Qu'est-ce que l'Edge Computing ?
L'edge computing est un paradigme d'informatique distribuée qui rapproche le traitement et le stockage des données de leurs sources -- telles que les capteurs, les automates programmables (API) et les dispositifs IoT -- plutôt que de s'appuyer sur un centre de données centralisé ou le cloud. Dans l'automatisation industrielle, l'edge computing permet la prise de décision en temps réel au niveau de l'atelier, où chaque milliseconde peut faire une différence critique.
Pourquoi traiter les données en périphérie ?
Les architectures traditionnelles envoient toutes les données brutes vers un serveur central ou le cloud pour traitement. Cette approche pose plusieurs défis dans les environnements industriels :
- Latence : Le temps d'aller-retour vers un serveur distant peut être trop lent pour les décisions de contrôle critiques
- Bande passante : L'envoi de volumes massifs de données de capteurs consomme des ressources réseau considérables
- Fiabilité : La dépendance à la connectivité réseau crée un point de défaillance unique
- Coût : Les coûts de transfert et de stockage des données cloud augmentent rapidement avec les données industrielles à haute fréquence
L'edge computing résout ces problèmes en filtrant, agrégeant et traitant les données localement avant d'envoyer uniquement les informations pertinentes en amont.
Edge vs Cloud vs Fog Computing
Comprendre les différences entre ces architectures est essentiel pour concevoir des systèmes industriels modernes :
- Edge Computing : Le traitement s'effectue directement sur ou près du dispositif générant les données. Idéal pour le contrôle en temps réel, les alarmes locales et le filtrage immédiat des données
- Cloud Computing : Le traitement s'effectue dans des centres de données distants. Adapté aux analyses à grande échelle, à l'entraînement de modèles de machine learning et au reporting à l'échelle de l'entreprise
- Fog Computing : Une couche intermédiaire entre l'edge et le cloud, souvent exécutée sur des serveurs locaux ou des passerelles. Fournit une agrégation régionale et un traitement plus complexe que ce que les dispositifs edge peuvent gérer
En pratique, la plupart des architectures industrielles utilisent une combinaison des trois niveaux dans une approche en couches.
L'Edge Computing dans l'automatisation industrielle
Dans les industries manufacturières et de processus, l'edge computing joue plusieurs rôles critiques :
- SCADA et IHM locaux : Exécution d'écrans de visualisation et de contrôle directement au niveau de la machine ou de la ligne de production
- Mise en tampon des données avec store-and-forward : Garantie qu'aucune donnée n'est perdue lors des pannes réseau en mettant les données en cache localement et en les transmettant lorsque la connectivité est rétablie
- Traduction de protocoles : Conversion des protocoles propriétaires d'automates vers des formats standards comme MQTT ou OPC UA en périphérie
- Alarmes en temps réel : Détection et réponse aux conditions d'alarme sans aller-retour réseau
- Maintenance prédictive : Exécution de modèles d'analyse légers sur les données de vibration, température ou pression localement
Ignition Edge par Inductive Automation
Ignition Edge est une gamme de produits Ignition légers et limités, conçus spécifiquement pour les déploiements en périphérie de réseau. Les variantes principales incluent :
- Ignition Edge Panel : Fournit une visualisation IHM locale au niveau de la machine
- Ignition Edge Compute : Permet la logique locale, le scripting et le traitement des tags
- Ignition Edge IIoT : Se concentre sur la communication basée sur MQTT pour les architectures IIoT utilisant Sparkplug B
- Ignition Edge EAM : Fournit des capacités d'administration et de gestion d'entreprise en périphérie
Ces produits sont conçus pour se synchroniser de manière transparente avec un Ignition Gateway central, créant une architecture unifiée de la périphérie à l'entreprise.
Avantages de l'edge computing pour l'industrie
- Latence réduite : Temps de réponse inférieur à la milliseconde pour le traitement local
- Optimisation de la bande passante : Seules les données significatives et agrégées sont envoyées vers le cloud ou le serveur central
- Fiabilité améliorée : Les opérations continuent même lors des pannes réseau
- Sécurité renforcée : Les données sensibles de processus peuvent être conservées sur site
- Évolutivité : L'ajout de nœuds edge est plus simple et plus rentable que la mise à l'échelle de l'infrastructure centrale
- Conformité réglementaire : Les exigences de souveraineté des données peuvent être satisfaites en traitant les données localement
Cas d'utilisation courants
- Surveillance à distance de puits pétroliers et gaziers avec connectivité limitée
- Installations de traitement de l'eau et des eaux usées réparties sur de vastes zones géographiques
- Gestion intelligente des bâtiments avec des systèmes CVC et énergétiques distribués
- Lignes de fabrication nécessitant une inspection qualité en temps réel
- Opérations agricoles avec des capteurs LoRaWAN dans les champs