conférence internet des objets iot m2m - cci bordeaux - 02 04 2015 - présentation de fusion labs

47
Fusion Labs Panorama du marché et état de l’art des solutions IoT / M2M Stéphane Monteil 2 avril 2015 – Conférence "Internet des Objets (IoT) quels enjeux et opportunités pour les entreprises ?"

Upload: pole-numerique-cci-de-bordeaux

Post on 14-Jul-2015

950 views

Category:

Technology


3 download

TRANSCRIPT

Page 1: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Fusion Labs

Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M

Steacutephane Monteil

2 avril 2015 ndash Confeacuterence Internet des Objets (IoT) quels enjeux et opportuniteacutes pour les entreprises

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

2 Internet des objets et services cloud

IoT Le nouvel eldorado

3 Internet des objets et services cloud

Preacutevisions du marcheacute IoT

4

ldquo50 Billion Things on the Internet by 2020rdquo

ldquohellip200 billion Things by 2020rdquo

Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)

Internet des objets et services cloud

Gartnerrsquos hype cycle

5

Source Gartner

Internet des objets et services cloud

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 2: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

2 Internet des objets et services cloud

IoT Le nouvel eldorado

3 Internet des objets et services cloud

Preacutevisions du marcheacute IoT

4

ldquo50 Billion Things on the Internet by 2020rdquo

ldquohellip200 billion Things by 2020rdquo

Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)

Internet des objets et services cloud

Gartnerrsquos hype cycle

5

Source Gartner

Internet des objets et services cloud

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 3: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

IoT Le nouvel eldorado

3 Internet des objets et services cloud

Preacutevisions du marcheacute IoT

4

ldquo50 Billion Things on the Internet by 2020rdquo

ldquohellip200 billion Things by 2020rdquo

Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)

Internet des objets et services cloud

Gartnerrsquos hype cycle

5

Source Gartner

Internet des objets et services cloud

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 4: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Preacutevisions du marcheacute IoT

4

ldquo50 Billion Things on the Internet by 2020rdquo

ldquohellip200 billion Things by 2020rdquo

Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)

Internet des objets et services cloud

Gartnerrsquos hype cycle

5

Source Gartner

Internet des objets et services cloud

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 5: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Gartnerrsquos hype cycle

5

Source Gartner

Internet des objets et services cloud

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 6: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins

bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts

bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)

bullLes coucircts drsquoindustrialisation sont de plus en plus abordables

bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)

bull Le ROI nrsquoest pas toujours eacutevident agrave faire

apparaitre bull Les changements de business model

entrainent des reacuteticences (abonnements couts reacutecurrents)

bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)

bull Manque drsquoun standard technique unique (fragmentation)

bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)

6 Internet des objets et services cloud

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 7: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Segments de marcheacute M2M IoT

7 Internet des objets et services cloud

Energy

bull Meters bull Solar panel bull Windmill

Transports

bull Tracking bull Monitoring bull Security bull Public

transports

Industry

bull Assets monitoring

bull Resource automation

bull Supply chain

Consumer

bull Smart home bull Alarms bull Smart

appliances bull Wearable

Healthcare

bull Home health

bull Monitoring

Buildings

bull HVAC bull Lighting bull Security bull Access bull Fire

Et aussi Smart City Retail SecuritySafety hellip

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 8: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemple La maison connecteacutee

Home Automation Lighting

Connected devices eHealth

Alarm amp Security

Smart Energy

8 (C) Fusion Labs 2015

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 9: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Chaine de valeur IoT M2M

9 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

User app

Back office Infrastructure

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 10: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemple 1 Supervision et teacuteleacutemaintenance de machines

10

IoT Platform

Mobile Network (GPRSUMTS)

Remote Diagnostics amp Maintenance UI

Carrier embedded interface

Customer Support Business

user

GPRS or 3G board

Control unit

Industrial modem (GPRS)

Internet des objets et services cloud

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 11: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemple 2 Smart Home Deacutemo drsquoune solution open source

Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus

Installation en 20 min

Internet des objets et services cloud

Protocole sans fil au standard Z-Wave

Logiciel Domoticz (open source)

Application ImperiHome

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 12: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Aperccedilu drsquoacteurs repreacutesentatifs

12 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

Copenhague

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 13: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

13 Internet des objets et services cloud

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 14: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

IoT M2M architecture

14 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

IoT platform

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 15: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

IoT platform

Focus technique produits

15 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Device domain Network Application domain

API

Gateway

Device properties

Msg

bro

ker

User app

Phys

ical

vie

w

Logi

cal v

iew

Device driver

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 16: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Les plateformes middleware IoT bull Principales fonctions

ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware

ndash Messages amp data management

bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes

bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits

ndash Application Management

bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee

16 Internet des objets et services cloud

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 17: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M

17

Plate-forme de services IoT

Applications meacutetier

Transport

Street equipment monitoring

Smart home

Internet des objets et services cloud

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 18: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Abstraction du mateacuteriel et de lrsquoimpleacutementation

bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo

bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo

bull Le11130881113088 service devient indeacutependant des technologies

18 Internet des objets et services cloud

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 19: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti

19 Internet des objets et services cloud

Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 20: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemple Plateforme ThingWorx 22

20 Internet des objets et services cloud

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 21: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Plate-forme de services IoT Microsoft Azure

21 Internet des objets et services cloud

Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 22: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Les gateways et modules de communication

22 Internet des objets et services cloud

bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro

framework) ndash Kit Grove (modules

SeeedStudio)

bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener

bull Modules

bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 23: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Gateway Principales liaisons reacuteseau supporteacutees

23 Internet des objets et services cloud

Reacuteseau local Interfaces Reacuteseau WAN

Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB

Ethernet (RJ45)

Sans fil (RF) bull 433 Mhz

bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus

bull 24 GHz

bull Wifi bull Bluetooth BLE bull Zigbee

bull GPRS bull Edge bull 3G bull 4G

bull LPWAN

bull Sigfox bull LoRA

Low-Power Wide-Area Network

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 24: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Exemple la maison connecteacutee Flux de donneacutees et protocoles

24 Internet des objets et services cloud

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 25: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

2 Protocoles freacutequemment utiliseacutes

25 Internet des objets et services cloud

Communication with local sensors and actuators

PAN WPAN IP amp discovery Web services amp messaging

Communication with user PC tablet TV media devices etc

Synchronous amp asynchronous communication with the cloud

Low energy protocols

DPWS

ZeroConf protocols

CoAP

WS amp messaging (publishsubscribe)

HTTP IEEE 802154

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 26: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Standards techniques

26

Architecture

Protocols RESTful web services

Consortium

Internet des objets et services cloud

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 27: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

27 (C) Fusion Labs 2015

Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles

Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute

Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet

Enjeux des standards pour le deacuteveloppement du marcheacute

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 28: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Le standard OneM2M

28 Internet des objets et services cloud

Over 200 member organizations in oneM2M

OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 29: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

29 Internet des objets et services cloud

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 30: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Deacutemarche projet agile

30

Kits eacutelectroniques et de communication

Middleware platform Applications meacutetier

1 Etudes amp prototypes

2 Deacuteveloppement

3 Deacuteploiement cloud

Public clouds

3 Validation

Enab

ler

(out

ils)

Cycle projet

Activ

iteacute p

roje

ts

Internet des objets et services cloud

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 31: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Roles et compeacutetences

31 Internet des objets et services cloud

Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)

Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien

(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau

Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops

Autres fonction Industrialisation logistique achatssourcing SAVhellip

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 32: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Facteurs cleacutes de succeacutes bull Facteurs business

ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)

ndash Impliquer les experts meacutetier au cœur des projets (product owner)

ndash Adopter une deacutemarche iteacuterative et agile

bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de

chaque domaine hardware embarqueacute reacuteseau systegraveme etc

32 Internet des objets et services cloud

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 33: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Sommaire

1 Le marcheacute des objets connecteacutes et du M2M

2 Architecture technique des solutions

3 Deacutemarche projets IoTM2M

4 Tendances et eacutevolutions en cours

33 Internet des objets et services cloud

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 34: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Tendances du secteur IoT

34 Internet des objets et services cloud

Intelligence ambiante machine learning

Santeacute bien-ecirctre

LPWAN

Smart Home

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 35: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Tendances actuelles et futures de la maison connecteacutee

bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres

systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)

bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services

35 (C) Fusion Labs 2015

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 36: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Backup slides

36 Internet des objets et services cloud

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 37: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Chaine de valeur Smart Home

37 Internet des objets et services cloud

End Device (sensor hellip) Gateway Network

connectivity Middleware amp platform Application

Hardware Network Software Cloud

Service

Service

API

SW platform

Internet provider

User app

Back office

Capteurs Actuateurs Cameacuteras

Infrastructure

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 38: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Inteacutegration collecte et analyse des donneacutees

38

38

Internet des objets et services cloud

Event Data Producer

Message broker M2M Platform

Data Transformation amp Storage

Dashboard Analytics Machine Learning

Devices

Applications

Objects Machines

Message Queue Raw data

Business data

Dashboard

Search Filter

Analytics big data

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 39: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Architecture OneM2M

39 Internet des objets et services cloud

Underlying Network

Underlying Network

CSE

AE

NSE

CSE

AE

NSE

CSE

AE

NSE NSE

Application Service Node Middle Node Infrastructure Node

Application Layer

Service Layer

Network Layer

Mca

Mcn

Mca Mca

Mcn Mcn Mcn Mcc Mcc

bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)

bull Common Services Entity Provides the set of service functions that are common to the M2M environments

bull Application Entity Provides application logic for the end-to-end M2M solutions

bull Network Services Entity Provides services to the CSEs besides the pure data transport

bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device

CSE

Mccrsquo

Inf Node

Source OneM2M

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 40: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

2 Protocles comparaison

40 Internet des objets et services cloud

Hig

h ra

te p

roto

cols

Lo

w c

onsu

mpt

ion

low

ra

te p

roto

cols

DPWS

PAN-WPAN LAN (IP) WAN (IP)

HTTP

ZeroConf protocols

CoAP

Messaging amp application protocols

Low energy protocols

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 41: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Activiteacutes projets IoT M2M Cloud

41

Connected Objets

Network

Cloud Platform

Fleet Admin amp management

Business apps

Embedded Software

Security

Electronics amp RF Web amp mobile

applications

Testing

Consulting amp architecture

Solutions (HW SW) Solutions (SW Infra)

Solu

tions

Se

rvic

es o

ffer

Internet des objets et services cloud

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 42: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et

reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute

bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo

bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40

(C) Fusion Labs 2015 42

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 43: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Intelligence Ambiante 23

(C) Fusion Labs 2015 43

bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage

et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)

Exemples drsquoautomatismes classiques (sceacutenarios domotiques)

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 44: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning

sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences

bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx

permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps

(C) Fusion Labs 2015 44

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 45: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Maintenance preacutedictive

45

M2M Cloud services Machine fleet events

breakdown pattern

1 2 3

1 2

Warning

Warning

Internet des objets et services cloud

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 46: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

Big volume of devices =gt BIG DATA

46 Internet des objets et services cloud

Big data store

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services
Page 47: Conférence Internet des objets IoT M2M - CCI Bordeaux - 02 04 2015 - Présentation de Fusion Labs

From vertical applications to horizontal integration of new services

47

User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)

Home Office Electric vehicle Public parking amp charging station

bicycle sharing

Public transport

Internet des objets et services cloud

  • Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
  • Sommaire
  • IoT Le nouvel eldorado
  • Preacutevisions du marcheacute IoT
  • Gartnerrsquos hype cycle
  • Facteurs drsquoeacutevolution du marcheacute
  • Segments de marcheacute M2M IoT
  • Exemple La maison connecteacutee
  • Chaine de valeur IoT M2M
  • Exemple 1 Supervision et teacuteleacutemaintenance de machines
  • Exemple 2 Smart HomeDeacutemo drsquoune solution open source
  • Aperccedilu drsquoacteurs repreacutesentatifs
  • Sommaire
  • IoT M2M architecture
  • Focus technique produits
  • Les plateformes middleware IoT
  • Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
  • Abstraction du mateacuteriel et de lrsquoimpleacutementation
  • Exemples de middlewares IoT
  • Exemple Plateforme ThingWorx 22
  • Plate-forme de services IoT Microsoft Azure
  • Les gateways et modules de communication
  • Gateway Principales liaisons reacuteseau supporteacutees
  • Exemple la maison connecteacuteeFlux de donneacutees et protocoles
  • 2 Protocoles freacutequemment utiliseacutes
  • Standards techniques
  • Enjeux des standards pour le deacuteveloppement du marcheacute
  • Le standard OneM2M
  • Sommaire
  • Deacutemarche projet agile
  • Roles et compeacutetences
  • Facteurs cleacutes de succeacutes
  • Sommaire
  • Tendances du secteur IoT
  • Tendances actuelles et futures de la maison connecteacutee
  • Backup slides
  • Chaine de valeur Smart Home
  • Inteacutegration collecte et analyse des donneacutees
  • Architecture OneM2M
  • 2 Protocles comparaison
  • Activiteacutes projets IoT M2M Cloud
  • Intelligence Ambiante 13
  • Intelligence Ambiante 23
  • Intelligence ambiante 33
  • Maintenance preacutedictive
  • Big volume of devices =gt BIG DATA
  • From vertical applications to horizontal integration of new services