11.03.2021

Comment mettre en œuvre le traitement de la donnée dans l’IoT ?

Paul AUPOIX
Par Paul AUPOIX
Diplômé en informatique industrielle (Master Pro Automatique, Electronique et Informatique Industrielle) à l'Université de Caen, Paul travaille au sein de l'entreprise Robert BOSCH (France) depuis 2017. Expérimenté en gestion de projet et en développement logiciel dans le domaine de l'électronique embarquée. Il encadre actuellement une équipe dédiée au développement au sein du bureau de R&D Bosch Mondeville. Cette fonction lui permet aujourd’hui de bien cibler les besoins clients et de les accompagner tout au long de leur projet.

Jusqu’à peu, la donnée était extraite afin d’être utilisée en cas de problème et à des fins de maintenance. Le retour d’expérience et l’apprentissage métier que pouvaient apporter les données collectées, n’étaient souvent fait que lors de la conception du produit. Avec l’essor du Big Data et de l’intelligence artificiel, il est souhaitable que cette donnée soit utilisable pour faire évoluer le service autour du produit de façon dynamique et continue.

En parallèle, l’évolution du nombre d’objets communiquant dans le monde, montre combien, il est crucial de bien définir les besoins pour ne pas surcharger les réseaux existants, bien dimensionner son infrastructure, tout en ne faisant pas l’impasse sur la sécurité autour de la donnée et les impacts environnementaux.

Gouvernance et chaîne de valeur

La gouvernance des données est ainsi faite pour définir une procédure et des organisations qui devront être mises en place par les entreprises. Ceci afin d’encadrer la collecte et l’utilisation des données. Elle est primordiale pour en assurer la sécurité tout en définissant le cadre légal autour d’elle.

Le besoin de collecter, traiter puis valoriser cette donnée ne peut se faire qu’avec une chaîne de valeur bien maîtrisée, c’est-à-dire réfléchie lors de la conception de l’écosystème autour du service.

L’ensemble des « états » de la donnée, est synthétisé par les maillons d’une chaîne de valeur.

Cette illustration met en lumière que seul la phase d’acquisition sera obligatoirement dans le produit IoT. Le reste peut être dans une passerelle (edge computing) et/ou dans le cloud (cloud computing).

Les localisations possibles du traitement

Il se différencie classiquement deux endroits possibles pour le traitement de la donnée. Au plus près de la collecte, ce que l’on appelle le Edge computing ou déporté dans le cloud. Ces deux approches n’amènent pas les mêmes problématiques aux niveau produit IoT, en termes de coût du traitement de la donnée (puissance de calculs…) et de sa mise à disposition (connectivité…).

Le Edge computing est proche du capteur faisant l’acquisition de la donnée, soit dans le MCU embarqué par le produit ou dans la passerelle permettant au produit de communiquer avec Internet. Il s’inscrit dans la volonté de distribuer le calcul et de limiter le nombre de données à remonter sur le Cloud. La multiplication des objets tend à rendre cette solution plus pertinente qu’un traitement complet dans le cloud.

Le Cloud computing est lui par définition distant du produit. Il permet de ne jamais être limité en termes de puissance de calcul. Mais, celui-ci demandera une connectivité avec une bande passante élevée et cela afin de remonter une donnée peu ou pas traitée.

Des solutions hybrides existent, comme dans l’automobile où le cloud computing est embarqué dans le véhicule ; cette approche est surtout valable dans la phase amont du design où une quantité très importante de données est disponible.

Le choix de la localisation

La réflexion autour de la localisation de chaque maillon de la chaîne doit être basée sur les 4 éléments principaux suivants :

• L’énergie consommée et donc par la même la contrainte de son stockage (batterie, récupération d’énergie…).

• La quantité de données à véhiculer qui impose une contrainte pour le choix de la connectivité.

• Le tarif et les méthodes d’abonnement pour faire parvenir la donnée où elle sera valorisée.

• Les enjeux de la sécurité de la donnée (confidentialité, intégrité et disponibilité).

Évolutivité

Le type de donnée et son traitement étant intrinsèquement liés au métier auxquels ils font références, il n’est pas contre-productif de voir la méthode de traitement évoluer en deux phases distinctes, c’est à dire n’ayant pas les mêmes infrastructures en jeu.

Une première phase dite d’apprentissage où l’ensemble des données est remonté pour analyse et valorisation. Elle fait partie de la phase de design où potentiellement le modèle économique autour de la donnée deviendra visible.

Une seconde phase dite de vie produit, où seul des modifications légères peuvent être amenées. Normalement, il n’est pas possible à ce niveau de modifier en profondeur l’infrastructure au risque de mettre le modèle économique à mal. Seul des mises à jour logiciel sont conseillées.

La première phase peut toujours être conservée en parallèle de la seconde pour aider l’évolution douce des produits.

Il existe donc, différentes solutions pour la chaîne de traitement de la donnée. Pour mener à bien celui-ci, il est primordial de prendre en compte dès la phase de design du produit l’ensemble des aspects cités précédemment sans faire d’impasse sur l’analyse détaillée de chacun des maillons de la chaîne de valeur.

Chez Bosch Mondeville, nos experts peuvent vous accompagner et vous conseiller sur les aspects techniques du traitement de la donnée.

Pour s'inscrire à notre newsletter
Inscrivez-vous sans attendre à notre newsletter gratuite :
c’est le moyen le plus simple d’obtenir les dernières informations de l’univers de Bosch Mondeville.