Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

GraphTour - Neo4j @ Michelin

316 views

Published on

Calculs scientifiques, data science, analyse de dépendance et base de données de graphes

Published in: Software
  • Login to see the comments

GraphTour - Neo4j @ Michelin

  1. 1. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 1 MICHELIN @NEO4J GRAPH TOUR Calcul scientifique, data science, analyse de dépendance et base de données graphes
  2. 2. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 2 Vidéo d’introduction
  3. 3. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 3 DENIS MARTIN Architecte Système, département Advanced Research Ingénieur en informatique - INSA de Lyon Architecte principal d'une solution basée sur l'IoT pour la maintenance prédictive des pneumatiques. MATTHIEU QUADRINI Responsabledeprogramme, ligne business Services & Solutions Ingénieur en électronique - INSA de Lyon Responsable du programme TIM(Tyre Information Management), une plate-forme mondiale pour les offres de services et l'analyse de l'usage des pneus.
  4. 4. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 4 Nos utilisateursont besoins : Up-to-date : Avoir des résultats de calcul le plus à jour possible Résultats disponibles : Latences faibles lors de l’accès aux insights Nous souhaitons une plateforme: Performante : Pouvoir traiter des volumes importants Ouverte à tous : Permettre le développement facile d’algorithmes Economique : Ne recalculer que le juste nécessaire Notre expérience nous recommanded’être : Human proof : Permettre la correction d’erreurs de saisie ou de déclaration IoT proof : Intégrer les informations qui arrivent en retard
  5. 5. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 5 Stream analytics Solutions du marché Event-driven Non monotone Scalable Résultats en cache Notre besoin
  6. 6. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 6 Sujet Algorithme Résultat Un modèle de Graphe Acyclique Orienté (DAG) nous permet de modéliser nos principaux Use-Cases 𝐶𝑖𝑒1. 𝐶𝑜𝑛𝑠𝑜𝑇𝑜𝑡𝑎𝑙𝑒 = 𝐶𝑖𝑒1. 𝐶𝑜𝑛𝑠𝑜𝑀𝑜𝑦𝑒𝑛𝑛𝑒 × (𝑉𝑒ℎ1. 𝑂𝑑𝑜𝑚𝑒𝑡𝑟𝑒 + 𝑉𝑒ℎ2. 𝑂𝑑𝑜𝑚𝑒𝑡𝑟𝑒) Mileage [km] Veh 1 117k Mileage [km] Veh 2 12k MPG [l/100km] Cie 1 22,5 Add. [km] Cie 1 129k Mul. [litres] Cie 1 29k isinputof
  7. 7. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 7 Mileage [km] Veh 1 117k Mileage [km] Veh 2 12k MPG [l/100km] Cie 1 24 Add. [km] Cie 1 129k Mul. [litres] Cie 1 30,96k isinputof Nous devons mener une analyse d’impact à chaque fois qu’une donnée d’entrée est modifiée, ou qu’un évènement se produit. La représentation sous forme de DAG rend cette analyse très facile
  8. 8. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 8 Invalidations, Graphs, Paths, Calculs Splitter Graph GraphPath 3 Path 2 Path 2 Path 1 Worker thread Worker thread Worker thread Worker thread Path queue Graph GraphGraph 1 Graph queue Invalidation Computing cluster J I H G E F D A C B J I H G E F D A C B C B J I G F D E H A
  9. 9. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 9
  10. 10. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 10 Neo4j Base Graphe native ACID Ecosystème
  11. 11. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 11 Show me your graph!
  12. 12. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 12 Assets Devices Noeuds 11M de pneus & véhicules 215M d’observations ingérées 22M de nœuds de calcul 20M 900M 30M Trend @2019Facts @2018
  13. 13. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 13 Traçabilité des pneus Maintenance prédictive Suivi du kilométrage Insights Tyre InformationManagement Datalake Services & Usages Capture & gestion des données Référentiels Real-Time & Offline Analyse/Science TyreEOL forecast Tyre mileage Pressure anomaly Fleet auto-setup
  14. 14. File ref./subject : Michelin @Neo4j Graph Tour Authors: Matthieu Quadrini,Denis Martin Date created: 19/03/2019 © Michelin, all rights reserved Page 14 MERCI

×