Les Rich Maps de Cisco Spaces : Le jumeau numérique de vos espaces de travail
6 min read
Introduction
On associe souvent le concept de jumeau numérique au monde industriel. Pourtant, ce concept a aussi sa place dans d’autres environnements, comme dans les espaces de travail.
Initialement conçu pour surveiller et optimiser les chaînes de production, le jumeau numérique trouve aujourd’hui des applications concrètes dans la gestion intelligente des bâtiments et l’amélioration de l’expérience utilisateur au quotidien.
Le besoin
Nous avons déjà tous vécu cette situation : une réunion est prévue dans une salle appelée Pivoine, Champagne, ou encore N4-P9-CGO… et là, commence le parcours du combattant :
- Combien de temps faut-il pour aller dans la salle ?
- Où se trouve exactement la salle ? Dans quel bâtiment ? A quel étage ? Dans quelle zone ?
- Est-elle vraiment disponible ou déjà occupée malgré ce que dit le calendrier ?
Et ce n’est pas mieux lorsque c’est à nous d’organiser une réunion :
- Quelle salle est libre ?
- Quelle salle peut accueillir suffisamment de personnes ?
- Quelle salle dispose d’un équipement de collaboration fonctionnel ?
- Quelle est l’expérience dans la salle : bruit, température, qualité de l’air… ?
Bref, trop de critères à prendre en compte, et un manque d’informations fiables à portée de main.
Une étude menée par Pointr montre que près d’un salarié sur deux (48 %) perd un temps considérable à chercher une salle de réunion. En moyenne, cela représenterait plus de 5 minutes par meeting. Imaginez ce que cela donne sur une année…
Pour réduire ce temps de recherche, il devient essentiel de digitaliser les espaces de travail à l’aide de capteurs et de construire ainsi un jumeau numérique des espaces de travail
Des capteurs, oui… mais à quel prix ?
On pourrait installer des capteurs pour tout : un pour la température, un autre pour le bruit, un autre encore pour la qualité de l’air, l’humidité, le comptage de personnes, etc :
Mais dans un monde ou l’écologie, l’excellence opérationnelle, la cybersécurité et le coût sont une priorité, des questions se posent avant de déployer des capteurs en masse :
- Ecologie : Quelle est l’empreinte carbone des capteurs ? De leurs batteries ? Du câblage ?
- Excellence opérationnelle : Comment s’assurer que les capteurs sont fonctionnels ?
- Cybersécurité : Comment connecter ces capteurs sur le réseau de manière sécurisée ?
- Coût : Combien coûtent les capteurs ? Leur installation ? Le changement des batteries ? Qui paye ?
La solution
Pour répondre aux questions de la partie précédente, Cisco a fait le choix d’embarquer des capteurs directement dans ses équipements (collaboration, réseau, …), on parle alors de “Collab As A Sensor” et de “Network As A Sensor” :
Dans ce premier article, nous allons nous centrer sur les équipements de collaboration, et donc sur la “Collab As A Sensor” (le “Network As A Sensor” sera traité dans un autre article).
Au delà de fournir un service de collaboration (dispositif audio/vidéo, interopérabilité des applications, partage d’écran, tableau blanc, réservation, …), les équipements de collaboration Cisco embarquent des capteurs environnementaux (température, comptage de personnes / présence, bruit ambiant, humidité, qualité de l’air, …) :
Certains capteurs sont intégrés dans tous les équipements de collaboration : une caméra pour compter les personnes, et un micro pour mesurer le bruit ambiant,
D’autres capteurs peuvent varier en fonction de l’équipement, de la présence d’un Room Navigator, …
L’exploitation de ces capteurs est indépendante du système d’exploitation des équipements de collaboration (RoomOS ou MTR), et ce sont les équipements de collaboration Cisco qui vont pousser en xAPI les données dans le Webex Control Hub :
Trève de théorie, passons à la pratique !
Testons !
Nous avons vu la théorie de la Collab As A Sensor : il s’agit de capteurs intégrés dans les équipements de collaboration Cisco dont les données sont envoyées au Control Hub,
Comment afficher les données de la Collab As A Sensor ?
Il nous faut un socle pour notre jumeau numérique, qui va ingérer les données des équipements de collaboration : il s’agit de Rich Maps,
Une Rich Map est une carte 3D d’un bâtiment, destinée aux employés de l’entreprise, enrichie par les données des capteurs Cisco (exemple de “Rich Map” Cisco),
Pour créer cette Rich Map, nous allons procéder en deux étapes :
- Construction de la Rich Map à partir d’un plan
- Alimentation de la Rich Map avec les données du Control Hub
1. Construction de la Rich Map à partir d’un plan
Pour le plan, j’ai choisi d’utiliser un appartement, mais comme cet appartement est sensiblement plus petit qu’un bureau, j’ai décidé de modéliser l’étage de l’immeuble au complet, avec l’appartement comme salle de réunion : de cette manière, l’exercice se rapprochera d’un déploiement pour un bureau.
Notons que je n’ai que les plans au format PDF de l’appartement / étage en question :
A l’heure ou j’écris l’article, il est nécéssaire d’avoir un plan au format CAD (c’est à dire .dwg ou .dxf) pour faire une Rich Map. Il va falloir transformer le fichier PDF !
Il existe plusieurs logiciels pour générer les plans au format CAD : AutoCAD, Rayon, SketchUp, … Ces logiciels, méconnus des équipes réseaux, sont maitrisés par les équipes des services généraux.
Note : Il existe souvent un mode / essai gratuit pour ces logiciels, pour ce test j’ai choisi Rayon.
A ce moment, on peut se demander :
Comment faire un bon fichier CAD pour Cisco Spaces ?
Et c’est une très bonne question ! Comme dans le réseau, il existe des conventions / standards pour les fichiers CAD, par exemple le US National CAD Standard,
Rassurez-vous, vous n’avez pas à lire en détail le standard pour faire un plan CAD lisible par Cisco Spaces.
Pour résumer, ce standard précise les bonnes pratiques en terme de séparation de calques :
- Calque avec le nom des espaces / ID / étiquettes : Zones Layer
- Calque mobilier : Furnitures Layer
- Calques architecturaux (murs, portes, escaliers, fenêtres, etc.) : Architectural Layers
Une fois votre plan modélisé dans l’outil de votre choix, voici une possibilité de résultat attendu :
Lien pour télécharger le fichier DWG
C’est maintenant que nous allons pouvoir convertir notre plan format 2D (à plat) en une belle carte 3D.
Pour faire cette conversion, Cisco Spaces ne fait pas de magie, mais utilise de l’intelligence artificielle !
En effet, Cisco Spaces utilise l’IA pour extraire des éléments des fichiers CAD : le standard CAD permet d’optimiser le fonctionnement de l’IA (objets, calques, textes).
Concernant la catégorisation des espaces de travail, l’IA prendra des décisions basées sur les types d’objets ainsi que sur le texte spécifique de l’espace de travail. Par exemple :
- Une pièce avec une grande table de conférence et plusieurs chaises sera catégorisée en salle de réunion.
- Une pièce avec un seul bureau et une chaise sera classée comme un poste de travail ou un bureau privé.
Il peut également y avoir beaucoup de métadonnées et d’objets supplémentaires dans les fichiers, qui seront automatiquement triés pour obtenir un résultat qui a du sens en fonction du contexte. Par exemple, il arrive que des agencements de meubles supplémentaires (canapés, tables basses, ..) soient laissés visibles.
Pour tester que vos plans sont lisibles et exploitable par cette intelligence artificielle Cisco Spaces, Cisco met à disposition un outil de test (DWG / DXF vers Rich Map) gratuitement : Cisco Spaces Maps Demo :
Une fois que nous validons que le plan est conforme à nos attentes (dénomination des salles, placement des murs / fenêtres / fournitures, …), nous pouvons ajouter le plan CAD dans Cisco Spaces,
⚠ L’outil Cisco Spaces Maps Demo n’est qu’un outil de test : il ne permet pas de générer la Digital Map dans Cisco Spaces. Il faudra refaire l’import du DWG / DXF dans Cisco Spaces. L’intérêt de l’outil est qu’il va beaucoup plus vite que Cisco Spaces pour visualiser le résultat de la carte (quelques minutes contre quelques jours)
2. Alimentation de la Rich Map avec les données du Control Hub
Dans la partie théorique, nous avons vu que les données des capteurs des équipements Cisco étaient poussées dans Webex Control Hub via les xAPI,
Néanmoins, nous venons de construire notre Rich Map dans Cisco Spaces, pas dans le Webex Control Hub.
Il faut donc une intégration entre Cisco Spaces et Webex Control Hub pour que les données soient échangées entre les deux, et là encore, l’intégration se fait en API via une “Workspace Integration” :
Guide de configuration de l’intégration Cisco Spaces et Webex Control Hub
Il suffit ensuite de lier le “workspace” de Webex Control Hub avec les zones de la Rich Map catégorisées en salle de réunion par l’IA Cisco Spaces,
Et ainsi, on obtient une Rich Map, alimentée par la “Collab As A Sensor” :
Conclusion
On a maintenant une solution pour nous aider à trouver la bonne salle, en ayant vu les éléments suivants :
- le Smart Workspace est le jumeau numérique de vos espaces de travail
- des capteurs sont intégrés dans les équipements de collaboration Cisco (température, humidité, qualité de l’air, comptage de personnes, présence, …), on parle alors de “Collab As A Sensor” (fonctionne en RoomOS et en MTR)
- un exemple d’exploitation de ces capteurs pour les salariés est une carte 3D de l’espace de travail (appelée “Rich Map”),. Pour générer cette carte 3D, plusieurs éléments sont nécessaires: des équipements de collaboration Cisco, un plan du bâtiment au format CAD, un compte Webex Control Hub et Cisco Spaces ainsi qu’une intégration Cloud-to-Cloud entre Webex Control Hub et Cisco Spaces
Au travers de l’exemple d’utilisation de la “Collab As A Sensor” via des Rich Maps, nous avons vu comment les Rich Maps Cisco sont alimentées par la “Collab As A Sensor” : Comptage de personnes, détection de présence, statut de réservation de la salle, capacité de la salle, mesures environnementale et bruit ambiant :
Quid du “Network As A Sensor” ?
Nous ne savons toujours pas comment nous rendre dans la salle de réunion. C’est ici que le “Network As A Sensor” va nous aider, et nous verrons cela dans un prochain article !
Authors
