Points clés
En bref : L'informatique en périphérie et l'informatique en nuage sont deux lieux de traitement des données, et dans une usine connectée vous avez généralement besoin des deux.
L'informatique en périphérie exécute le traitement au niveau ou à proximité de la source, sur la machine ou à côté, de sorte que les résultats sont immédiats, la bande passante est préservée et le système continue de fonctionner même si le réseau tombe.
L'informatique en nuage centralise le traitement dans des centres de données distants, offrant une échelle massive, un stockage bon marché et la puissance de calcul nécessaire pour des analyses inter-sites et l'apprentissage automatique.
La périphérie concerne la rapidité et la résilience près de l'actif ; le cloud concerne l'échelle et l'intelligence à l'échelle de l'entreprise. La question pratique n'est pas lequel choisir, mais quel travail appartient à quel endroit.
L'informatique en périphérie signifie effectuer le traitement des données au niveau ou à proximité du lieu où elles sont générées, sur la machine, sur une passerelle à côté d'elle, ou sur un serveur local sur le plancher de l'atelier, plutôt que d'envoyer tout d'abord tout vers un centre de données lointain.
Dans une usine, la « périphérie » correspond aux équipements et à l'atelier : capteurs, automates programmables (PLC), contrôleurs et dispositifs locaux capables de filtrer, analyser et agir sur les données sur place. Les avantages déterminants sont l'immédiateté et la proximité.
Parce que le traitement a lieu là où les données naissent, les réponses sont quasi instantanées (pas d'aller-retour vers un serveur distant), seuls les résultats pertinents doivent être transmis ensuite (économie de bande passante), et le système continue de fonctionner même lorsque la connexion au réseau élargi ou à Internet est perdue.
L'informatique en périphérie rend possibles les décisions en temps réel au niveau machine : réagir à une lecture de capteur en quelques millisecondes, exécuter une boucle de contrôle locale, déclencher une alarme, et elle permet de garder sur site les données sensibles ou volumineuses.
Sa contrainte est les ressources : les dispositifs de périphérie disposent d'une puissance de calcul, d'un stockage et d'une énergie limités comparés à un centre de données, ils conviennent donc à des tâches locales ciblées et critiques dans le temps plutôt qu'à des analyses massives.
L'informatique en nuage signifie traiter et stocker les données de façon centralisée, dans de grands centres de données distants accessibles via le réseau, avec des ressources qui montent en charge à la demande.
Plutôt que d'être limité par ce qu'un dispositif local peut faire, le cloud offre une puissance de calcul et un stockage pratiquement illimités, des plateformes d'analytique et d'apprentissage automatique sophistiquées, et un lieu unique pour agréger des données provenant de nombreuses machines, lignes et même plusieurs sites.
Les avantages déterminants sont l'échelle et l'intelligence.
Le cloud peut stocker des années d'historique à faible coût, traiter d'énormes jeux de données, entraîner et exécuter des modèles complexes, et présenter des tableaux de bord à l'échelle de l'entreprise qui combinent des données de toute l'organisation, choses qu'aucun dispositif de périphérie individuel ne pourrait gérer.
Il est également géré de façon centralisée et accessible depuis n'importe où, ce qui simplifie la maintenance et rend les données largement disponibles.
Les compromis portent sur la latence et la dépendance à la connectivité : chaque aller-retour vers le cloud prend du temps et de la bande passante, et si la connexion est perdue, le traitement exclusivement cloud s'arrête.
Le cloud est donc l'endroit naturel pour les travaux à grande échelle, non critiques en temps réel, qui bénéficient d'une agrégation de données provenant de nombreuses sources, l'extrémité opposée du spectre par rapport à la périphérie.
Le compromis fondamental est la vitesse locale et la résilience contre l'échelle centralisée et l'intelligence.
L'informatique en périphérie minimise la latence parce que le traitement est juste à côté des données, essentiel lorsqu'une décision doit être prise en millisecondes, et elle est résiliente aux problèmes de réseau parce qu'elle ne dépend pas d'une connexion distante pour fonctionner.
L'informatique en nuage maximise l'échelle et la puissance analytique parce qu'elle met en commun des ressources pratiquement illimitées et agrège des données de partout, mais chaque interaction comporte la latence d'un aller-retour réseau et dépend de la connectivité.
Ainsi la périphérie répond « j'ai besoin d'une réponse maintenant, ici, de façon fiable », tandis que le cloud répond « j'ai besoin d'analyser beaucoup, sur l'ensemble, avec une puissance de calcul sérieuse ».
La bande passante fait aussi partie du même compromis: envoyer chaque lecture brute de capteur vers le cloud est gaspilleur et parfois irréalisable, ainsi la périphérie filtre et résume, n'envoyant ensuite que ce dont le cloud a besoin.
Aucune des deux extrémités n'est universellement meilleure, elles optimisent des choses opposées, ce qui explique précisément pourquoi la question intéressante est comment répartir le travail entre elles plutôt que laquelle choisir.
En pratique la réponse est presque toujours hybride : utiliser la périphérie pour ce qui doit être rapide, local et résilient, et le cloud pour ce qui doit être à grande échelle, agrégé et analytiquement lourd.
Le contrôle critique en temps réel et les réponses immédiates, exécuter une boucle de contrôle, réagir à un seuil, déclencher une action de sécurité, calculer une métrique machine en temps réel, appartiennent à la périphérie, où la latence est la plus faible et où l'opération continue malgré les coupures réseau.
Les données brutes à fort volume sont filtrées et pré-traitées en périphérie de sorte que seuls des résultats significatifs voyagent ensuite, économisant la bande passante.
Le stockage à long terme, l'agrégation inter-machines et inter-sites, les analyses complexes, l'entraînement de modèles d'apprentissage automatique et les tableaux de bord d'entreprise appartiennent au cloud, où l'échelle et la puissance de calcul sont abondantes.
Un schéma courant consiste à entraîner les modèles de façon centralisée dans le cloud sur des données historiques mutualisées puis à les déployer en périphérie pour exécuter des inférences localement en temps réel, combinant la puissance analytique du cloud et l'immédiateté de la périphérie.
La question de conception pour une tâche donnée est simplement : cela doit-il se produire instantanément et localement (périphérie), ou cela bénéficie-t-il de l'échelle et de l'agrégation et tolère-t-il la latence (cloud) ?
Considérez la surveillance d'état sur une ligne de production. Des capteurs de vibration à haute fréquence génèrent un torrent de données brutes, bien trop volumineux pour être diffusé en continu vers le cloud, et trop sensible au temps pour attendre un aller-retour.
À la périphérie, un dispositif local traite le signal de vibration en temps réel, calcule les caractéristiques importantes et surveille le seuil qui signale un défaut en développement ; si le seuil est dépassé, il déclenche une alarme et peut lancer une action de protection en quelques millisecondes, et il continue de faire tout cela même si la connexion Internet tombe.
Il n'envoie pas le torrent brut mais un résumé compact, quelques valeurs par minute.
Dans le cloud, ces résumés provenant de chaque machine sur chaque ligne et chaque usine sont agrégés et stockés pendant des années, analysés ensemble pour repérer des motifs à l'échelle de la flotte, et utilisés pour entraîner le modèle d'apprentissage automatique qui définit ce qu'est une défaillance imminente.
Ce modèle amélioré est ensuite renvoyé vers les dispositifs en périphérie pour être exécuté localement.
La périphérie a fourni la détection en temps réel, résiliente et économe en bande passante ; le cloud a fourni l'échelle, l'apprentissage inter-flotte et l'historique long, chacun faisant ce qu'il sait faire de mieux.
Le cadre décisionnel consiste à orienter chaque charge de travail selon ses exigences plutôt que de s'engager intégralement sur un modèle unique.
Choisissez la périphérie lorsque la latence doit être minimale (contrôle et réponse en temps réel), lorsque la connectivité est peu fiable ou ne doit pas constituer un point de défaillance unique, lorsque les volumes de données sont trop élevés pour être transférés économiquement, ou lorsque les données doivent rester sur site pour des raisons de sécurité ou de souveraineté.
Choisissez le cloud lorsque vous devez agréger des données provenant de nombreuses machines ou sites, lorsque l'analyse nécessite une forte puissance de calcul ou de grands jeux de données historiques, lorsque vous avez besoin d'une visibilité à l'échelle de l'entreprise, ou lorsque le coût du stockage et du traitement à grande échelle compte davantage que la réponse locale instantanée.
Parce que ces critères tirent les charges de travail dans des directions différentes, l'architecture adaptée pour la plupart des usines intelligentes est un hybride délibéré : une couche de traitement en périphérie pour le travail rapide, local et résilient, alimentant une couche cloud pour le travail à grande échelle, agrégé et intelligent, avec une répartition claire des responsabilités entre elles.
L'erreur est de le traiter comme un choix binaire ; la compétence consiste à tracer la limite charge par charge.
La séparation périphérie-cloud influe sur la manière dont les données d'OEE sont capturées et utilisées.
Le traitement en périphérie rend possible l'OEE en direct au niveau machine : compter les cycles, détecter les arrêts et chronométrer les temps d'arrêt en temps réel sur l'équipement, de sorte que les opérateurs voient immédiatement la performance et les pertes et que les données survivent aux interruptions réseau.
Le cloud est l'endroit où ces données OEE sont agrégées entre machines, lignes et sites pour en faire des tendances, des comparaisons et des analyses approfondies qui révèlent des pertes chroniques et établissent des références de performance, la vue d'entreprise qu'aucune machine seule ne peut fournir.
Les systèmes de contrôle qui alimentent cela, comme SCADA et DCS, se situent à la périphérie de cette architecture, et les analyses lourdes aboutissent souvent sur des plateformes de données cloud (le sujet de data lake vs data warehouse).
Obtenir la bonne répartition signifie que l'OEE est à la fois immédiate sur le plancher (périphérie) et analysable à l'échelle de l'entreprise (cloud), ni un tableau de bord cloud lent ni une île isolée de données locales.
Fabrico transforme les données machine en OEE qu'elles proviennent de la périphérie ou qu'elles soient agrégées centralement, offrant aux opérateurs une vue en direct des pertes sur le plancher et aux responsables une vue agrégée des équipements et sites.
En capturant les états de fonctionnement, les arrêts et leurs raisons à proximité de la source et en les présentant sous forme de Disponibilité, Performance et Qualité, il fournit l'immédiateté en temps réel que la périphérie sait offrir tout en consolidant les données pour l'analyse inter-machines que permet le cloud.
Réservez une démo pour voir l'OEE en direct et agrégée fonctionner ensemble.
L'informatique en périphérie traite les données au niveau ou à proximité de leur origine, sur la machine ou à côté, pour réduire la latence et gagner en résilience. L'informatique en nuage traite les données de façon centralisée dans des centres de données distants pour une échelle massive et des capacités analytiques.
La périphérie est rapide et locale; le cloud est scalable et agrégé. La plupart des usines utilisent les deux.
Lorsque la latence doit être minimale (contrôle et réponse en temps réel), lorsque la connectivité est peu fiable, lorsque les volumes de données sont trop élevés pour être transférés économiquement, ou lorsque les données doivent rester sur site. Le traitement en périphérie continue de fonctionner malgré les coupures réseau et réagit en millisecondes, ce que le cloud ne peut pas faire.
Lorsque vous devez agréger des données provenant de nombreuses machines ou sites, exécuter des analyses lourdes ou de l'apprentissage automatique, stocker de grands jeux de données historiques à moindre coût, ou fournir une visibilité à l'échelle de l'entreprise. Le cloud offre l'échelle et l'intelligence que les dispositifs en périphérie ne peuvent pas fournir, tant que le travail tolère la latence réseau.
Non, elles sont complémentaires. La plupart des usines intelligentes utilisent un modèle hybride : la périphérie gère les tâches rapides, locales et résilientes et filtre les données à fort volume, tandis que le cloud agrège et analyse à grande échelle. Un schéma courant consiste à entraîner des modèles dans le cloud puis à les déployer en périphérie pour les exécuter en temps réel.
Le traitement en périphérie permet une OEE en direct au niveau machine qui se met à jour en temps réel et survit aux interruptions réseau. Le cloud agrège l'OEE entre machines et sites pour en tirer des tendances et des benchmarks. Bien répartir les tâches rend l'OEE à la fois immédiate sur le plancher et analysable à l'échelle de l'entreprise.
Connexion
Blog
