Posts tagged "données"

Le SGE (Service Gestion Exploitation), de la Chancellerie des Universités à Toulouse, gère les données liées aux différentes installations en termes de fluides (énergie, eau, air comprimé) sur différents campus. Deux systèmes de gestion de ces données cohabitent, demandant des tâches lourdes et complexes de manipulations et d’extractions des données de différentes sources qui représentent environ 10000 points de comptage. Un des principaux problèmes est l’accès à un historique des données pour effectuer des comparaisons et des analyses. A ce jour, le système n’offre pas une gestion de l’historique supérieure à 6 mois et ne permet pas de croiser facilement des données de plusieurs capteurs/compteurs. C’est dans cette optique que le SGE a exprimé son besoin de mettre en place un système d’intégration des données complexes et volumineuses issues de ses systèmes de supervision METASYS et PcVue qui englobent les données opérationnelles du SGE ainsi que les historiques: une optique qui a pour but d’améliorer de façon significative le suivi du fonctionnement des capteurs/compteurs pour les exploitants et de bénéficier d’un processus de prise de décision qui facilite davantage les analyses et les comparaisons des données capteurs/compteurs selon différents critères et des selon plusieurs axes d’analyse.

Objectifs scientifiques

-Apporter des solutions pour la modélisation, le stockage et l’exploration des données générées par les capteurs/compteurs afin de pouvoir répondre à la variété des besoins et exigences d’accès et d’analyses des utilisateurs.

-Proposer une solution d’intégration de données dans une source unique et non volatile.

-Piloter la performance durable.

Notre ambition est de répondre aux besoins du SGE en utilisant les technologies liées aux bases de données, aux entreposages de données et à l’informatique décisionnelle. A ce jour, nous sommes arrivés à mettre en place une solution d’intégration des données dans une base de données SQL Server et notre objectif final est de mettre en place une solution BigData pour gérer le grand volume de données de son historique sur 10 ans.

Contacts

- Inès Ben Kraiem (IRIT) : Ines.Ben-Kraiem@irit.fr

- Olivier Teste (IRIT) : Olivier.Teste@irit.fr

- André Péninou (IRIT) : andre.peninou@irit.fr

- Hervé Cros (SGE) : herve.cros@ac-toulouse.fr

Cette thèse a pour objectif d’apporter des solutions dynamiques pour la modélisation et l’exploration des données Big Data produites par des capteurs installés sur le campus de l’université Paul Sabatier dans le cadre du projet neOCampus. Les données générées par des capteurs de neOCampus possèdent les caractéristiques majeures des 4V (volume, variété, vélocité, véracité) inhérentes aux mégadonnées (« Big Data »). Le nombre de capteurs déployés en croissance constante produit un volume de données de plus en plus important. Les phénomènes mesurés sont multiples et de nature hétérogène: environnement (températures, luminosité, hydrométrie...), consommation de fluides (électricité,chauffage,...), capteurs d’états (position des ouvrants,...) et de présences (caméras, capteurs de passages,...). Ils engendrent une grande variété d’informations hétérogènes produites à des rythmes temporels de vélocité variable. Enfin, la véracité des données n’est pas toujours assurée ; des défauts de calibrage, des pannes sur les capteurs sont autant de causes à l’absence de données, ou pire, à la dégradation de la qualité des données brutes produites.

Objectifs scientifiques

L’objectif de la thèse est de développer de nouveaux modèles, méthodes et outils permettant la refactorisation et l’exploration des données hétérogènes produites par les capteurs de neOCampus. Si les systèmes NoSQL apportent des caractéristiques intéressantes au problème de stockage des mégadonnées, ces systèmes impliquent une dépendance entre le modèle de stockage et les traitements. Cet aspect est accentué dans des contextes où les traitements à réaliser (requêtes utilisateurs) ne sont pas connues lors de la production des données, et des contextes ou les besoins de traitement des utilisateurs varient dans le temps. Dans ce cadre, le but de la refactorisation est d’adapter (modifier) les différentes structures des données en fonction des traitements demandés. Nous allons étudier les problèmes de migration pyhsique d’une manière efficace des données stockées dans un système NoSQL distribué en clusters vers un autre système réputé mieux adapté aux traitements ciblés. Nous allons étudier aussi les problématiques dites intra-système NoSQL qui consiste à réorganiser automatiquement les données au sein du même système, avec ou sans duplication, de manière matérialisée ou virtualisée, tout en garantissant la cohérence des données. Actuellement, nous avons proposé un premier prototype intra-système dédié pour les systèmes NoSQL orientées documents qui gère des problèmes d’hétérogénéité structurelles. Avec ces mécanismes nous allons en particulier explorer la problématique de structuration de données tout en minimisant les coûts de traitements induits par les processus de traitements distribués « Map » / « Reduce ». Nous allons valider ces résultats scientifiques au travers de la réalisation d’un prototype logiciel servant de preuve de concept. Pour ce faire, nous allons employer des jeux de données synthétiques et des jeux de données réels produits par les capteurs de neOCampus.

Contacts

- Hamdi Ben Hamadou (IRIT) : hbenhama@irit.fr

- Olivier Teste (IRIT) : teste@irit.fr

- André Péninou (IRIT) : peninou@irit.fr

- Marie-Françoise Canut (IRIT) : canut@irit.fr

Une architecture de réseau CCN est une approche alternative fondée sur un principe selon lequel un réseau de communication devrait permettre à un utilisateur de se concentrer sur les données dont il a besoin, plutôt que d’avoir à faire référence à un emplacement physique spécifique, d’où ces données doivent être récupérées. Elle permet la mise en cache des contenus pour réduire la congestion et améliorer le délai d’acheminement.

La durée de vie du contenu n’est pas prise en compte dans la dernière version de Content-Centric-Networking. Ainsi, dans ce travail, nous nous attachons à l’intégrer dans une architecture CCN pour les réseaux de capteurs et à montrer la pertinence de son exploitation.

Objectifs scientifiques

Nos objectifs de recherche sont multiples :

- Intégrer la notion de fraîcheur des données pour réaliser la satisfaction des utilisateurs.

- Comparer des approches réactives et proactives pour la mise à jour des contenus dans les caches.

- Réduire la consommation d’énergie des capteurs et maximiser la durée de vie du réseau.

- Optimiser le placement des contenus afin d’améliorer les performances du réseau.

Contacts

- Ghada JABER (IRIT-LAAS) : ghada.jaber@irit.fr

- Rahim KACIMI (IRIT) : kacimi@irit.fr

- Thierry GAYRAUD (LAAS) : gayraud@laas.fr

Automate open-source pour interfacer des capteurs tertiaires et industriels avec une plate-forme IOT.

Les données collectées par cet automate open-source sont acheminées vers le serveur neOCampus selon le protocole MQTT.

A noter qu’il est possible d’exporter des données selon d’autres protocoles (HTTP, OM2M,…)

Basé sur des éléments off the shelves pour un coût très largement inférieur à une solution industrielle et une solution plus performante :

·         Capteurs CO2/hygrométrie/température

·         Capteurs luminosité/présence

·         Comptage énergie

Des boitiers ConcentratOr ont été installés dans plusieurs salles d’enseignements du campus.

Contacts

- Jeremy BOES  (IRIT) –   jeremy.boes@irit.fr

- Dr François THIEBOLT (IRIT) –  thiebolt@irit.fr

- Pr Marie-Pierre GLEIZES (IRIT) – gleizes@irit.fr