Pilotage IOT

Contexte

Pour bon nombre d’industriels, les consommations de gasoil, d’huile mais aussi de lubrifiants des véhicules opérant sur les sites représentent des postes de dépenses majeurs. Tout comme la consommation électrique et la production de CO2. Dans l’industrie minière par exemple, le trafic des camions assurant les aller-retours entre les lieux d’excavation et de traitement peut représenter une consommation qui se compte en centaines de millions de litres de gasoil. Pas étonnant donc que le suivi et l’optimisation de ces consommations soient au cœur des préoccupations.

L’enjeu que représente la maîtrise de ces consommations débouche sur 3 questions clés :

  • Comment visualiser et explorer les consommations afin de les analyser ?
    Par exemple pour lire la consommation de chaque véhicule attaché à un site
  • Comment détecter des anomalies ?
    Par exemple pour identifier une hausse de la consommation sur un segment précis du parcours.
  • Comment optimiser la consommation ?
    Par exemple en faisant varier les parcours des véhicules selon les chargements ou les conditions météo.

Problématique

Parvenir à un tel pilotage des consommations suppose de remonter et de traiter des données d’origines variées

  • Des données produites par des systèmes industriels. Par exemple le nombre de tonnes de matériaux traités
  • Des données provenant de capteurs IoT. Par exemple le poids des chargements des véhicules, le nombre de litres de carburant versés dans un véhicule, le niveau des stocks de lubrifiant…
  • Des données issues des véhicules mêmes en premier lieu le suivi GPS de leurs trajets
  • Des données dites Open data venant enrichir l’information et la mettre en perspective.

La combinaison de ces flux de données permet de construire des indicateurs pour superviser la consommation par tonne transportée, catégories de véhicules, types de trajets… Des informations qui gagnent à être géospatialisées afin de faciliter leur exploration et analyse.

La solution ForePaaS

  • Une capacité à intégrer des données variées qu’elles soient issues de fichiers, d’API, de capteurs IoT…
  • Un cycle de développement agile pour une mise en production et des itérations rapides grâce à une plateforme de traitement des données automatisée et industrialisée
  • Une Plateform-as-a-Service adossée aux ressources du cloud pour tenir la charge sans ajouter de complexité technique
  • La possibilité d’injecter facilement des algorithmes déjà exploités pour capitaliser sur les travaux déjà engagés
  • Une capacité de traitement de grands volumes de données en temps réel garantie par une solution qui s’appuie sur des technologies modernes
  • Des alertes émises dès que des seuils sont dépassés pour être informé en temps réel des dysfonctionnements
  • Des vues adaptées aux rôles de chacun pour gagner en efficacité opérationnelle