PhoenixDebugZMQ est une bibliothèque C++ conçue pour faciliter le débogage et l'analyse de flux de données utilisant le protocole ZMQ. Elle permet aux développeurs de visualiser, inspecter et valider les messages échangés entre applications, notamment dans des environnements de calcul scientifique ou de traitement de données en temps réel. L'outil s'intègre facilement aux projets existants et offre des fonctionnalités pour tracer, logger et analyser les communications inter-processus.

Ce projet permet de traiter et analyser des flux de données en temps réel pour des applications nécessitant une réactivité immédiate. Il facilite la surveillance continue des systèmes, l'identification rapide des anomalies et l'optimisation des performances. Utilisé par des entreprises pour des besoins critiques comme le suivi d'activités ou la détection d'événements en direct.

HiPeShiftScript est un outil dédié à l'analyse en temps réel des données issues de télescopes, notamment pour le projet CTA (Cherenkov Telescope Array). Il permet de calculer les décalages temporels et structurels des flux de données brutes, de créer des structures de calibration et d'ordonnancement des pixels, et de lancer des analyses en temps réel pour détecter des événements astrophysiques.

Ce projet permet la transmission et le traitement de flux de données en temps réel, principalement utilisés dans le domaine de l'astrophysique. Il facilite la communication entre différents composants logiciels pour capturer, transmettre et enregistrer des événements scientifiques. Les données sont générées par des simulateurs ou des instruments, puis acheminées vers des systèmes de stockage ou d'analyse. Il est conçu pour des environnements nécessitant une haute performance et une faible latence.

Ce projet est un package ROS2 dédié à la gestion des lectures d'un capteur de force. Il permet de récupérer en temps réel les données de force et de couple depuis un capteur physique, puis de les publier sous forme de flux de données standardisées. Utilisé principalement dans des environnements robotiques ou industriels, il facilite l'intégration et l'analyse des forces appliquées sur des systèmes mécaniques.

Plateforme dédiée à la modélisation et à l'analyse des réseaux énergétiques. Elle permet aux gestionnaires de réseaux, aux collectivités et aux industriels de simuler des scénarios de consommation, d'optimiser les flux énergétiques et de planifier des investissements. L'outil intègre des données en temps réel et des modèles prédictifs pour améliorer l'efficacité énergétique et réduire les coûts.

Automatisation du traitement des données RTA (Real-Time Analysis) pour le Large-Sized Telescope (LST) du projet CTA (Cherenkov Telescope Array). Ce projet gère l'exécution planifiée de scripts de traitement, la création d'environnements conda dédiés, et le lancement de tâches sur des nœuds de calcul pour analyser les données d'observation astronomique en temps réel. Il facilite l'intégration des outils scientifiques comme HiPeRTA et PhoenixDebugZMQ pour le traitement des flux de données.

Zmq-spy est un outil conçu pour surveiller et publier des flux de données en temps réel depuis des expériences scientifiques. Il s'intègre dans des environnements de contrôle comme Narval pour capturer et redistribuer des buffers de données via le protocole ZMQ. Principalement utilisé dans des contextes de recherche, il permet une analyse et un suivi des données générées par des équipements scientifiques.

Plateforme open source dédiée à la collecte, l'analyse et la visualisation de données en temps réel issues de capteurs ou d'appareils connectés. Elle permet aux utilisateurs de simuler des environnements matériels, d'exploiter des flux de données complexes et de générer des rapports techniques pour le monitoring ou le prototypage. Idéale pour les développeurs, chercheurs ou industriels souhaitant centraliser et exploiter des données techniques.

OptimaCulture est une solution backend dédiée à la collecte, transformation et stockage de données issues de capteurs IoT. Elle permet de traiter des flux de données en temps réel via le protocole MQTT, de les transformer automatiquement en format JSON, et de les stocker temporairement avant leur envoi vers une base Elasticsearch. Le projet inclut également des outils pour générer des tableaux de bord de visualisation via Kibana, facilitant ainsi l'analyse et la surveillance des données collectées.