Cette formation de 7 heures forme des professionnels à concevoir des architectures de données adaptées aux besoins des industries. Vous apprendrez à structurer des pipelines de données, à intégrer des capteurs et systèmes IoT, et à automatiser des processus décisionnels. L’objectif est de réduire les latences et améliorer la traçabilité des données dans un environnement industriel exigeant. Les cas pratiques incluent l’optimisation d’un jumeau numérique (digital twin) et l’intégration de normes industrielles comme OPC UA. La journée alterne apports théoriques, démonstrations et travaux dirigés sur des outils comme Apache Kafka ou Python.
Techniciens et cadres spécialisés dans la collecte, le traitement et l’exploitation des données industrielles souhaitant acquérir une expertise opérationnelle.
Connaissances de base en bases de données relationnelles et en Python. Expérience en gestion de flux de données appréciée mais non obligatoire.
Comparaison des architectures centralisées, décentralisées et hybrides. Spécificités des environnements industriels (latence, fiabilité, sécurité). Présentation des normes industrielles (OPC UA, ISA-95). Étude de cas : choix d’une architecture pour un atelier de fabrication.
Protocoles de communication (MQTT, REST, OPC UA). Configuration de passerelles IoT (Raspberry Pi, Arduino). Intégration de données temps réel avec Apache Kafka ou Node-RED. Démonstration sur un banc d’essai industriel.
Choix des bases de données (Time Series DB comme InfluxDB, ou hybrides comme MongoDB). Optimisation des requêtes pour des données horodatées. Stockage distribué et réplication pour la résilience.
Création d’un jumeau numérique simplifié avec Python et Plotly. Construction de tableaux de bord interactifs (Power BI, Grafana). Automatisation de rapports pour les opérateurs de production. Cas pratique : analyse d’un incident de production via les données historiques.
QCM de 20 questions en fin de journée et étude de cas pratique notée (30 minutes).
Formation certifiée Qualiopi, finançable OPCO.