenant des capteurs ou connectent leurs machines actives sur les chaînes de production. Les données de certaines chaînes de production sont analysées par des logiciels de production et d’aide à la maintenance. On parle de maintenance préventive et de maintenance prédictive. Les systèmes les plus avancés versent dans l’automatisation des tâches : connexion des nouveaux outils, commande de nouvelles pièces, appel d’un technicien ou bien encore assemblage d’éléments. Les possibilités sont nombreuses.<\/p>\n De nombreux responsables d’usines veulent installer des capteurs qui recueillent et permettent d’analyser en temps réel leurs activités. En cela, l’Edge Computing<\/strong> est une technologie idéale. Elle permet de réduire les temps de latence<\/strong> entre la collecte et le traitement des données. L’Edge computing est une méthode d'optimisation qui consiste à traiter les données à la périphérie du réseau, au plus près de la source des données pour minimiser les besoins en bande passante entre les capteurs et les centres de traitement des données. L’analyse et le traitement des données opérés grâce à des passerelles IoT ou bien depuis les objets eux-mêmes réduisent considérablement les volumes de données échangées et donc les coûts de transmission. Le secteur industriel n’est pas le seul à avoir besoin de cette analyse en temps réel. Le déploiement des voitures autonomes, des systèmes de sécurité intelligents reposent sur la même technologie. En cela l’Edge Computing reste et sera l’une des tendances IoT 2019.<\/p>\n Les concepteurs d’objets connectés veulent davantage de puissance de calcul et d’intelligence embarqués. Pour cela, il y a deux méthodes : muscler la vitesse d’horloge des composants ou tabler sur l’intégration des algorithmes de machine learning préalablement entraînés depuis de puissantes infrastructures.<\/p>\n Les fabricants de voitures autonomes adoptent davantage la première méthode en intégrant par exemple des cartes basées sur des processeurs graphiques pouvant prendre place au sein des véhicules. La méthode préférée des concepteurs d’objets connectés reste basée sur des modèles de machine learning rendant possible la récupération des données et la corrélation à un modèle prédéfini. Il sera par exemple possible de détecter le non-port du casque en milieu industriel, la présence d’une personne devant une porte, d’enclencher le suivi d’objet, etc.<\/p>\n A terme, il s’agit de confier <\/strong>plus d’intelligence<\/strong>, plus d’indépendance <\/strong>et d’autonomie <\/strong>aux objets connectés.<\/p>\n Le grand défi des concepteurs est de construire des produits au temps d’utilisation record<\/strong>. Pour cela, un soin tout particulier est apporté à l’autonomie énergétique des batteries utilisées. Certains dispositifs comme des capteurs environnementaux doivent pouvoir relever des données pendant plusieurs années. De même, dans un contexte de loisir, les fabricants doivent éviter de vendre des appareils à recharger tous les jours. Tous poursuivent le même objectif : miser sur la faible consommation d’énergie de leurs réseaux IoT et travailler avec les fabricants pour augmenter <\/strong>au maximum la durée d’activité<\/strong> des appareils.<\/p>\n <\/p>\nFaciliter l’analyse des données en temps réel avec l’Edge computing<\/h2>\n
Machine Learning et IA embarquée, un duo gagnant<\/h2>\n
Augmenter l’autonomie énergétique des objets<\/h2>\n