De nouvelles offres de service basées sur des dispositifs intelligents de surveillance qui s’appuient sur un socle technologique Big Data.
Les dispositifs de surveillance de la santé des systèmes complexes ont rapidement évolué au cours des deux dernières décennies et ont le potentiel de changer la façon dont les stratégies de diagnostic sont actuellement conçues.
Bien que les dispositifs intelligents de surveillance automatisent les tâches de surveillance des sous-systèmes et composants critiques et, par conséquent, améliorent la gestion du flux de la maintenance proactive, leur efficacité dans les milieux industriels et cliniques reste discutable.
Une analyse critique de l’efficacité de la conception et modélisation de solutions HMS a aboutie à identifier des volets potentiels d’enrichissement du principe de base HMS tel que préconisé par le standard OSA-CBM (Open System Architecture for Condition-Based Maintenance).
Typiquement, l’intégration dans les systèmes embarqués de l’API server Zookeeper a été démontrée dans de nombreux cas d’usage. Ce qui offre la possibilité de faire cohabiter au sein d’une unité autonome de calcul, des composants de l’écosystème Big Data, par exemple, NiFi pour le routage, la transformation et la médiation logique temps réel des données hétérogènes multi sources.
Enfin, des avancées majeures dans la conception d’un système HMS, basé sur un socle technologique de Big Data, ouvrent la porte à de nombreuses opportunités d’offres de services innovants. Les défis potentiels pour le domaine de la surveillance de la santé clinique seront identifiés et sont à comparer à d’autres systèmes similaires.
Par Rostand Nya Djiki
Chief Innovation Officer chez DataValue Consulting
La rédaction vous conseille
> Health Data : Industrialisation d’un graphe de connaissance sur l’oncologie et le SARS-CoV-2
