IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs

Cet article présente IOTEL, un outil conçu pour générer systématiquement des journaux d'événements centrés sur les objets enrichis de données IoT, permettant ainsi une intégration structurée compatible avec les outils d'extraction de processus existants pour faciliter l'analyse des processus métier améliorés par l'IoT.

L'essentiel

Imaginez que vous dirigez un grand port de marchandises. D'un côté, vous avez le cahier de bord des camions (quand ils arrivent, ce qu'ils transportent, par quelle porte ils passent). De l'autre côté, vous avez des capteurs intelligents (GPS, balances connectées) qui enregistrent chaque mouvement, chaque gramme de poids, chaque seconde de trajet en temps réel.

Le problème ? Ces deux mondes ne se parlent pas. Le cahier de bord est écrit en langage humain (processus), tandis que les capteurs crachent des millions de données brutes et techniques. Si vous essayez de tout mélanger en vrac, vous obtenez un monstre illisible, trop gros et trop complexe à analyser.

C'est là qu'intervient IOTEL, l'outil présenté dans cet article. Voici comment il fonctionne, expliqué simplement :

1. Le Problème : Deux langues qui ne se comprennent pas

Les chercheurs appellent cela un "décalage d'abstraction".

• Les données IoT sont comme une caméra de surveillance ultra-puissante qui filme tout, tout le temps, sans filtre.
• Les journaux d'événements (OCEL) sont comme le rapport de police qui résume les faits importants : "Le camion A a chargé le colis B à 14h".

Si vous collez la vidéo brute à côté du rapport de police, personne ne pourra jamais lire le rapport. Il faut un traducteur intelligent.

2. La Solution : IOTEL, le "Chef de Cuisine" des données

IOTEL est un outil qui agit comme un chef de cuisine très organisé. Il ne jette pas tout dans la marmite. Il suit une recette précise :

• L'Épluchage (Filtrage) : Avant de cuisiner, le chef enlève les épluchures inutiles. IOTEL regarde les données des capteurs et ne garde que ce qui est vraiment utile pour l'histoire du processus (par exemple : le poids du camion, sa position). Il jette les détails techniques superflus qui ne servent à rien pour comprendre le processus.
• La Mise en Place (OCEL) : IOTEL utilise un format spécial appelé OCEL (Journal d'événements centré sur les objets). Imaginez que ce n'est pas une simple liste chronologique, mais un arbre généalogique interactif. Il permet de voir comment un camion, un colis et un plan de chargement interagissent entre eux, même s'ils se croisent à plusieurs reprises. C'est le format idéal pour les processus complexes où les objets se rencontrent et se séparent.
• L'Assemblage (Intégration) : C'est la magie de l'outil. IOTEL permet de dire : "Attends, ce capteur de poids appartient à ce camion spécifique" ou "Cette donnée de GPS s'applique à cette activité de chargement". Il colle intelligemment les données des capteurs aux bons endroits du journal de bord, sans tout casser.

3. À quoi ça ressemble en pratique ?

L'équipe a testé cet outil dans un vrai port.

• Avant : Les données de fraude (un camion qui triche sur son poids) étaient cachées dans des bases de données séparées. On ne voyait pas le lien entre l'entrée du camion et la balance.
• Avec IOTEL : L'outil a pris les données brutes des capteurs, les a nettoyées, et les a fusionnées avec le journal des opérations du port. Résultat : un seul document clair qui montre : "À 14h05, le camion X est entré, et à 14h10, le capteur a détecté un poids anormal".

4. Pourquoi c'est génial ?

• Pas besoin d'être un expert en code : L'outil offre une interface visuelle (des boutons, des menus) pour que n'importe qui puisse faire cette fusion.
• Compatibilité : Comme il utilise le format OCEL, les analystes peuvent ensuite utiliser leurs outils habituels pour trouver des tendances, des erreurs ou des améliorations.
• Évolutivité : Il est conçu pour grandir. Aujourd'hui, il gère les tableaux de données, demain, il pourra gérer des flux vidéo ou d'autres types de capteurs.

En résumé :
IOTEL est le pont indispensable entre le monde physique (les capteurs qui voient tout) et le monde des affaires (les processus qui prennent des décisions). Il transforme un déluge de données brutes en une histoire claire et lisible, permettant aux entreprises de mieux comprendre, surveiller et améliorer leurs opérations grâce à l'Internet des Objets.

Résumé technique

Voici un résumé technique détaillé de l'article « IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs », rédigé en français.

1. Problématique

L'intégration des données de l'Internet des Objets (IoT) aux journaux d'événements des processus métier (Event Logs) est essentielle pour l'analyse des processus enrichis par l'IoT. Cependant, cette tâche se heurte à plusieurs défis majeurs :

• Écart d'abstraction : Les données IoT sont des mesures de bas niveau (capteurs, actuateurs), tandis que les journaux d'événements capturent des enregistrements de haut niveau d'exécution de processus.
• Séparation des sources : Les données proviennent de systèmes hétérogènes et distincts.
• Complexité et volume : L'intégration naïve de données IoT brutes dans les journaux d'événements augmente considérablement la taille et la complexité du journal, rendant l'analyse de processus difficile sans un prétraitement lourd.
• Limites des outils existants : Les outils actuels (comme BROOM) reposent souvent sur des schémas spécialisés (ex: métamodèle CORE) ou se concentrent sur l'extraction de logs à partir de flux de capteurs, offrant un support limité pour l'intégration de données IoT pertinentes dans des journaux d'événements existants.

2. Méthodologie

Les auteurs proposent IOTEL, un outil semi-automatisé conçu pour générer des journaux d'événements centrés sur les objets (OCEL - Object-Centric Event Logs) enrichis par l'IoT. La méthodologie repose sur les piliers suivants :

• Modèle de données cible (OCEL 2.0) : IOTEL s'appuie sur le schéma OCEL 2.0, qui permet de représenter des processus impliquant de multiples objets interactifs (ex: camions, cargaisons, silos), ce qui correspond naturellement aux interactions complexes des systèmes IoT.
• Ontologie IoT filtrée (SOSA/SSN) : Pour éviter la complexité sémantique inutile, l'outil ne conserve que les données IoT pertinentes pour le processus. Les auteurs dérivent un sous-ensemble de l'ontologie SOSA/SSN (Sensor, Observation, Sample, Actuator) en appliquant des critères d'inclusion et d'exclusion :
  • Exclusion : Les relations de procédure (ex: sosa:Observation) et les prédicats de relation redondants.
  • Inclusion : Les capteurs/actuateurs, les propriétés observables, les informations temporelles et spatiales, et les plateformes.
  • Abstraction : Unification des concepts (ex: Device pour capteurs/actuateurs, Location pour plateforme/déploiement).
• Architecture technique :
  • Backend : Utilise DuckDB comme moteur d'analyse SQL optimisé pour traiter des fichiers intermédiaires au format Parquet (stockage en colonnes), garantissant l'efficacité sur de grands volumes.
  • Stockage cible : Une base de données SQLite respectant strictement le schéma OCEL 2.0.
  • Traitement : Le flux comprend le traitement des données IoT (filtrage), l'exploration du log OCEL (statistiques), et l'intégration finale.
• Stratégie d'intégration : L'outil détermine dynamiquement si les données IoT doivent être enregistrées comme :
  • Attributs d'événement : Si le dispositif est utilisé lors d'une activité spécifique sans lien direct avec un objet métier.
  • Attributs d'objet : Si la mesure décrit une propriété de l'objet métier lui-même (ex: poids d'un camion).
  • L'outil permet également des manipulations configurables (agrégation, filtrage).

3. Contributions Clés

• Outil IOTEL : Un logiciel complet permettant l'intégration systématique de données IoT dans des logs OCEL sans nécessiter de pipelines d'intégration de données personnalisés.
• Schéma unifié : Une ontologie dérivée de SOSA/SSN spécifiquement adaptée pour l'intégration de données IoT pertinentes dans les logs de processus, éliminant le besoin de connaître des métamodèles propriétaires.
• Compatibilité : La génération de logs au format OCEL 2.0 assure la compatibilité immédiate avec les outils existants de Process Mining.
• Interface Utilisateur (GUI) : Une interface graphique interactive permettant aux utilisateurs de prétraiter les données, d'explorer les logs et de configurer les mappings d'intégration étape par étape.

4. Résultats et Validation

• Validation des données : Les auteurs ont analysé 69 jeux de données IoT publics et ont confirmé que leur structure pouvait être mappée au schéma dérivé, validant ainsi la généralité de l'approche.
• Cas d'usage réel : L'outil a été testé dans un scénario industriel réel concernant le chargement de marchandises dans un port.
  • Contexte : Détection de fraudes liées à la manipulation de poids des camions.
  • Données : Intégration de données de suivi GPS et de capteurs de poids intelligents avec les données opérationnelles du système de gestion du port.
  • Résultat : IOTEL a permis de fusionner ces sources hétérogènes en un seul log OCEL enrichi, facilitant l'analyse de la transparence et de la performance du processus. Des jeux de données synthétiques sont disponibles publiquement pour la reproduction.
• Prototype : Une version fonctionnelle du prototype avec une interface graphique a été développée et est disponible sur GitHub.

5. Signification et Impact

L'article IOTEL comble un vide critique dans l'écosystème du Process Mining et de l'IoT.

• Pour les praticiens : Il offre un moyen accessible d'enrichir les analyses de processus métier avec des données IoT sans compétences techniques avancées en intégration de données.
• Pour la recherche : Il fournit une méthode standardisée pour générer des logs d'événements enrichis, favorisant la reproductibilité des études sur les processus augmentés par l'IoT.
• Évolutivité : Bien que l'outil se concentre actuellement sur les données tabulaires et le format OCEL, il pose les bases pour l'intégration future de flux de capteurs et de données multimodales.

En résumé, IOTEL transforme la complexité de l'intégration de données IoT en un processus structuré et automatisé, permettant une analyse de processus plus riche et plus précise.