Débloquer le Succès IoT avec l'Intelligence en Périphérie (Edge Intelligence)

Du simple au incroyablement complexe, l'intelligence en périphérie est un allié pour le succès de votre projet IoT.

La transformation numérique balaie chaque industrie, incitant les organisations à installer des capteurs audio, vidéo et de vibration à travers leurs opérations. Cependant, étant donné que 30 % des projets IoT échouent au stade de la preuve de concept, il est entièrement raisonnable d'être prudent quand il s'agit d'investir de l'argent dans des déploiements IoT à grande échelle.

L'une des causes primaires de l'échec IoT est que les organisations sont rarement préparées pour le tsunami de données que tous ces appareils génèrent. La quantité de données met une pression sur la latence et l'infrastructure de calcul central ou le cloud, sans parler de la main-d'œuvre. Le travail qui consiste à séparer le bon grain de l'ivraie — données de maintenance de routine des insights actionnables comme une défaillance de machine imminente — est intimidant pour la plupart des organisations.

À lire aussi : La Périphérie est Maintenant le Centre de l'Action

Entrez l'edge computing. L'edge computing est sur le point de devenir le statu quo, impliquant le traitement des données localement au point de création des données. Gartner prédit que d'ici 2025, 75 % des données générées par l'entreprise seront créées et traitées en dehors du cloud ; aujourd'hui, c'est environ 10 %. Les organisations ont commencé à implémenter l'edge computing pour remédier à la latence et aux coûts de bande passante associés à la transmission de grandes quantités de données des centres de données centralisés vers le cloud.

Il y a beaucoup de variété cependant dans les solutions d'edge computing. Beaucoup de solutions manquent d'un moyen de donner du sens aux données collectées. Le personnel OT reçoit ces données et ne sait souvent pas quoi en faire ou comment analyser les données pour augmenter les efficacités opérationnelles. Un traitement supplémentaire est souvent requis, typiquement depuis le cloud. Cependant, les plateformes d'edge computing intelligentes ajoutent des avancées fondamentales qui adressent ces défis, rendant l'analytique robuste disponible sans connexion cloud.

Intelligence en Périphérie : Pour un IoT Plus Intelligent, Plus Agile

L'intelligence en périphérie s'appuie sur les capacités typiques d'ingestion de données communes parmi les plateformes d'edge computing avec des couches de fonctions avancées comme l'apprentissage automatique (ML) et l'intelligence artificielle (IA.) Le ML soulage la charge du cloud et des centres de données en fournissant de l'analytique et des insights actionnables directement en périphérie. Les solutions intelligentes dérivent des insights actionnables des données en streaming et y répondent par des alertes temps réel aux opérateurs et autres systèmes d'entreprise. Des capacités de contrôle en boucle fermée entre le cloud et la périphérie sont aussi supportées pour automatiser les actions correctives sur les actifs ou processus immédiatement.

Le ML avec capacités intelligentes en périphérie réduit la charge de calcul en apprenant en action. Il traite continuellement des fréquences élevées de flux de données et paquets d'information, formant une solution complète directement en périphérie où vous en avez le plus besoin. Voici une approche en trois points pour le traitement des données en périphérie :

• Ingestion et Enrichissement : La première étape du traitement en périphérie est l'ingestion et l'enrichissement des données. Cette couche nettoie les données et les prépare pour le traitement par décodage, filtrage, interpolation, et plus. Elle combine et aligne des volumes, variétés et vélocités élevés de vidéo en streaming, capteurs numériques et données d'actifs. C'est la pierre angulaire qui assure la qualité des données pour tout traitement et calcul additionnel.
• Traitement d'Événements Complexes (CEP) : L'intelligence est fournie par le CEP en fournissant la détection de motifs et l'analytique temps réel aux données nettoyées en streaming. Ici, des insights actionnables sont dérivés par des algorithmes basés sur des règles, et des actions peuvent être entreprises.
• Moteur d'Apprentissage Automatique : L'exécution de modèles d'apprentissage automatique en périphérie peut être un défi car les appareils périphériques sont plus faibles en puissance de calcul et mémoire. Un CEP approprié fournit le pré et post-traitement de données requis pour les modèles, donc la taille du modèle, les couches et la mémoire nécessaire pour l'exécution est souvent réduite de 10X ou plus après avoir été préparé pour la périphérie.

Quand il s'agit d'intelligence en périphérie, l'apprentissage automatique peut résoudre des problèmes très complexes et même fournir des prédictions sur la santé et la performance des opérations. Dans certains environnements, ce n'est pas une exagération de dire que l'analytique avancée et le ML au niveau du site peuvent sauver des vies.

Intelligence en Périphérie Hors Ligne

Il y a de nombreux cas où une organisation pourrait ne pas vouloir faire confiance à l'envoi des données d'un appareil vers le cloud ou Internet, et l'intelligence en périphérie rend possible de garder la puissance de traitement et le ML, tout en perdant le besoin de connectivité au cloud. Votre organisation peut récolter les récompenses du traitement avancé de données profondes sans les risques de sécurité et coûts pour la bande passante, le traitement et le stockage.

Quels bénéfices votre organisation peut-elle s'attendre à voir après avoir fait la transition vers l'intelligence en périphérie ?

• Réduction massive des données. Quand l'analytique bouge vers la périphérie, il y a une diminution massive de la quantité de données poussées à travers le réseau. Cela réduit les coûts de stockage et de gestion des données, tout en libérant le personnel IT et OT pour travailler sur des problèmes plus complexes.
• Meilleurs insights temps réel. En gardant le calcul proche de la source de données, le machine learning « edgifié » peut détecter les motifs émergents et permettre des réponses immédiates avant qu'un bug ne devienne une crise à grande échelle.
• Maintenance prédictive pour tous. Parce qu'un système basé en périphérie peut gérer toutes les données de machines entrantes, il peut prédire les besoins de maintenance à travers tous les équipements dans l'opération, non seulement en réduisant substantiellement le temps qu'il faut pour planifier les activités de maintenance, mais aussi en prévenant les accidents causés par une maintenance retardée.
• Rendement amélioré. Les utilisateurs peuvent augmenter la productivité et réduire les temps d'arrêt en détectant et adressant rapidement la performance sous-optimale, fournissant une meilleure performance avec une vue à 360 degrés des opérations.

En transformant le marché IoT, l'intelligence en périphérie rend l'analyse temps réel plus facile, augmentant ainsi l'efficacité opérationnelle tout en diminuant les coûts encourus dans la gestion et le stockage des données.

Une solution edge intelligente peut effectuer de nombreuses fonctions qui enlèvent la charge manuelle des opérateurs et consommateurs de données. Idéalement, vous avez besoin d'une solution qui n'est pas seulement intelligente sur l'agrégation et le tri des données mais qui a aussi la capacité de détecter quand un actif ou processus malfonctionne.

Comme vous l'avez vu, l'edge computing intelligent, en plus des capacités d'apprentissage automatique, fournit des insights vitaux et actionnables en temps réel, aidant les organisations à conquérir quelques défis fondamentaux et ouvrant la porte à l'analytique avancée. Du côté fondamental, elles s'assurent que tous vos appareils communiquent dans le protocole réseau IoT de votre choix (ModBus, OPCUA, etc.), tout en traitant des données avancées en périphérie, sans lag des problèmes de latence. Et, elles peuvent améliorer votre prise de décision parce que vous aurez toujours les données les plus à jour.

Du simple au incroyablement complexe, l'intelligence en périphérie est un allié pour le succès de votre projet IoT.