Tour d’horizon du produit

Ce tour d’horizon du produit vous propose une présentation approfondie de l’architecture de Cognite Data Fusion (CDF), et les principales mesures à prendre pour accélérer votre implémentation.

Cognite Data Fusion (CDF) est une plateforme destinée à la contextualisation et aux opérations de données:

• La contextualisation associe l’apprentissage machine, l’intelligence artificielle et la connaissance du domaine afin de mapper entre elles des ressources de différents systèmes source dans votre graphique de connaissances industrielles.

• Les opérations de données sont un ensemble d’outils et de pratiques pour gérer le cycle de vie de vos données grâce à la collaboration et à l’automatisation.

Architecture

Cognite Data Fusion (CDF) s’exécute sur le cloud et présente une conception modulaire.

Vous pouvez interagir avec vos données via des espaces de travail dédiés dans l’application Web CDF, ou avec nos API et SDK.

Les sections suivantes présentent les principales étapes de l’implémentation de CDF, et leur lien avec les différents modules de CDF.

Étape 1 : Configuration de la gestion des données

Pour prendre des décisions éclairées, il est important de pouvoir compter sur des données fiables.

Avant d’intégrer et de contextualiser les données dans CDF, vous devez définir et mettre en œuvre vos règles de gouvernance des données. Il est recommandé de nommer un administrateur CDF pour travailler avec le service informatique afin de veiller à ce que CDF respecte les règles de sécurité de votre organisation. Connectez CDF à votre fournisseur d’identités (IdP) et utilisez les identités d’utilisateurs existantes pour gérer l’accès aux outils et données CDF.

Pour créer des applications à partir des données dans CDF, vous devez utiliser un modèle de données bien défini pour formuler des suppositions quant à la structure des données. CDF propose des modèles de données prêts à l’emploi pour créer un graphique de connaissances structuré, souple et contextualisé.

Étape 2 : Intégration de données

Les règles de gouvernance des données que vous définissez vous permettent d’ajouter des données dans CDF à partir des sources IT, OT et ET. Il peut s’agir de systèmes de commande industriels fournissant des données de capteurs, de systèmes d’ERP ou de très grands modèles 3D de CAO dans des systèmes d’ingénierie.

Extraction de données

Avec un accès en lecture aux sources de données, vous pouvez configurer l’intégration du système pour diffuser des données en continu vers la zone de transit CDF, où elles peuvent être normalisées et enrichies. Nous prenons en charge des protocoles et interfaces standard, tels que PostgreSQL et OPC-UA, pour faciliter l’intégration des données à vos outils d’ETL et solutions d’entreposage de données existants.

Nous proposons des outils d’extraction conçus pour des systèmes spécifiques et des outils d’ETL compatibles avec la plupart des bases de données. Cette approche permet de réduire autant que possible la logique dans les outils d’extraction et de réaliser plusieurs fois des transformations sur les données sur le cloud.

Transformation des données

Les données sont stockées sous leur format d’origine dans la zone de transit CDF. Vous pouvez réaliser plusieurs fois des transformations sur les données sur le cloud, et les remodeler afin de les adapter au modèle de données CDF.

Le découplage des étapes d’extraction et de transformation facilite la gestion des pipelines de données et réduit la charge sur les systèmes source. Nous recommandons d’utiliser vos outils d’ETL existants pour transformer les données. Nous proposons également l’outil CDF Transformation pour des tâches de transformation limitées.

Amélioration des données

Les outils de contextualisation automatique et interactive dans CDF permettent d’associer l’intelligence artificielle, l’apprentissage machine, un puissant moteur de règles et la connaissance du domaine afin de mapper entre elles des ressources de différents systèmes source dans le modèle de données CDF. Commencez par contextualiser vos données avec l’intelligence artificielle, l’apprentissage machine et des moteurs de règles, puis laissez les experts du domaine valider et affiner les résultats.

Étape 3 : Consommation des données et création de solutions

Une fois que vous disposez de données complètes et contextualisées dans votre graphique de connaissances industrielles, vous pouvez tirer parti des outils industriels intégrés pour développer de robustes applications et agents IA afin de répondre aux besoins de votre entreprise.

Toutes les informations stockées dans CDF sont disponibles depuis notre API basée sur REST. Cognite fournit aussi des connecteurs et des SDK pour des langages de programmation et des outils d’analyse courants, tels que Python, JavaScript, Spark, OData (Excel, Power BI) et Grafana. Nous proposons aussi des SDK communautaires pour Java, Scala, Rust et .Net.

Le service Functions offre une technique sûre, évolutive et automatique pour héberger et exécuter le code Python.