Points clés
Réponse courte : edge et cloud répondent à une seule question : où sont traitées vos données de fabrication ?
Le edge computing les traite localement, sur ou juste à côté de la machine, pour obtenir la latence la plus faible et continuer à fonctionner même lorsque le réseau est en panne.
Le cloud computing les traite et les stocke de manière centralisée, où une capacité de calcul quasi illimitée peut exécuter des analyses lourdes sur de nombreuses machines et sites, accessible depuis n'importe où. Chacun a des forces évidentes, et la plupart des architectures réelles les combinent : l'edge pour une réponse locale rapide, le cloud pour l'échelle.
Pour la couche de données sous-jacente, voir Historien de données vs lac de données.
Le edge computing traite les données localement, sur la machine, sur une passerelle proche ou sur du matériel situé sur le plancher de production, plutôt que de les envoyer d'abord dans un centre de données distant. Ses avantages déterminants sont la latence et la résilience.
Latence : lorsqu'une décision doit intervenir en millisecondes (une boucle de contrôle, un verrouillage de sécurité, une alarme en temps réel), il n'y a pas le temps d'effectuer un aller-retour vers le cloud, le traitement doit donc être local.
Résilience : l'edge continue de fonctionner lorsque la connexion Internet tombe, ce qui, sur un plancher d'usine, n'est pas un événement rare.
L'edge consiste à réaliser les travaux critiques en temps et sensibles à la connectivité près du lieu de génération des données, pour que la ligne continue de tourner et de réagir quel que soit l'état du réseau.
Le cloud computing traite et stocke les données de façon centralisée, dans de grands centres de données offrant une capacité de calcul et de stockage pratiquement illimitée à la demande. Ses forces sont l'échelle et la portée.
Échelle : les analyses lourdes, les modèles d'apprentissage automatique et l'agrégation sur des milliers de machines et de nombreux sites nécessitent bien plus de calcul et de stockage que ce qu'il est pratique de placer sur le plancher de production ; le cloud les fournit de manière élastique.
Portée : les données dans le cloud sont accessibles depuis n'importe où, de sorte qu'un responsable peut voir la performance de chaque site en un seul endroit, et que l'analytique peut repérer des motifs à l'échelle de l'entreprise.
Le cloud vise le travail global, gourmand en calcul et multi-site qui bénéficie de la centralisation, en acceptant la latence et la dépendance à la connectivité que suppose l'envoi des données pour traitement.
Le compromis se résume à local-et-rapide contre central-et-puissant. L'edge vous apporte une faible latence et une résistance à la perte de connectivité mais avec des capacités de calcul limitées et une visibilité limitée à la machine ou à la ligne locale.
Le cloud vous apporte un calcul massif, du stockage et une visibilité inter-sites, mais ajoute de la latence et dépend du bon fonctionnement du réseau.
D'autres facteurs jouent : le volume de données (tout envoyer en continu vers le cloud peut coûter cher, donc l'edge filtre et résume souvent en premier), les exigences de sécurité et de résidence des données, et les modèles de coûts.
Essentiellement, ces forces se complètent plutôt que de s'opposer, c'est pourquoi la question n'est habituellement pas edge ou cloud mais comment diviser le travail entre eux.
Une ligne d'emballage illustre cette répartition.
À l'edge, le traitement local gère les tâches critiques en temps et sensibles à la connectivité : détecter un bourrage et arrêter la machine en millisecondes, comptabiliser la production, capturer les événements d'arrêt et calculer l'OEE en direct de la ligne sur une passerelle locale, le tout devant continuer de fonctionner même si l'Internet de l'usine est coupé.
Cette couche edge envoie ensuite des données résumées vers le cloud, où s'effectue le travail gourmand en calcul et transverse : agréger l'OEE sur les douze lignes et les trois usines, lancer des analyses de tendance et des modèles prédictifs sur des mois d'historique, et afficher un tableau de bord unique que le directeur des opérations peut consulter de n'importe où.
L'edge a maintenu la réactivité et la résilience de la ligne ; le cloud a apporté l'échelle et la vue d'ensemble. Aucun des deux, pris isolément, n'aurait satisfait aux deux besoins.
Privilégiez l'edge pour tout ce qui est en temps réel ou critique pour la sécurité (contrôle, verrouillages, alarmes immédiates), lorsque la connectivité est peu fiable, ou lorsque les volumes de données sont trop importants pour être envoyés en aval de façon économique.
Privilégiez le cloud pour les analyses lourdes et l'apprentissage automatique, le stockage à long terme, et l'agrégation et la comparaison entre machines, lignes et sites. La capacité de calcul quasi illimitée du cloud et son accès centralisé conviennent au travail d'ensemble multi-site.
En pratique, la réponse est une architecture hybride : confier le travail rapide, résilient et local à l'edge et le travail analytique, évolutif et d'agrégation au cloud, l'edge filtrant et résumant ce qu'il envoie vers le haut.
La question de conception n'est pas lequel choisir, mais quelle charge de travail appartient à quel endroit, en associant chaque tâche au lieu qui répond à ses besoins de latence, de résilience et de calcul.
Les deux couches peuvent alimenter l'OEE, et la meilleure architecture utilise chacune pour ce qu'elle fait de mieux.
Le edge computing est idéal pour capturer les signaux machines en temps réel, les événements d'indisponibilité et les comptages dont l'OEE dépend, et pour calculer l'OEE en direct localement afin que le plancher de production continue d'y avoir accès même si la connectivité tombe.
Le cloud est idéal pour agréger cette OEE entre lignes et sites, exécuter des analyses de tendance et prédictives, et fournir à la direction une vue d'ensemble consolidée.
Le lien avec les six grandes pertes est le même dans les deux cas ; ce qui change, c'est l'endroit où les données sont traitées. Une capture fiable à l'edge associée à une agrégation évolutive dans le cloud est un schéma OEE courant et efficace.
Fabrico est conçu précisément pour cette réalité hybride.
Il capture l'état machine en temps réel et les arrêts à l'edge pour que l'OEE en direct continue de fonctionner proche du plancher, et il agrège et analyse centralement entre lignes et sites pour que la direction obtienne la vue d'ensemble.
Vous n'avez pas à choisir entre résilience locale et analyses à l'échelle de l'entreprise : l'architecture est pensée pour fournir les deux. Réservez une démo pour voir un OEE de l'edge au cloud en pratique.
Le edge computing traite les données localement, sur ou près de la machine, pour une faible latence et une résilience accrue. Le cloud computing traite et stocke les données de manière centralisée pour l'échelle, les analyses lourdes et l'accès depuis n'importe où. L'edge est local et rapide ; le cloud est central et puissant.
Utilisez l'edge pour les tâches en temps réel ou critiques pour la sécurité (contrôle, verrouillages, alarmes immédiates), lorsque la connectivité est peu fiable, ou lorsque les volumes de données sont trop élevés pour être envoyés en amont de manière économique. Ces tâches ne tolèrent pas la latence ou la dépendance réseau du cloud.
Utilisez le cloud pour les analyses lourdes et le machine learning, le stockage à long terme, et l'agrégation et la comparaison des données entre machines, lignes et sites. La capacité de calcul quasi illimitée et l'accès centralisé du cloud conviennent au travail global multi-site.
Généralement les deux. La plupart des architectures de fabrication sont hybrides : l'edge gère le travail local, rapide et résilient et filtre les données, tandis que le cloud prend en charge l'analytique évolutive et l'agrégation inter-sites. La question de conception est de savoir quelle charge de travail appartient à quel endroit.
L'edge est idéal pour capturer les signaux en temps réel et calculer l'OEE en direct localement afin que le plancher conserve cette visibilité même en cas de perte de connectivité. Le cloud est idéal pour agréger l'OEE entre sites et effectuer des analyses de tendance et prédictives. Un hybride des deux est un schéma OEE courant.
Connexion
Blog