Développement d'applications gestion d'énergie

Conception, développement et mise en œuvre d'application web de suivi énergétique
blog details thumb

Développement d'applications WEB et mobile de gestion d'énergie. Des applications personnalisées et des solutions de mobilité d'entreprise sur toutes les principales plates-formes. Des services de développement mobile à cycle complet, y compris le concept, la conception UI / UX, le prototypage, la programmation, les tests et l'assistance.

Logiciel de gestion de l'énergie

Des installations électriques aux systèmes de bâtiment en passant par les datacenters, en passant par la surveillance de l'alimentation électrique, l'automatisation du réseau, la gestion de la durabilité, les analyses, ainsi que le contrôle, avec des suites logiciels et des modules pour les applications. Que vous conceviez, construisiez ou exploitiez et mainteniez des systèmes ou des installations, logiciel de gestion de l'énergie vous aide à atteindre une efficacité énergétique, des performances, une fiabilité et une sécurité maximales.

Développement de logiciels embarqués

Besoin d’une pré-étude, d’un conseil ?

Pour vos objets connectés et vos systèmes industriels, nous concevons et développons des logiciels embarqués sur mesure: Exécute des tâches en temps réel Communique avec des micro-contrôleurs. Interface graphique (GUI - graphical user interface). Collecte des données de capteurs. Gestion de la consommation d’énergie. Gestion hardware

Nous sommes en mesure de vous proposer des applications innovantes sur-mesure. Notre équipe est composée de collaborateurs experts, chacun dans son domaine. Cette complémentarité de compétences nous permet de proposer à nos clients une approche globale et modulaire au niveau du développement de leurs technologies.

  1. Étude & Conception électronique
  2. Routage et prototypage
  3. Fabrication de carte électronique
  4. Systèmes embarqués
  5. Objets connectés. IoT
  6. Développement software
blog details field

Article: Le défi de l'intégration de l'IA dans les systèmes embarqués.

PAR RIDHA LOUKIL - Usine nouvelle :publié le 21/06/2018
L’instillation de l’IA dans les systèmes embarqués s’impose pour des questions de temps réel et de cybersécurité. Et s’étend à tous les secteurs industriels.
blog details thumb

Et si vous instilliez de l’intelligence artificielle (IA) dans vos systèmes embarqués ? L’idée fait son chemin dans tous les secteurs, des avions aux drones, en passant par les voitures, les équipements de sécurité, les robots et les capteurs industriels. Le mobile donne l’exemple. Les derniers smartphones vedettes, comme l’iPhone X d’Apple, le P20 de Huawei et le Mi 8 de Xiaomi, mettent en œuvre l’IA pour des fonctions de ­reconnaissance faciale ou d’optimisation des fonctions photo. Mais qui dit intelligence artificielle dit besoin accru de ­capacités de calcul, de mémoire et de réseaux et de grandes bases de données pour l’apprentissage des modèles. C’est pourquoi l’IA est synonyme de traitement centralisé dans le cloud ou sur des serveurs. Une configuration à la base d’enceintes connectées comme l’Echo d’Amazon ou la Home de Google.

Alors pourquoi distribuer l’IA dans les systèmes embarqués ? "Pour des questions de temps réel, répond Cédric Demeure, le vice-président R & T de Thales et président d’Embedded France, l’association des industriels de l’embarqué en France. Dans les systèmes critiques mettant en jeu la vie humaine, chaque milliseconde compte. En traitant les données près des capteurs qui les produisent, on évite les temps de latence des réseaux et on gagne en réactivité." Pas de souci de sécurité des données non plus. "Dans des applications comme la maintenance prédictive, les industriels n’ont pas envie de devoir déposer leurs données de production dans le cloud pour les analyser", souligne Joël Rubino, le directeur général de Cartesiam, une PME qui propose un capteur intelligent de surveillance des vibrations des machines.

Seulement voilà : les systèmes embarqués sont soumis à de fortes contraintes d’encombrement, de consommation d’énergie, de coût, d’environnement, et leurs capacités de traitement, de mémoire et de communication par le biais des réseaux sont limitées. Des obstacles qui tendent à tomber. "Pour notre caméra intelligente Blaxtair, que nous installons sur des chariots mobiles, des engins de BTP et des véhicules de recyclage des déchets, nous traitons les images vingt fois par seconde, témoigne Franck Gayraud, le directeur général d’Arcure. C’est possible grâce à la disponibilité de processeurs puissants à coût et consommation acceptables. Nous sommes néanmoins obligés d’optimiser l’algorithme pour qu’il rentre dans le système." La PME bénéficie des développements dans les mobiles, où la dernière génération de processeurs intègre une partie dédiée à l’IA. Une évolution qui se généralise aux processeurs les plus banalisés. STMicroelectronics propose une solution pour mettre en œuvre des applications sur un vulgaire microcontrôleur. C’est la voie retenue par Cartesiam pour son capteur intelligent Bob. "C’est le Graal de l’IA, affirme son directeur général. Nous avons réussi à faire tourner sur un simple microcontrôleur l’algorithme qui nécessite normalement un serveur. Le capteur fonctionne avec une batterie pendant cinq ans."

Cartesiam a choisi de s’affranchir du cloud en optant pour un système auto-apprenant. "À son activation, Bob se met à l’écoute de la machine pour se faire une idée de son fonctionnement et créer un modèle analytique dédié, explique Joël Rubino. Un quart d’heure plus tard, il bascule sur le mode de surveillance, analysant les données de vibrations et les comparant au modèle appris pour détecter les pannes à venir." Mais cette configuration n’est pas la panacée. Dans des applications plus complexes, le recours au cloud s’impose pour l’apprentissage du modèle. Une phase gourmande en traitement et en data. C’est l’option choisie dans la grande majorité des cas. « Le problème de cette approche, c’est que, une fois le modèle entraîné puis intégré dans le système embarqué, il n’évolue plus, remarque William Simonin, le PDG et fondateur de Vivoka, une start-up qui développe des assistants domotiques vocaux. C’est une barrière. » Pour son assistant domotique à hologramme Zac, la pépite a choisi de déporter une partie de l’IA dans le cloud. « Nous aurions pu nous en affranchir et agréger toutes les données en local, affirme son PDG. Mais nous nous serions privés de données externes et de fonctions intéressantes. Sans le cloud, nous ne pourrions pas mettre à jour le système et introduire de nouvelles fonctionnalités. » Entre cloud et local, à chacun de décider où mettre le curseur.

Trois choix de mises en œuvre

100% cloud ou datacenter Apprentissage du modèle et exécution dans le cloud ou dans les serveurs du datacenter.
Avantage : Grandes capacités de calcul, de stockage et de data.
Inconvénient Dépendance du réseau.

Système hybride Apprentissage du modèle dans le cloud ou dans un datacenter et exécution dans le système embarqué.
Avantage : Désengorgement des réseaux.
Inconvénient : Capacités de calcul et de stockage limitées en local.

100% local Système embarqué auto-apprenant qui effectue lui-même l’apprentissage de son modèle avec ses propres données, puis son exécution.
Avantage : Système 100% autonome.
Inconvénient : Difficultés de mise à jour.