Chapitre 7 Expérimentation à domicile
7.7 Discussion
7.7.6 Résistance aux pannes
Plusieurs données ont été perdues dût à des pannes au niveau du serveur du SAN et des capteurs environnementaux. Pour éviter que cela ne survienne à nouveau, il faut prévoir des
mécanismes pour assurer une meilleure fiabilité de fonctionnement du SAN et une résistance aux pannes.
Des pannes de courant sont survenues pendant l’expérimentation à deux reprises. Les pannes ont nécessité le redémarrage des serveurs locaux. Cela a causé la perte de plusieurs heures de données à chaque reprise. La solution la plus simple au problème aurait été l’utilisation d’une batterie pour alimenter le serveur pendant la courte durée rapportée de la panne. Une approche complémentaire aurait été de paramétrer le serveur pour qu’il se redémarre lorsqu’il était arrêté. Ceci nécessite la configuration des services afin qu’ils redémarrent lors d’un arrêt de la machine. Toutefois, la coupure de courant laissait la BD dans un état incohérent qui l’empêchait d’enregistrer les données. Des procédures de recouvrement automatique ont été roulées sur la BD. Suite à ce recouvrement, le service de la BD devait être coupé, puis le relancer de nouveau. Ces procédures ont été suivies pour restaurer la BD après les deux pannes survenues.
En ce qui concerne les capteurs, il fallait faire une maintenance sur les piles afin d’éviter les pertes de données. Pour un usage hors expérimentation, il est possible de programmer des alertes pour détecter les niveaux faibles des piles. Toutefois, pendant l’expérimentation, les capteurs étaient configurés pour retourner un maximum d’informations. Ceci avait un impact sur la consommation énergétique des capteurs. L’état des piles des capteurs était supervisé de façon hebdomadaire à l’aide de scripts SQL avant chaque visite de maintenance. Les piles faibles ou mortes étaient donc remplacées chaque semaine. De plus, pour éviter la perte de données importantes, il y avait de la redondance pour certains capteurs comme pour les capteurs de mouvement.
Conclusion
Contributions
Dans notre étude, un système d’assistance nocturne à domicile a été présenté. Il se base sur les habitudes du résident pour fournir une aide personnalisée à ses besoins. L’objectif est d’apprendre sur les conditions entourant l’errance pour retarder l’institutionnalisation de la personne avec MA et favoriser son maintien à domicile.
L’homogénéisation des différents équipements de nature hétérogène autour d’un middleware a permis de faire le pont entre les protocoles de communication et de normaliser les données. L’approche utilisée a assuré la flexibilité au niveau de l’intégration de technologies au SAN. Le système avait pour but de collecter des données sur l’errance et les conditions entourant celle-ci pour en apprendre davantage sur le sujet. Différents capteurs ont été utilisés pour collecter les données sur les routines des personnes avec Alzheimer. Une assistance a aussi été offerte. L’analyse des données permet d’observer les habitudes d’une personne avec MA pour lui fournir une assistance appropriée selon les activités et les besoins observés. Des effecteurs sont utilisés pour apaiser et accompagner la personne durant les épisodes d’errance nocturne. L’implémentation d’un tel système est détaillée dans ce mémoire. Ces travaux ont été sujets de publications sur l’intégration de système d’information et de services pour la conférence IIWAS (Annexe H). Un article a aussi été accepté dans le journal IJPCC (Annexe I) sur le même sujet.
Critique du travail
Les tests réalisés dans un appartement destiné à cet usage montrent de bons résultats dans pour la classification des données par forage de données. L’analyse des données collectées a
permis de classifier en trois groupes les activités d’une personne. L’un des groupes représentait les activités importantes qui peuvent correspondre à l’errance. Les résultats servent à personnaliser l’assistance en fonction des activités observées par le forage de données. Ces résultats ont permis de mener une expérimentation d’un mois dans un domicile où l’une des personnes souffre de la maladie d’Alzheimer.
Lors de l’expérimentation, aucune errance n’a été détectée puisqu’un mécanisme déjà mis en place avisait l’aidant en cas d’errance. Ce mécanisme a pu conditionner la personne avec MA à rester assise dans son lit lors de ses réveils nocturnes pour éviter de faire sonner l’alarme. Les données obtenues par le système ont été comparées à différentes sources variées pour confirmer leur validité. Une fois validées, les données recueillies par le système ont été réunies pour suivre la personne avec MA dans ses activités journalières. Pour l’expérimentation menée, les activités suivies étaient le coucher, le sommeil, le réveil et le temps passé au salon. Cette approche est transposable aux activités nocturnes pendant l’errance.
Toutefois, étant donné la nature de l’expérimentation, la complexité d’analyse des activités de la personne avec MA était accrue. Les activations des capteurs de l’environnement étaient surtout causées par l’aidant. Celui-ci était très actif le jour pour pallier au manque d’autonomie de la personne avec MA à un stade avancé. Pendant la nuit, des problèmes de sommeil empêchaient parfois l’aidant de dormir alors il restait éveillé jusqu’à des heures tardives du milieu de la nuit.
Travaux futurs de recherche
Pour simplifier le processus d’analyse, il a été décidé que pour les prochaines expérimentations l’idéal serait de trouver une personne atteinte de MA vivant seul à domicile. Si cela n’est pas possible, il faudra s’assurer au moins que l’aidant se couche la nuit à des heures régulières. De plus, il faudra s’assurer qu’aucun mécanisme n’a pas encore été mis en place pour contraindre la personne pendant l’errance.
En ce qui concerne les améliorations au SAN, certaines mesures devront être mises en place pour assurer moins de pertes de données par des alertes en cas de panne et pour améliorer la tolérance aux pannes. Un algorithme de reconnaissance d’activités pourrait aussi être implémenté pour décider de l’assistance à fournir selon les activités reconnues. Cet algorithme indiquerait quelles règles exécuter à quel moment plutôt que de se fier seulement sur la présence dans une pièce.
Une application de contrôle avancée pourra être développée pour l’appareil mobile de l’aidant. Cette nouvelle application reflètera mieux les besoins de l’aidant en indiquant l’état des capteurs voulus comme le four, le réfrigérateur, la porte de sortie, etc. De plus, elle offrira un contrôle plus modulaire sur l’assistance du SAN. Avec cette solution, il sera possible de désactiver temporairement l’assistance dans une ou plusieurs pièces afin d’éviter que le SAN offre son assistance à l’aidant lorsqu’il est encore réveillé.
Perspectives
La version courante du système est un prototype qui a été testé auprès d’un couple de personnes dont l’une souffre de maladie d’Alzheimer. Le système est conçu pour n’offrir de l’assistance qu’à une seule personne à la fois et doit être installé par un expert. Une version plus avancée est en développement avec une perspective de transformation en kit Do-It- Yourself pour faciliter son installation et sa mise en œuvre par une personne qui n’a pas de connaissances approfondies en informatique.
Annexe A
Activation des capteurs du SAN dans chaque pièce
Les figures ci-dessous affichent les activations des capteurs du SAN dans chaque pièce pendant la durée de l’expérimentation. Un point dans les graphiques correspond à une ou plusieurs activations pendant la minute indiquée par le point.Les activations des capteurs de contact indiqué dans la Figure 26 sont en fait celles de la porte d’entrée de la maison.