IngeniBridge s'appuie sur le paradigme de la modélisation des données afin de décrire les informations de contextualisation des séries temporelles IOT.
Quand les capteurs IOTs collectent des informations sur des patrimoines industriels complexes, une clé de succès est d'impliquer les personnels du métier dans le design de l'architecture fonctionnelle du système d'information.
La meilleure façon de communiquer et échanger avec les personnels non IT est d'utiliser la notation intuitive UML. Sujet développé ci-après.
La notation est ainsi représentée:
Le postulat de départ est que chaque IOT est rattaché à un élément de patrimoine, fût-il matériel (pompe…) ou immatériel (zone d’influence…).
Cette approche diffère de la traditionnelle méthodologie « post-il ». Veuillez noter que cette manière de procéder « post-it » est constamment proposée par les fournisseurs de bases de données IOTs (voir Azure IOT par exemple où le « post-it est ici appelé une propriété : https://docs.microsoft.com/fr-fr/rest/api/time-series-insights/preview-model#model-settings-api).
Ceci est le modèle UML global construit pour les besoins spécifiques de mon industrie virtuelle.
Veuillez noter que celivrable est construit à l'aide des spécifications fonctionnelles et validé par les experts fontionnels ou représentant du métier.
Explications :
Explications:
A coté des patrimoines et séries temporelles, il est nécessaire de pouvoir gérer des tables de paramétrage, ce sont les nomenclatures. Elles possèdent un code et un label. Voici celles du modèle en exemple.
Ce chapitre devrait normalement arriver à la fin du tutoriel.
Mais, converger le modèle UML de données avec l'univers de requêtage est l'une des plus grandes valeurs apprtées par IngeniBridge. Ainsi, cela doit guider les efforts d'investissement dans le métadonnée sur les séries temporelles.
Donc maintenant, mettons en application les éléments fonctionnels présentés dans les précédents diagrammes UML et constatons les résultats en live:
Vous pouvez constater quelque chose de commun entre les premières requêtes ci-dessus. Elles utilisent des éléments déclarés dans le modèle UML de données. En effet, le moteur de recherche s'aligne automatiquement sur le modèle UML, c'est pourquoi la vérité est fixée par (avec) les personnels du métier puis instille la DSI sans modification supplémentaire.
Comme vous l'avez constaté, les enveloppes de données sont récupérées au format JSON.
Le contrat est publié au standard Swagger.
Tout cela est architecturé sur la plateforme .Net Core 2.0. Cela signifie que vous pouvez utiliser les environnements Linux, Windows et MAC pour utiliser IngeniBridge.
Aussi, l'outillage peut être Visual Studio Code (plateformes Windows, Linux or Mac OS) or Visual Studio (plateformes Windows et MAC).
Veuillez noter que le diagramming UML bidirectionnel est intégré dans Visual Studio sans surcoût.
Arrivé à ce point du tutoriel, vous voudrez connaitre la procédure de création de votre propre modèle.
Premièrement, git clone le repo stoché dans la base github.com. Cela fournit un exemple prêt à l'emploi permettant de démarrer un premier modèle.
Deuxièmement, ouvrir la solution (SLN) nommée “IngeniBridge.Samples.MyCompany”.
Quand la solution est ouverte, le projet “MyCompanyDataModel” contien le modèle.
La base IngeniBridge est comparable au Master Data Management de type “consolidation”. Cela signifie que les données ne sont pas gouvernées dans IngeniBridge. Mais les données doivent être collectées depuis les différents puis de données existants dans la DSI vers la base IngeniBridge.
Veuillez noter qu'une future version d'IngeniBridge supportera la gouvernance et l'historisation des entitées.
En regardant la solution précédemment ouverte, l'autre projet contient le script d'initialisation de la base IngeniBridge.
Le script d'initialisation contient plusieurs parties.
Ouvrez les différentes sections du script pour les adapter à votre DSI. Le projet d'initialisation de la base IngeniBridge ne doit pas être forcément de type .Net Core. Il peut être du type .Net Framwork lorsque des librairies d'accès à la DSI ne sont pas compatibles .Net Core (tel que le système Osisoft PI System).
Une fois terminé, lancer le script qui va générer le fichier de la base IngeniBridge.
A la fin, le fichier coportant l'extension IBDB est présent sur disque. Ce fichier doit être monté sur le serveur IngeniBridge.
Un environnement léger en performance est disponible sur le cloud privé de JTO Tec à http://try.ingenibridge.com/. Aucune qualité de performance ni horaires d'ouverture garantis.
ATTENTION DE NE DEPOSER AUCUNE DONNEE SENSIBLE CAR C'EST UN ENVIRONNEMENT PARTAGE.
Pour tester vos métadonnées, suivre la procédure.
Suivre ainsi:
Ensuite vous pouvez requêter sur vos données ce qui est le but recherché.
Tandis que l'interface REST est immuable, les critères de recherche s'alignet automatiquement sur votre propre métamodèle UML.
En fait, IngeniBridge va construire ce qu'il nomme des axes fonctionnels. Pour découvrir les axes fonctionnels construits pour votre modèle vous pouvez utiliser l'API JSON et/ou les visualiser.
Le requêtage requiert un axe+valeur. Tandis que les axes sont générés, les valeurs sont celles qui ont été alimentées en base (par exemple ELEC pour une mesure de type électricité). De cette façon je peux composer cette reête utilisant l'axe+valeur ce qui nous donne MyCompanyData.TypeOfMeasure.Code=ELEC. Et cela fonctionne !
Il est possible dactiver la recherche plein texte. Pour cela, il suffit d'implémenter une fonction dans votre métamodèle .Net Core 2.0.
Cela permet de tester sur vos propres données.
IngeniBridge vous permet de gagner du temps et coûts sur l'exploitation/configuration/alimentation de composants tels que Elastic Search, NoSql metadata, serveurs HTTP REST…
Mais plus important que le time to market, la collaboration avec les acteurs métier par utilisation du standard UML va sécuriser le succès de la transformation digital de votre entreprise.
Des petits référentiels disséminés tendent la production d'indicateurs divergents. Cela n'est pas soutenable dans un plan de transformation de type Industrie 4.0.
Avec la métadonnée provisionnée dans votre transformation, votre système pourra produire des corrélations efficaces, des informations d'alerte (en temps réel) et soutenir la performance industrielle.
Le référentiel IngeniBridge peut être construit en mode agile. Chaque itération agile est sécurisée grace aux services intégrés de gestion des non régressions. Ainsi, la transformation digital est sous contrôle à chaque sprint agile.
Les métadonnées vont apporter plus de justesse sur les extractions et corrélations de données permettant d'aller encore plus loin dans la découverte de nouvelles relations de causes à effets.
Acceliance est une ESN spécialisée dans les architectures de systèmes d'information. Nous proposons une méthodologie industrielle pour construire vos données de contextualisation dans un cycle agile compatible avec votre transformation digitale IOT. Contactez-nous pour en savoir plus sur nos offres de service.
