Edge Computing : qu'est-ce que c'est et pourquoi est-ce important ?

Au-delà du cloud computing classique, l'edge computing est également en train de révolutionner le monde de l'IoT. Une latence réduite, une réactivité en temps réel et une économie de bande passante accrue ne sont que quelques-uns des avantages liés au rapprochement du traitement et du stockage des données du point de génération.

 

Mais explorons davantage l'edge computing. Quels sont ses avantages par rapport au cloud computing ? À quelles utilisations l'edge computing est-il utile ?

 

Qu'est-ce que l'Edge Computing ?

 

Bien que le cloud computing ait probablement fait l'objet d'une grande attention, l'edge computing joue également un rôle important. Alors que le local computing traite les données directement sur votre appareil et que le cloud computing traite les données dans des centres de données distants, l'edge computing se situe entre les deux et résout les problèmes que ni l'un ni l'autre ne peut traiter seul :

• Latence réduite. L'Edge Computing traite les données en temps réel ou quasi réel, réduisant ainsi la latence liée au transfert des données vers le cloud et inversement. Cette technologie est idéale pour les applications telles que l'automatisation industrielle ou les voitures autonomes qui doivent réagir rapidement.
• Réduction de la charge réseau. Moins de données doivent être transférées vers le cloud, ce qui libère de la capacité réseau, lorsque les tâches de traitement des données sont effectuées plus près de la source.
• Réduction des coûts. Au fil du temps, la diminution des coûts liés à la bande passante est associée à une réduction du transfert de données.
• Confidentialité et sécurité des données renforcées. Le traitement des données sensibles en local ou sur des périphériques périphériques réduit le risque d'exposition des données lors de leur transmission ou de leur stockage dans le cloud.
• Capacités hors ligne. Même lorsque votre appareil n'est pas connecté à Internet, l'edge computing permet un certain niveau de traitement et de calcul des données.

L'Edge Computing permet essentiellement un traitement des données plus rapide, plus efficace et plus sécurisé en rapprochant le calcul et le stockage des données du point de demande.

 

Architecture informatique en périphérie

Une configuration typique de l'informatique en périphérie comprend une structure à trois niveaux :

• La couche cloud est la zone bien connue des centres de données distants chargés de traiter de grandes quantités de données et de les stocker pendant une longue période. C'est là que sont effectués de nombreux travaux complexes d'analyse, d'apprentissage automatique et de conservation des données.
• La couche périphérique : c'est à ce niveau que s'opère la magie du traitement en temps quasi réel. Elle comprend les serveurs périphériques ou les passerelles situés dans les réseaux locaux ou sur site, plus proches des sources de données. Afin de prendre rapidement des décisions et de minimiser le besoin de tout transférer vers le cloud, la couche périphérique filtre, agrège et traite les données localement.
• La couche des appareils : située à la périphérie du réseau, cette couche comprend un large éventail d'appareils et de capteurs connectés. Ces gadgets produisent des données brutes, telles que des images de caméras de vidéosurveillance et des mesures de température provenant d'usines intelligentes. Ces appareils collectent des données et les transmettent à la couche périphérique pour une analyse supplémentaire, mais ils peuvent également effectuer certains traitements de base.

 

Classification de l'Edge Computing en fonction du type de processeur

L'informatique en périphérie peut être classée en deux grandes catégories en fonction du processeur utilisé :

• CPU périphérique. Les unités centrales de traitement (CPU) gèrent la majorité des tâches informatiques générales. Parmi celles-ci figurent le traitement des données, la gestion des réseaux et l'inférence IA légère. L'objectif principal de la conception des CPU est de trouver un compromis entre une faible consommation d'énergie et une puissance de calcul polyvalente.
• GPU périphérique. Les charges de travail de calcul parallèle de haut niveau sont l'un des points forts des processeurs graphiques (GPU). Ces tâches impliquent le traitement de modèles à grande échelle, le traitement graphique, ainsi que l'entraînement et l'inférence dans les modèles d'apprentissage profond. Les GPU sont largement utilisés dans les applications qui exigent une grande puissance de calcul en raison de leur supériorité en matière de traitement parallèle.

D'où proviennent les données utilisées pour les calculs ?

 

Avec l'essor de l'Internet des objets (IoT), les machines et les équipements deviennent de plus en plus intelligents. Cette intelligence nécessite une puissance informatique considérable et une quantité immense de données. Dans ce contexte, l'informatique est la reine qui contrôle l'utilisation des données, tandis que les données sont le roi.

 

Il faut davantage de données pour l'intelligence des machines et des équipements. Voici d'où elles proviennent :

• Données relatives aux technologies opérationnelles (OT) : elles comprennent les informations recueillies par les capteurs pertinents installés sur les équipements, ainsi que les données produites par les machines elles-mêmes, telles que les informations relatives à leur état de fonctionnement et à leurs dysfonctionnements.
• Données informatiques (TI) : elles fournissent un contexte plus complet que les seules activités des machines et comprennent des données recueillies à partir d'autres systèmes commerciaux.

Grâce à l'intégration, l'examen et la compréhension de ces données informatiques et opérationnelles, nous pouvons créer des applications intelligentes. Parmi celles-ci, on peut citer les applications qui augmentent l'intelligence des machines, améliorent le contrôle qualité pendant le fonctionnement des équipements ou permettent une maintenance prédictive afin d'éviter les dysfonctionnements imprévus.

 

La connectivité est la pierre angulaire de tout cela. La capacité à se connecter et à communiquer est indispensable pour toutes ces données. Ainsi, la première étape, et la plus importante, pour permettre l'intelligence artificielle et exploiter pleinement le potentiel de l'Internet des objets consiste à créer des connexions fiables.

 

Quels scénarios nécessitent l'utilisation de l'edge computing ?

 

L'informatique en périphérie est idéale dans les scénarios suivants :

• Une faible latence est essentielle. La latence réduite offerte par l'edge computing est avantageuse pour les applications telles que l'automatisation industrielle, les véhicules autonomes et la chirurgie à distance, qui nécessitent un traitement et une réponse en temps réel ou quasi réel. Il n'est tout simplement pas assez rapide d'envoyer des données vers un cloud distant et d'attendre une réponse.
• La bande passante est limitée ou coûteuse : l'Edge Computing permet de traiter et d'analyser les données plus près de leur source, ce qui réduit au minimum la nécessité de tout envoyer vers le cloud, lorsque le transfert de grandes quantités de données vers le cloud est difficile en raison de limitations de bande passante ou de coûts élevés.
• La localisation des données est importante. L'Edge Computing permet le traitement et le stockage locaux dans les cas où les données doivent rester dans une certaine zone géographique ou sur site en raison de restrictions liées à la confidentialité, à la sécurité ou à la conformité.
• La connectivité n'est pas fiable : l'Edge Computing offre un certain degré d'autonomie lorsque les programmes doivent continuer à fonctionner même en cas de connexions réseau sporadiques ou instables vers le cloud. Lorsque la connectivité est rétablie, les données peuvent être synchronisées ultérieurement et les fonctions critiques peuvent continuer à fonctionner localement.

 

Quelles fonctions l'edge computing doit-il remplir dans le système de l'Internet industriel des objets (IIoT) ?

 

L'architecture IIoT peut être résumée comme suit « extrémité-canal-périphérie-application ». Pour atteindre ses objectifs, l'edge computing dans l'IIoT doit remplir les fonctions essentielles suivantes :

• Acquisition de données vers le sud (fin). Cela implique la collecte d'informations provenant de divers appareils, machines et capteurs. Pour que les solutions d'informatique en périphérie fonctionnent avec une grande variété d'appareils, elles doivent prendre en charge un grand nombre de protocoles industriels.
• Communication vers le nord (conduit). Les données doivent être transférées de manière sécurisée vers des serveurs sur site ou dans le cloud après leur collecte. En fonction des besoins de l'application, l'edge computing permet d'acheminer les données provenant de plusieurs sources vers des destinations distinctes.
• Moteur informatique (Edge). L'informatique en périphérie ne se contente pas de stocker et de communiquer des données, elle les traite et les analyse également localement. Afin d'améliorer l'efficacité opérationnelle et le dépannage, cela implique de prendre en charge diverses bases de données, de mettre en pratique des algorithmes d'analyse de données et d'offrir des capacités de visualisation des données.
• Moteur de développement (application). Les applications de l'IIoT varient considérablement selon les secteurs et les cas d'utilisation. La création d'applications uniques est facilitée par une plateforme informatique ouverte dotée de fonctionnalités telles que la programmation orientée objet, la programmation graphique et les langages de haut niveau.

La prise en charge de la conteneurisation simplifie considérablement le déploiement d'applications sur de nombreuses plateformes.

• Moteur de sécurité. Avec l'utilisation croissante de l'IIoT, il est essentiel de garantir une sécurité renforcée. Un système de sécurité complet doit inclure :
  • Sécurité des opérations. Mettre en œuvre des procédures de sécurité robustes conformes aux exigences des normes ISO 27001 et CEI 62443-4-1.
  • Plusieurs niveaux de défense. Mettez en place des mesures de sécurité pour le réseau, le matériel, le système et les opérations.
  • Évaluation fréquente de la pénétration. Des tests de pénétration doivent être effectués régulièrement afin de détecter les vulnérabilités et de les corriger rapidement.

Des entreprises telles que Robustel ont reconnu l'importance de la sécurité et ont mis au point des solutions complètes pour répondre à ces préoccupations.

 

Modèles de service pour l'informatique industrielle en périphérie

 

Du point de vue de la distribution des produits, l'informatique industrielle en périphérie offre les modèles de service suivants :

 

Matériel passerelle uniquement. Bien qu'il ne dispose pas d'un système d'exploitation ni d'un intergiciel, il offre néanmoins les fonctionnalités de connexion et de communication de base. Idéal dans les situations où seule une transmission minimale de données est nécessaire.

 

Passerelle + système d'exploitation. En intégrant un système d'exploitation à la passerelle, ce modèle offre des capacités améliorées de traitement et de gestion des données, permettant d'effectuer des tâches plus complexes en périphérie.

 

Passerelle + système d'exploitation + intergiciels (outils). Ce modèle intègre davantage les intergiciels et les outils de développement, ce qui facilite la création et le déploiement d'applications par les clients sur la plateforme périphérique.

 

Passerelle + système d'exploitation + intergiciels (outils) + application. Une solution complète et unique englobant le matériel, les logiciels, les intergiciels et une application préconfigurée. Elle répond directement aux besoins spécifiques des clients et ne nécessite qu'un développement supplémentaire minimal.

 

Ces modèles de service offrent une grande flexibilité, permettant aux utilisateurs de choisir le niveau de service qui correspond à leurs besoins spécifiques et à leur budget.

 

Scénarios d'application de l'Edge Computing

 

L'informatique industrielle en périphérie a été largement adoptée dans divers secteurs. Parmi les applications les plus courantes, on peut citer :

• Fabrication industrielle. Les nœuds informatiques périphériques déployés dans les usines permettent une surveillance en temps réel et des ajustements intelligents du processus de production. Cela se traduit par une amélioration de la qualité des produits et une efficacité accrue de la production.
• Bâtiments intelligents. L'informatique en périphérie traite les données provenant de divers capteurs installés dans les bâtiments afin d'optimiser la consommation d'énergie, d'améliorer les pratiques de gestion et de créer un environnement de vie et de travail plus confortable et plus productif.
• Énergie et nouvelles énergies. Dans les systèmes d'énergie et de nouvelles énergies, l'edge computing facilite la surveillance en temps réel et l'analyse prédictive des réseaux électriques et des conditions d'approvisionnement en énergie, contribuant ainsi à améliorer la stabilité et la sécurité des infrastructures énergétiques.

 

Cloud ou périphérie : où traiter les données ?

 

Informatique en périphérie :

• Grands volumes de données + besoins en temps réel. Les applications qui génèrent des quantités importantes de données et nécessitent des informations immédiates (par exemple, analyse de la qualité, optimisation des processus, maintenance prédictive) sont bien adaptées à l'edge computing. La latence réduite du traitement des données localement à la périphérie permet une prise de décision et des réponses plus rapides.
• Informatique spécifique à un secteur. Lorsque les besoins informatiques sont étroitement liés à un secteur ou à une industrie particulier(e) et que la localisation des données est cruciale en raison de réglementations ou de préoccupations liées à la confidentialité, l'informatique en périphérie peut s'avérer avantageuse. Citons par exemple l'analyse des données en usine, où le traitement des données en temps réel permet de prendre des mesures immédiates, ou la surveillance des plateformes pétrolières situées dans des endroits reculés où la connectivité est limitée.

Informatique en nuage :

• Tâches standardisées. Les applications avec des flux de travail bien définis et des besoins de calcul standardisés peuvent souvent exploiter efficacement les ressources du cloud. L'évolutivité et la puissance de calcul considérable du cloud en font la solution idéale pour traiter des tâches de traitement et d'analyse de données à grande échelle qui ne nécessitent pas de réponses immédiates en temps réel.
• Applications légères. Les systèmes IoT industriels dont les besoins se limitent principalement à la surveillance et à la collecte de données peuvent être gérés de manière adéquate par des périphériques ou des passerelles légers. Ces périphériques peuvent effectuer un filtrage et une agrégation initiaux des données, tandis que les analyses plus complexes ou le stockage à long terme des données peuvent être effectués dans le cloud. Cette approche hybride optimise l'utilisation des ressources et la rentabilité.

Comment l'Edge Computing fonctionne en synergie avec le Cloud Computing

 

Dans la quête de l'intelligence des machines et des équipements, l'edge computing et le cloud computing vont de plus en plus collaborer pour atteindre une efficacité et des capacités accrues. Cette synergie se manifeste de plusieurs façons :

• Division du travail : l'Edge Computing gère le traitement des données en temps réel et l'analyse préliminaire directement sur ou à proximité des équipements, réduisant ainsi la latence et les besoins en bande passante. Les informations ou données critiques nécessitant un traitement plus approfondi sont ensuite envoyées vers le cloud. Le cloud, avec ses vastes ressources informatiques et sa capacité de stockage, effectue une exploration approfondie des données, des analyses et l'entraînement de modèles d'apprentissage automatique.
• Collaboration côté cloud : ce modèle exploite à la fois les capacités en temps réel de l'informatique en périphérie et les puissantes capacités de traitement et de stockage des données du cloud. Il permet un traitement efficace des données en périphérie tout en utilisant le cloud pour des analyses et des informations avancées.
• Optimisation intelligente : les algorithmes et modèles d'IA sont entraînés dans le cloud à l'aide de données historiques et agrégées. Ces modèles entraînés sont ensuite déployés sur des appareils périphériques à des fins d'inférence, ce qui permet une prise de décision autonome et un contrôle intelligent directement à la source. Cette approche améliore l'intelligence des équipements et l'efficacité opérationnelle.

Par exemple, dans les usines intelligentes, des nœuds informatiques périphériques équipés d'algorithmes d'IA sont déployés sur les machines et les équipements tout au long de la chaîne de production. Ces nœuds permettent une surveillance en temps réel et un ajustement intelligent du processus de production, ce qui se traduit par une amélioration de la qualité des produits, une augmentation de l'efficacité et une réduction des temps d'arrêt. La périphérie gère la prise de décision immédiate, tandis que le cloud fournit un stockage centralisé des données, des analyses avancées et des mises à jour des modèles.

 

Conclusion

 

En résumé, la connectivité, l'informatique et les données sont les trois éléments fondamentaux qui déterminent l'intelligence des machines et des appareils.

 

La connectivité jette les bases de l'acquisition de données, les données servent de carburant pour générer des informations, et l'informatique est la clé pour transformer ces données en renseignements exploitables.

 

À l'avenir, avec les progrès continus de l'IoT, de l'IA et d'autres technologies, associés à l'élargissement de la gamme de scénarios d'application, l'edge computing jouera un rôle de plus en plus crucial dans la réalisation de l'intelligence des machines et des équipements. Il favorisera davantage l'intégration profonde de l'économie numérique et de l'économie réelle, stimulant le développement innovant et transformant les industries.