Beijing Institute of Technology (BIT) meets Sofia2

IMG_20180123_153430862

 

In the context of “Winter School”, the collaboration framework between Polytechnic University of Madrid (UPM) and Beijing Institute of Technology (BIT), students from BIT visited Indra’s facilities in Madrid. Different Indra’s technological solutions were presented, highlighting the IoT approach based on Minsait IoT Sofia2 platform.

 

IoTVision

 

Sebastián Gómez, Business Development manager and Ayla Ruiz, platform consultant, introduced Sofia2 to the students, explaining its origin, present and future, as well as its main characteristics and capabilities.

 

IMG_20180123_153430862

 

They also presented the different types of projects where Sofia2 can be applied. They got help from Mario Briceño and Lucía Fernandez, IoT engineers, to explain practical examples and some of the different solutions that use Sofia2 as a technological base.

 

IMG_20180123_160417

 

BIT students showed great interest in creating their own projects using  CloudLabthe Sofia2’s experimentation environment.

See you soon!!

Beijing Institute of Technology (BIT) meets Sofia2

Sofia2 participa en el Laboratorio Virtual SESIAD

labVirtual

 

El Laboratorio Virtual de la Secretaría de Estado para la Sociedad de la Información y Agenda Digital (SESIAD) nace bajo la norma UNE 178104 “Sistemas integrales de gestión de la ciudad inteligente” con el objetivo de convertirse en una referencia de plataformas a nivel nacional e internacional, siendo un lugar de experimentación en el que empresas y desarrolladores puedan evaluar la compatibilidad de sus productos con diferentes plataformas Smart Cities.

 

labVirtual

 

Actualmente, plataformas que participan en el Laboratorio Virtual son Sofia2, de Minsait by Indra, SmartBrain de Cellnex y Thinking City de Telefónica. Éstas colaboran con SESIAD aportando su expertise y participando en la mejora de la interoperabilidad entre plataformas.

 

plataformas

 

Como vimos en IoT Data Models: Iniciativas y Sofia2 Data Modelexisten diferentes Iniciativas de estandarización de un Data Model en IoT. Un Data Model representa la estructura de tus datos y relaciones, y por tanto, organiza los elementos y estandariza como se relacionan unos con otros.

 

gsma1

 

Los Data Models GSMA y FIWARE se definen en JSON por lo que su representación como Ontología Sofia2 es inmediata. Vimos cómo se soportan y de qué manera tan sencilla se puede trabajar con estas entidades en Sofia2

 

Para conseguir una mejor interoperabilidad entre plataformas, se seleccionó NGSI 9/10 v2 como protocolo común para la Capa de Interoperabilidad. Vimos en este documento cómo se soportan y cómo consumir APIS modeladas conforme semántica FIWARE Data Model y publicadas en Sofia2 siguiendo el protocolo NGSI 9/10 v2.

 

En nuestra experiencia con el Laboratorio Virtual, además de realizar recomendaciones de nuevos atributos y modificaciones en los Data Model, hemos tenido la posibilidad de realizar una Prueba de Concepto (PoC) creando un Flujo de conexión y transformación de datos reales provenientes de Smart City A Coruña a GSMA/FIWARE Data Model en la Plataforma Sofia2.

 

En este ejemplo, se recogen datos de parkings de Smart Coruña y se ingestan en la plataforma Sofia2 a una Ontología. Cada vez que se recibe una instancia de esta ontología se lanza un Script que transforma estos datos adaptándolos a los Data Model y, consultándolos, vemos como efectivamente, se cumple con los Data Model.

 

flujodeconexion

 

También, en esta Prueba de Concepto, pudimos publicar estos datos por medio del API MANAGER de Sofia2, para posteriormente, ver que cualquiera con los debidos permisos, puede acceder a estos datos vía API, Curl o mediante el portal del Laboratorio Virtual.

 

consumodatos

 

Todo este proceso queda explicado en el post Adquisición, transformación y consumo de datos GSMA/FIWARE Data Model, y ha sido plasmado en el demostradorque, además de los datos de parkings, recoge datos de playas y museos.

 

demostrador

 

Puedes encontrar toda la información relativa al Laboratorio Virtual SESIAD aquí, así como todas las herramientas (Data Model, APIs, Tokens de seguridad, ejemplos…) necesarias para desarrollar en las plataformas cumpliendo con este modelo de interoperabilidad aquí

Sofia2 participa en el Laboratorio Virtual SESIAD

Premio enerTIC para el proyecto de eficiencia energética de SENA basado en Sofia2

SmartEnergySena

 

El proyecto de eficiencia energética desarrollado por el Servicio Nacional de Aprendizaje (SENA) de Colombia, en colaboración con Indra, ha ganado el premio de enerTIC 2017 en la categoría de Smart International Projects.

 

Sofia2InfografiaRecortada

 

La plataforma Smart Energy está basada en Minsait IoT Sofia2 (http://sofia2.com), la solución IoT con capacidades Big Data de Minsait, la unidad de transformación digital de Indra. Actúa como un gran “cerebro” integrador capaz de monitorizar los distintos dispositivos de medición de energía, agua y gas desplegados por las diversas sedes del SENA, almacenar información, visualizar gráficos y establecer previsiones de consumo mediante la combinación de los datos históricos de la base de datos y los recogidos en tiempo real.

 

Según el primer estudio sobre 28 sedes del SENA, los ahorros podrían llegar a suponer una reducción de alrededor del 25% en el caso de la factura energética, con un retorno de inversión de 1,7 años, en el supuesto de implementar medidas de poca inversión.

 

Estamos muy orgullosos de formar parte de este proyecto como base tecnológica de la plataforma Smart Energy. Puedes leer la noticia completa aquí

Premio enerTIC para el proyecto de eficiencia energética de SENA basado en Sofia2

Centro de Control Smart Logroño

 

SmartLogroñoVisor2

 

Como comentábamos en abril, el Ayuntamiento de Logroño adjudicó el suministro, implantación, desarrollo y mantenimiento de la Plataforma ‘Smart Logroño‘ a la UTE Indra Sistemas y Suma Info.

 

Minsait IoT Sofia2 servirá como base tecnológica para este proyecto que se extenderá hasta 2021.

 

El Centro de Control Integral Smart Logroño funciona ya como la columna vertebral de los servicios de la ciudad. Dispondrá de un único panel de mando digital que permitirá gestionar en tiempo real servicios como el alumbrado, el tráfico, la seguridad, la recogida de residuos, el riego o la resolución de incidencias y averías.

 

SmartLogroñoVisor1

 

Estamos muy orgullosos de poder aportar nuestro conocimiento y tecnología al innovador proyecto Smart Logroño, un proyecto de futuro que ya forma parte del presente de la ciudad.

 

Centro de Control Smart Logroño

Sofia2 IoT Platform: Descripción alto nivel

Sofia2 IoT Platform es la plataforma IoT de Indra, integra un conjunto de productos y componentes tecnológicos ofreciendo un interfaz unificado y funcionalidades adicionales.

Entre sus principales características tenemos:

  • Facilita y acelera la construcción de los nuevos sistemas y soluciones digitales que dan respuesta a un reto que es también una necesidad: la transformación y disrupción de los negocios.
  • Basada en referentes tecnológicos Open Source y de mercado: en este caso integrado con SAP HANA
  • Enfoque modular e integrado
  • Extensible
  • Como tecnología base para el desarrollo de la Plataforma Sofia2 se utiliza Java, dotando así de una serie de características a la Plataforma inherentes a esta tecnología.

Los módulos de Sofia2 están soportados por las tecnologías más adecuadas y por una arquitectura y diseño que permiten una continuidad y evolución a futuro tanto de la propia Plataforma como de los sistemas que la utilizan, además de permitir su escalado gradual a medida que se incorporen nuevos sistemas horizontales y verticales a la Plataforma.

Ingesta y Procesamiento

Sofia2 permite la ingesta de información de fuentes en tiempo real de diversa naturaleza, desde dispositivos hasta sistemas completos cubriendo la mayoría de lenguajes estándar en su SDK.

  • A estas capacidades de obtención de información en tiempo real la denominamos “IoT Flow”, dada la capacidad de adquisición de información desde cualquier cosa dentro del ámbito del Internet de las Cosas
  • Sofia2 también dispone de capacidades de extracción de información de redes sociales (“Social Flow”), permitiendo por ejemplo analizar en tiempo real las opiniones de los conductores, consiguiendo que estos actúen como “sensores humanos” de la ciudad.

Ésta información en tiempo real proveniente de dispositivos, sistemas y redes sociales se procesa en el módulo IoT Broker, reaccionando en tiempo real a las reglas configuradas y finalmente queda persistida en el la Base de Datos de Tiempo Real (BDTR) del módulo de almacenaje Sofia2 Storage.

Almacenamiento

El módulo de almacenamiento esta soportado por una serie de repositorios expuestos mediante APIs que ocultan su infraestructura tecnológica subyacente a los módulos que acceden a su información. De esta manera, en función de los requerimientos de cada proyecto (volúmenes de información en tiempo real e histórico, accesos mayoritariamente de lectura o escritura, mayor cantidad de procesos analíticos, tecnologías previamente existentes en los clientes, etc.) se puede soportar la infraestructura más adecuada.

Los repositorios que componen este módulo son los siguientes:

  • Base de Datos de Tiempo Real (BDTR): capaz de soportar un elevado “throughput”, es decir un flujo constante de inserciones y consultas a los que responder con un tiempo de respuesta mínimo. Además, ofrece mecanismos de consulta que sean potentes a la vez que simples para permitir al resto de módulos aprovechar todas las capacidades de la BDTR sin elevar su complejidad.
  • Base de Datos Histórica (BDH): De cara a mantener los volúmenes de información en la BDTR en unos niveles que aseguren el tiempo de respuesta necesario para la consulta rápida de información en tiempo real, existen procesos de “historización” de información desde la BDTR a la BDH. En la BDH por tanto queda el universo completo de información que ha pasado por la Plataforma y se requiere mantener, necesitando unas capacidades de almacenamiento y procesamiento de información masiva, es decir, capacidades Big Data. Similar a la BDTR y al concepto de flexibilidad y apertura de la Plataforma, la BDH también puede quedar soportada por diversas tecnologías en función de las características del proyecto.
  • GIS Database: Sofia2 además dispone de un repositorio de información GIS en el que almacenar la información espacial de la Plataforma. Sofia2 permite el uso de diversas bases de datos espaciales.

Análisis de Datos

Toda la información almacenada en Sofia2 posteriormente puede analizarse en conjunto con una visión holística, es decir, permitiendo el cruce de información a lo largo del tiempo, entre sistemas verticales, entre sistemas horizontales e incluso con datos más estáticos que se hayan alimentado previamente a la Plataforma (información de redes sociales, tipología de zonas, etc.).

Para esto Sofia2 dispone de un componente denominado Notebook Hub, que permite el desarrollo y ejecución algoritmos de análisis de información de manera colaborativa a través de un entorno web integrado en el Panel de Control de la Plataforma, entre usuarios dados de alta (y con permisos) en la Plataforma.

Para mantener la filosofía de flexibilidad y adaptabilidad de la Plataforma, esto módulo permite la elaboración de estos algoritmos en los principales lenguajes estándar de analítica de datos (R, Spark, SparkSQL, Hive, Scala, Python), permitiendo analizar la información mediante la creación de algoritmos descriptivos, predictivos y prescriptivos.

Publicación y consumo de información

Sofia2 pone a disposición de las aplicaciones y verticales interesados toda la información previamente almacenada en la Plataforma. Dada la naturaleza distinta de los verticales consumidores de información, Sofia2 es capaz de publicarla de diversas maneras en función de la necesidad.

Destaca el API Manager, que permite publicar la información almacenada en el módulo de almacenaje en forma de APIs REST gestionables de manera individual y con capacidades de monitorización de su consumo.

El API Manager capacita a la Plataforma para interactuar con todo tipo de sistemas y dispositivos a través de los canales digitales más típicos, como son la Web, smartphones, tablets y otros sistemas empresariales capaces de consumir la información a través del protocolo REST. Estas APIs expuestas además pueden ser securizadas individualmente, limitando el acceso a distintos usuarios (o grupos de usuarios) a cada una de ellas, o incluso habilitando la exposición de información de manera pública para ser consumida por cualquier usuario, incluso aquellos no dados de alta en la Plataforma.

Panel de Control

Toda la configuración de los módulos previamente descritos se realiza a través de un único panel de control web que centraliza la gestión de la Plataforma al completo, desde la modelización de la información que fluirá a través de los distintos módulos hasta la asignación de permisos de los usuarios y dispositivos que la podrán servir y consumir.

También es capaz de gestionar las reglas y algoritmos de manipulación de información y hasta de configurar en modo web los cuadros de mando (dashboards) holísticos de explotación de la información almacenada.

Sofia2 IoT Platform: Descripción alto nivel

Indra gana el premio a la plataforma IoT más innovadora para Smart Cities a nivel global con Sofia2

Sofia2ganadora

 

El pasado 19 de Septiembre se celebró en Yinchuan, China el TM Forum Smart City InFocus donde se presentaron los premios que reconocen los logros de “innovación urbana innovadora” de ciudades, proveedores de soluciones y organismos nacionales e internacionales.

En este marco, el jurado del TM Forum ha elegido Sofia2, la plataforma IoT con capacidades Big Data y Cloud de Minsait, la unidad de transformación digital de Indra, como una solución de alto contenido innovador para la transformación de las ciudades, capaz de aportar valor al ciudadano, responder a las necesidades de las empresas e impulsar la sostenibilidad.

 

Sofia2InfografiaRecortada

 

Las soluciones basadas en Sofia2 en el ámbito de Smart Cities han logrado eficiencias como ahorros del 25% en el agua de riego para parques; reducción de hasta un 50% en el tiempo de evacuación de grandes infraestructuras con el proyecto eVacuate; y disminuciones del 25% en la factura energética de edificios públicos.

 

Además, Sofia2 está presente como base tecnológica para otros proyectos. Por ejemplo, en el uso de drones, siendo fuente de información para el nuevo sistema europeo de llamadas de emergencia. En campos como la domótica, la industria o el retail, a través de soluciones como Hogar Conectado, Ciudades Inteligentes, Industria 4.0. O construyendo soluciones en proyectos de I+D del sector del transporte, como ITRail o Transforming Transport, o del espacio, como Land Analytic Eo Platform. También actúa como plataforma urbana siendo el “cerebro de la ciudad” en las ciudades de A Coruña y Logroño y es base tecnológica en el proyecto que se está desarrollando con Ecoembes en el ámbito de Smart Waste para optimizar su exitoso modelo de gestión de envases, papel y cartón en todo el territorio nacional.

 

Se trata del segundo año consecutivo que TM Forum premia Sofia2. En 2016, obtuvo el galardón en la categoría “Open Digital Ecosystem Platform of the Year”, donde se reconocían sus capacidades para impulsar la creación de  ecosistemas abiertos que fomentan la colaboración entre diferentes empresas y organizaciones.

 

 

 

Indra gana el premio a la plataforma IoT más innovadora para Smart Cities a nivel global con Sofia2

IoT Data Models: Iniciativas y Sofia2 Data Model

¿Qué es un Data Model?

Un Data Model representa la estructura de tus datos y relaciones, por tanto organiza los elementos y estandariza como se relacionan unos con otros.

¿Por qué utilizar un Data Model en el ámbito IoT?

Los Data Models son fundamentales en el ámbito IoT donde tratamos con assets físicos, medidas, dispositivos, procesos, personas,… y el nuestro IoT Data Model debe ser capaz de modelar todos estos conceptos.

Un Data Model nos da una representación uniforme de todos los elementos de nuestro sistema, esto tienen numerosos beneficios:

  • Reuso: la capacidad de modelar componentes que luego podré reusar es una práctica estándar que permite ahorrar en costes
  • Flexibilidad: una vez creado el modelo, este permite que sea fácil actualizar, modificar o eliminar elementos del modelo sin necesidad de rehacer el sistema
  • Escalabilidad: simplifica el clonado y modificación de dispositivos que son similares o se comportan de la misma forma que otros ya testados.
  • Interoperabilidad: usar un Data Model que se base en estándares (JSON, XML,…) simplifica que este Data Model pueda usarse en aplicaciones futuras de forma sencilla
  • Colaboración: Un Data Model nos permite predefinir links, relaciones, acciones entre componentes, permitiendo que esto se defina cuando se está creando el modelo de modo que diferentes equipos puedan trabajar en partes
  • Independencia de la Plataforma: un Data Model permite una integración transparente con otros sistemas. Un modelo correctamente formado hará más sencillo crear aplicaciones como analítica sobre los datos

Iniciativas de estandarización de un Data Model en IoT

NOTA: No hemos considerado los protocolos de comunicación como MQTT-SN, LWM2M o CoAP, aunque en algunos casos hay ciertos solapes puestos estos protocolos pueden llevar embebido un Data Model.

 

En el mundo IoT existen varias propuestas para intentar estandarizar un Data Model único, aunque la realidad es que ninguna de ellas tiene una penetración en el mercado suficiente como para decantarse de forma unívoca por ella.

A continuación se incluye una tabla con información relevante sobre algunas de estas iniciativas:

  Descripción Organiz Formato Versión
SensorML http://www.opengeospatial.org/standards/sensorml

Sensor Model Language pretende definir semánticamente prceoss y componentes relacionados con las medidas, con el objetivo de conseguir interoperabilidad

OGC XML +XSD 2.0

2014

AMON https://amee.github.io/AMON/

Formato para definir datos de dispositivos

AMEE JSON 3.1

2012

SensorThings http://www.opengeospatial.org/standards/sensorthings

Forma abierta y unificada de conectar dispositivos, datos y aplicaciones.

OGC JSON +

OData

1.0

2016

GSMA IoT Big Data Armonized Data Model https://www.gsma.com/iot/wp-content/uploads/2016/11/CLP.26-v1.0.pdf

Definición de entidades de uso común en IoT y Big Data creando modelos harmonizados en ámbitos Agricultura, Automoción, Environment, Industria, Smart City y Smart Home

GSMA JSON +schema.org 1.0

2016

FIWARE Data Model https://www.fiware.org/data-models/

Adaptación de GSMA Data Model sustituyendo schema.org para definición de Data Modelo por JSON-Schema para simplificar su uso

FIWARE JSON +

JSON-Schema

1.0

2017

¿Qué tienen en común estas iniciativas?

El grueso de estas iniciativas (sobre todo las más actuales) usan JSON como formato de intercambio.

Respecto a JSON podemos decir:

  • Es un formato de intercambio ligero, en la actualidad se ha convertido en el estándar de intercambio sustituyendo a XML en la mayoría de los escenarios

a2.jpg

  • Es el formato usado “para todo” por los grandes en el mundo Web: Google, Amazon,…
  • Es el formato por defecto de la “API Economy” con la que por ejemplo los bancos y organizaciones ofrecen sus datos
  • Es un formato que se usa en las modernas aplicaciones Web y móviles por ser mucho más ligero que XML
  • Es un formato ligero, adecuado para dispositivos IoT

Para definir la estructura de un JSON (por ejemplo que atributos son obligatorios o el tipo de datos) existe JSON-Schema (el equivalente a XML-Schema), aunque en la actualidad no es de uso obligatorio ni está ampliamente estandarizado y existen otras iniciativas.

Sobre JSON y JSON-Schema y por debajo de estándares como los que mencionábamos tenemos otros formatos y definiciones como OData o schema.org, pero tampoco tienen una penetración masiva.

Sofia2 Data Model

Ontologías Sofia2

En Sofia2 a la Entidad del Data Model usado (Sofia2 Data Model) la denominamos Ontologías.

Las Ontologías Sofia2 permiten modelar desde conceptos sencillos como una medida a conceptos complejos como una organización.

Las Ontologías en Sofia2 se definen en JSON+JSON Schema.

Origen de las Ontologías Sofia2

El concepto de Ontología viene del proyecto europeo I+D SOFIA del que se origina Sofia2, que usaba como Data Model Ontologías RDF/OWL conforme los principios de la Web semántica.

Cuando en 2013 Indra considera evolucionar SOFIA para crear una plataforma empresarial (Sofia2) que pueda usarse en proyectos productivos y complejos se realiza un análisis y pruebas empíricas y se concluye que la tecnología subyacente a las ontologías tradicionales modeladas en OWL no escala conforme a las necesidades de los proyectos IoT y Big Data.

Tras considerar diversas opciones se considera que JSON+JSON Schema es la mejor propuesta de presente y futuro.

Conceptos del Sofia2 Data Model

El concepto clave del Sofia2 Data Model es la Ontología, como ya hemos dicho, pero existen otros conceptos importantes, como el Template y la Instancia de la Ontología.

  Template Ontología Instancia Ontología
Representa Plantilla, bien creada por un administrador, bien creada conforme a un estándar concreto (AMON, FIWARE Data Model) que permite que las Ontologías se creen de Entidad que representa un concepto sobre el que trabaja la Plataforma. Es un registro concreto de la Entidad que define la Ontología
Ejemplos Plantilla definiendo los atributos de Calidad medioambiental conforme el FIWARE Data Model

-Pla

Calidad Medioambiental (obtenida de un dispositivo)

-Previsión metereológica (obtenida por un algoritmo)

-Calidad medioambiental obtenida en una hora concreta en un punto concreto

-Previsión para una región y mes concreto

Formato JSON-Schema JSON-Schema

(soporta GeoJSON, OData)

JSON

(GeoJSON)

Dónde están -No se almacenan, son una definición Independiente del motor de persistencia elegido: en un modelo relacional representan una tabla, en una BD NoSQL tipo documental una colección de documentos,,… Independiente del motor de persistencia elegido: en un modelo relacional representan un registro, en una BD NoSQL tipo documental un documento concreto,….
Más info Soportado por completo estándares AMON y FIWARE Data Model Soportan versionado

Soportan consultas geográficas

 

 Sofia2 Data Model en el Control Panel de Sofia2

Template

El concepto de Template representa una Plantilla sobre la que luego podrán crearse las Entidades.

Por tanto sólo se permite a los usuarios con rol ADMINISTRADOR crear estas Plantillas:

a1

En la Plataforma sólo tienen permiso para crear Templates o Plantillas, como puede verse en la imagen:

Las Plantillas tienen asociadas una o varias categorías que me permiten categorizarlas y buscar por estas.

Una Plantilla se representa por un JSON-Schema:

a3.jpg

Ontología

La Ontología es el concepto clave del Sofia2 Data Model y también del funcionamiento completo de la plataforma, ya que sobre estas se desencadenan el resto de procesos:

  • Reglas: se aplican ante la llegada de una instancia de ontología (o bien planificadas) y permite acceder a los atributos de las ontologías para accionar en base a esta
  • Dashboards: se construyen bien representando en tiempo real las instancias que van llegando a la plataforma bien a través de una consulta a estas
  • Analítica: los modelos ML típicamente se realizan sobre las ontologías almacenadas en la infraestructura Big Data de la plataforma (BDH)

Los usuarios Sofia2 con rol COLABORADOR pueden crear Ontologías, existen diversos mecanismos de crear Ontologías, los principales son:

  • Creación Paso a Paso: me permite crear Ontologías indicándole los atributos que componen la ontología, el tipo de datos de cada uno y si son obligatorios. Es la opción ideal para ontologías sencillas (equivalentes a una Tabla)
  • Creación mediante JSON-Schema: en este caso crearemos la Ontología bien definiendo el JSON-Schema que representa mi entidad, bien partiendo de un template ya creado.

Si seleccionamos la creación vía Ontología entonces me pedirá que seleccione una de las categorías:

a4.jpg

Y una vez seleccionada una de ellas (por ejemplo GSMA) me dará la opción de seleccionar una de las Plantillas:

a5

Soporta además:

La creación de la Ontología a partir de un Schema XML (XSD).

La creación de la Ontología a través de un diagrama UML que se crea en el propio Panel de Control

  • Creación desde CSV o Excel: esta opción es muy útil cuando tenemos un fichero con datos con los que quiero hacer una carga inicial en la plataforma. La Plataforma me irá guiando y solicitando la información que necesita hasta generar de forma automática el JSON-Schema que representa los datos pasados:

q1

  • Creación desde JSON/XML: equivalente a la creación desde Excel en este caso podré subir una JSON o XML para que la Plataforma cree la Ontología correspondiente.
  • Creación Ontología Tipo KPI: en este caso lo que estamos haciendo es crear una Ontología que se calcula en base a cálculos sobre otras ontologías
  • Creación Ontología Tipo TimeSeries: el concepto de Time Series se refiere a datos de tipo Serie Temporal, la plataforma soporta la creación de estos modelos de forma sencilla: 

    Instancia de Ontología

    Representa una instanciación de una ontología, típicamente en un momento concreto y posición concreta.

    La Plataforma ofrece diversas herramientas para acceder a las instancias, la más usadas por el desarrollador será la Consola BDTR y BDH que permite a través de un wizard generar consultas sobre las ontologías:

q3.jpg

 

 

 

Desde la herramienta puedo visualizar los datos de la Ontología (instancias) en formato nativo de la Plataforma, esto es en JSON:

q3.jpg

Pero también puedo representar los datos en formato TABLA e incluso exportarlos a formato CSV, Excel o XML.

 

 

IoT Data Models: Iniciativas y Sofia2 Data Model