Dans le cadre d'un partenariat de travail de recherche & innovation sur l'IA (Intelligence Artificielle) et l'Edge Computing, les équipes R&D d'Adeunis et de CARL/Berger-Levrault travaillent ensemble depuis plusieurs mois. CARL/Berger-Levrault est un leader européen de la gestion des équipements (GMAO/EAM) et des actifs techniques, tandis qu'Adeunis est un spécialiste des solutions IoT radio. Ces deux entités sont respectivement situées aux deux extrémités de la chaîne de valeur des données IoT. Ce partenariat repose sur une conviction commune : le traitement de l'information doit être réparti entre le traitement dans le Cloud et le traitement embarqué dans le capteur physique. C'est cette vision partagée du marché, entre deux entités aux niveaux de connaissances complémentaires, qui les a amenées à collaborer sur ce projet.
Objectifs et défis :
Initialement, les deux entités ont choisi de s'appuyer sur la Capteur Adeunis Delta P. Ce capteur surveille le bon fonctionnement des systèmes de ventilation. Les objectifs et les défis sont :
- Intelligence embarquée dans les objets connectés Adeunis : anticiper la maintenance des systèmes et mieux connaître les pannes détectées sans traitement dans le Cloud, cela réduit la consommation de bande passante du réseau et permet une intelligence locale multi-capteurs (corrélation des données). Le capteur pourra émettre directement des recommandations et des alertes vers les solutions de gestion des équipements de CARL/Berger-Levrault. Le capteur peut fonctionner sur batterie (1 à 10 ans d'autonomie), et ne nécessite donc aucun câblage pour l'alimentation et la communication. Ainsi, nous devons relever le défi d'une très faible consommation énergétique pour cet objet connecté en optimisant nos algorithmes, nos modèles et via une adaptation dynamique des fréquences de collecte des données.
- Faciliter l'implémentation des algorithmes d'IA de CARL Software sur ces produits. L'objectif est de prévenir et d'anticiper la maintenance technique des équipements en générant des modèles prédictifs ; ces modèles prédictifs seront transmis aux capteurs, qui pourront les instancier localement. L'enjeu sera d'optimiser et de compresser ces modèles prédictifs pour permettre une exécution embarquée sur l'objet connecté : faibles ressources de calcul et minimisation de la consommation énergétique de l'objet connecté.
Pour le développement d'une solution IoT globale, outre le recours à l'IA, les deux entités utilisent également l'Edge computing. L'Edge Computing est une méthode d'optimisation utilisée dans le cloud computing qui consiste à traiter les données à la périphérie du réseau, à proximité de la source de données. Cela permet de minimiser les besoins en bande passante entre les capteurs et les centres de traitement des données en entreprenant des analyses au plus près des sources de données. Cette méthode devient essentielle pour l'IoT. L'Edge Computing, en réduisant considérablement les volumes de données qui transitent, rend les solutions IoT plus efficaces et plus économiques. Elle réduit la latence et les coûts associés, améliore la sécurité et accélère la prise de décision.
Pour le développement d'une solution IoT globale, outre le recours à l'IA, les deux entités utilisent également l'Edge computing. L'Edge Computing est une méthode d'optimisation utilisée dans le cloud computing qui consiste à traiter les données à la périphérie du réseau, à proximité de la source de données. Cela permet de minimiser les besoins en bande passante entre les capteurs et les centres de traitement des données en entreprenant des analyses au plus près des sources de données. Cette méthode devient essentielle pour l'IoT. L'Edge Computing, en réduisant considérablement les volumes de données qui transitent, rend les solutions IoT plus efficaces et plus économiques. Elle réduit la latence et les coûts associés, améliore la sécurité et accélère la prise de décision.
Le projet :
Le projet consiste à développer une solution IoT globale, universelle, intelligente et peu coûteuse (adaptée économiquement à l'échelle d'un bâtiment), du capteur à la plateforme de visualisation, pour la maintenance prédictive des équipements du bâtiment. A terme, les deux entités souhaitent simplifier la vie de leurs clients en levant les barrières techniques et économiques. Cette offre intégrée permettra de proposer un service de maintenance prédictive autonome, adapté à chaque machine, simple à gérer et à déployer.
L'objectif ultime est d'offrir de plus en plus de services à valeur ajoutée à leurs clients communs tout en restant à la pointe de l'innovation. Les avantages de cette solution intégrant l'IA et l'EC (Edge Computing) :
- Informations plus précises/pertinentes fournies
- Anticipation des besoins et réactivité accrue pour le mainteneur
- Des actions de maintenance mieux ciblées
- Réduction des coûts d'intervention
- Performance énergétique, coûts de maintenance et durabilité des équipements
