Approche Lean pour des produits intelligents et connectés abordables :quelques conseils et exemples – Partie 1

Prévoyant le lancement de leur premier produit intelligent et connecté, les entreprises peuvent avoir peur des investissements nécessaires. Cependant, il existe des moyens de réduire les coûts de développement et de mise en œuvre de l'IoT tout en proposant une solution apportant une valeur commerciale à la fois aux fournisseurs et aux clients.

L'Internet des objets se développe activement dans divers secteurs, et de plus en plus d'entreprises adoptent ou envisagent d'adopter des produits intelligents et connectés. Cependant, pour de nombreux acteurs commerciaux, l'IoT semble non seulement prometteur, mais aussi coûteux, et ils peuvent penser que les produits de pointe équipés de capteurs et de technologies de communication dépassent les investissements qu'ils peuvent se permettre, Alex Grizhnevich, consultant en automatisation des processus et IoT, ScienceSoft .

Néanmoins, le rêve d'entrer dans le monde de l'IoT peut devenir réalité avec la bonne approche, par exemple, avec le soi-disant   approche lean, qui présuppose la minimisation systématique des déchets sans sacrifier la productivité (en d'autres termes, la mise en œuvre de seulement ce qui est nécessaire et la réduction de ce qui n'ajoute pas de valeur  ni pour un client, ni pour un vendeur).

Il n'est donc pas nécessaire de se lancer dans un produit au tout début ou de retarder le lancement jusqu'à accumuler un budget énorme. Une solution avec une architecture bien conçue, livrée même avec un petit budget, peut être étendue avec des fonctionnalités avancées plus tard.

Dans cet article, nous sommes heureux de partager notre vision du développement et de la mise en œuvre abordables de l'IoT et de montrer les moyens de déployer des produits intelligents et connectés efficaces avec un budget limité.

Minimiser le volume de données analysées

Bien qu'un produit intelligent et connecté puisse théoriquement être équipé d'un grand nombre de capteurs effectuant de nombreuses lectures des dizaines et même des centaines de fois par seconde, toutes les solutions IoT ne nécessitent pas le grand nombre de capteurs et l'immense fréquence de lectures pour un travail efficace. Afin de réduire les coûts de développement et de mise en œuvre de l'IoT, il est possible d'analyser uniquement les données cruciales pour les performances du produit.

Il ne nécessite pas beaucoup de nœuds de calcul et, dans certains cas, une entreprise peut même recourir à des outils traditionnels de stockage et de traitement des données. Dans le même temps, il s'agit de choisir le volume optimal de données nécessaires pour surveiller et prendre en charge un produit intelligent et connecté, sans sacrifier la qualité des performances de ce produit. De plus, la minimisation du volume de données analysées peut être partiellement résolue avec le filtrage des données au niveau des passerelles.

Exemple :Surveillance du niveau de neige – Les capteurs prennent des données, par exemple, toutes les 30 minutes (il est très peu probable que le niveau de neige augmente considérablement au cours de ces périodes) et le système IoT informe les services de déneigement de la nécessité de dégager les rues dans certaines zones de la ville.

Commencer par une solution avec une logique simple

Emballer une solution IoT avec toutes les fonctionnalités imaginables ne contribuera pas à son efficacité lorsque ces fonctionnalités sont sous-utilisées ou pas du tout nécessaires (de plus, cela peut rendre un produit intelligent et connecté lent et inefficace). D'un autre côté, il sera moins coûteux (et plus sûr en termes de retour sur investissement) de commencer par ajouter uniquement des fonctionnalités IoT de base qui résolvent de vrais problèmes commerciaux à un produit intelligent et connecté.

Il existe de nombreux exemples de solutions IoT simples qui fonctionnent avec une logique basée sur des règles et n'utilisent même pas l'apprentissage automatique. Dans une perspective à long terme, des fonctionnalités plus avancées peuvent être ajoutées (ainsi que de nouveaux modules à une architecture de produit connectée) lorsqu'une entreprise obtient des besoins et des ressources correspondants.

Exemple :Conteneurs à déchets intelligents – La gestion intelligente des déchets est une alternative efficace à la collecte des déchets traditionnelle basée sur un calendrier. La logique de cette solution peut être assez simple :des capteurs situés au-dessus d'un conteneur de déchets envoient les données que le conteneur est plein, et le système IoT envoie une notification au service de collecte des déchets. Comme dans l'exemple précédent, il n'est pas nécessaire de prendre trop souvent les données des capteurs.

La logique simple de cette solution peut être étendue en ajoutant le composant d'apprentissage automatique à une architecture de produit intelligente à l'avenir. Par exemple, il est possible de construire des horaires de collecte des déchets (prédisant l'heure à laquelle les conteneurs dans certaines zones sont pleins) et de développer les itinéraires les plus pratiques pour les machines de collecte des déchets pour se déplacer dans la ville.

Dans la deuxième partie de l'article, nous poursuivrons la discussion et explorerons deux autres moyens permettant aux entreprises de déployer des produits intelligents et connectés efficaces avec un budget limité.

L'auteur de ce blog est Alex Grizhnevich, consultant en automatisation des processus et IoT, ScienceSoft

À propos de l'auteur

Alex Grizhnevich est consultant en automatisation des processus et IoT chez ScienceSoft, une société de conseil en informatique et de développement de logiciels basée à McKinney, au Texas. Ses 17+ années d'expérience en informatique et OT incluent la programmation de microcontrôleurs industriels, le développement d'applications Web et de bureau, de bases de données et de solutions de gestion de documents pour le pétrole, le gaz et la logistique. Titulaire d'un diplôme en automatisation et gestion des processus industriels, Alex se concentre désormais sur l'IoT et l'apprentissage automatique sur les données des capteurs.