La croissance rapide du nombre d’appareils connectés, y compris les capteurs, les appareils mobiles, portables et autres appareils de l’Internet des objets (IoT), crée une explosion de données qui se déplacent sur le réseau.
Pour effectuer le Machine Learning (ML), les données IoT sont généralement transférées vers le cloud ou un autre système centralisé pour le stockage et le traitement, cependant, cela entraîne des latences et augmente le trafic réseau.
L’Edge Computing a le potentiel de remédier à ces problèmes en rapprochant le calcul au niveau de la source de données. D’autre part, l’Edge computing est limité en termes de puissance de calcul et n’est donc pas bien adapté aux tâches de Machine Learning.
D’après Cisco, le nombre d’objets connectés dépassera 28 milliards cette année (2022), dont plus de la moitié seront des connexions M2M (Machine to Machine)
Le nombre d’appareils connectés, ainsi que le flot de données qu’ils génèrent, augmenteront le trafic réseau. Selon Cisco, d’ici 2022, le trafic Internet annuel mondial atteindra 4,8 zettaoctets.
Bien que cela s’accompagnera d’impacts positifs, notamment de nouvelles applications/services et une utilisation accrue de ceux existants, cela augmentera également la demande de bande passante du réseau et exercera une pression sur l’infrastructure de communication déjà tendue.
Qu’est-ce que l’IoT et l’Edge Computing ?
L’Internet des objets (IoT) fait référence au processus de connexion d’objets physiques à Internet. L’IoT fait référence à tout système d’appareils physiques IoT ou de matériel qui reçoit et transfère des données sur des réseaux sans aucune intervention humaine.
Un appareil IoT peut être n’importe quoi, des objets ménagers courants comme les ampoules électriques, des dispositifs médicaux, des appareils portables, des appareils intelligents et même des feux de circulation dans les villes intelligentes.
Un système IoT typique fonctionne en envoyant, recevant et analysant en continu des données dans une boucle de rétroaction. L’analyse peut être effectuée soit par des humains, soit par l’intelligence artificielle et le Marchine Learning (IA/ML), en temps quasi réel ou sur une période plus longue.
l’Edge computing est une informatique qui a lieu proche de l’emplacement physique de l’utilisateur ou de la source des données, ce qui entraîne une latence plus faible et économise la bande passante.
En plaçant les services informatiques plus près de ces emplacements, les utilisateurs bénéficient de services plus rapides et plus fiables avec de meilleures expériences utilisateur, tandis que les entreprises bénéficient d’une meilleure capacité à prendre en charge les applications sensibles à la latence et d’utiliser des technologies telles que l’analyse AI/ML pour identifier les tendances et proposer de meilleurs produits. Et services.
Quelle est la liaison entre l’IoT et l’Edge Computing ?
L’IoT bénéficie d’une puissance de calcul plus proche de l’endroit où un appareil physique ou une source de données existe réellement. Pour que les données produites par les capteurs et appareils IoT soient analysées rapidement afin qu’elles puissent être utilisées pour réagir plus rapidement ou atténuer les problèmes. Elles doivent faire appel à l’Edge pour être analysées, plutôt que de revenir à un site central avant que l’analyse puisse avoir lieu. .
l’Edge computing est une source locale de traitement et de stockage pour les données et les besoins informatiques des appareils IoT, ce qui réduit la latence de communication entre les appareils IoT et les réseaux informatiques centraux auxquels ces appareils sont connectés.
Sans l’edge computing, l’IoT s’appuierait sur la connectivité réseau et les services de calcul d’un cloud ou d’un centre de données. L’envoi de données dans les deux sens entre un appareil IoT et le cloud peut entraîner des temps de réponse plus lents et une efficacité opérationnelle moindre.
Recevez nos derniers article chaque semaine dans votre boîte email !
l’Edge computing aide également à résoudre d’autres problèmes tels que la bande passante réseau requise pour envoyer des quantités massives de données via des connexions cellulaires ou satellites lentes, et la capacité des systèmes à continuer à fonctionner hors ligne lorsqu’une connexion réseau est perdue.
l’Edge computing vous permet de bénéficier de la grande quantité de données créées par les appareils IoT connectés. Le déploiement d’algorithmes d’analyse et de modèles d’apprentissage automatique sur l’Edge permet au traitement des données de se produire localement et d’être utilisé pour une prise de décision rapide.
Le guide complet pour comprendre les piliers fondamentaux de l’IIoT et bien lancer votre projet
L’Edge computing permet également d’agréger les données avant de les envoyer à un site centralisé pour un traitement ultérieur ou un stockage à long terme.
Combiner l’Edge et Cloud Computing
Dans un modèle de cloud computing, les ressources et les services de calcul sont souvent centralisés dans de grands datacenters. Le cloud fournit souvent une partie de l’infrastructure réseau requise pour connecter les appareils IoT à Internet.
Les appareils Edge nécessitent une sorte de connectivité réseau pour faciliter la communication aller-retour entre l’appareil et une base de données à un emplacement centralisé. Cette connexion réseau est généralement fournie par le cloud.
Dans la même catégorie
La communication fournie par un cloud peut être simplement le transfert de données depuis un device Edge, à travers un cloud et vers un datacenter, ou il peut s’agir du device Edge qui envoie un journal des décisions qu’il a prises au datacenter pour le stockage, traitement et analyse des données.
Quelle est la différence entre un device Edge et IoT ?
Le device Edge est un matériel physique situé dans des emplacements distants à la périphérie du réseau avec suffisamment de mémoire, de puissance de traitement et de ressources informatiques pour collecter des données, traiter ces données et les exécuter presque en temps réel avec une aide limitée d’autres parties du réseau.
Un device IoT est un objet physique qui a été connecté à Internet et qui est la source des données. Un device Edge est l’endroit où les données sont collectées et traitées.
Les device Edge peuvent être considérés comme faisant partie de l’IoT lorsque l’objet dispose de suffisamment de stockage et de calcul pour prendre des décisions à faible latence et traiter les données en quelques millisecondes.
Les termes device IoT et device Edge sont parfois utilisés de manière interchangeable.
Cas d’utilisation de l’IoT et de l’Edge Computing
L’IoT industriel, ou IIoT, fait référence à l’utilisation de l’IoT dans un contexte industriel, tel que les machines d’une usine. Pensez au cycle de vie de la machinerie lourde utilisée dans une usine. Différentes personnes peuvent solliciter différemment l’équipement au fil du temps, et les pannes font partie des opérations.
Des capteurs IoT peuvent être ajoutés aux parties de la machinerie les plus susceptibles de se casser ou d’être surutilisées. Les données de ces capteurs peuvent être analysées et utilisées pour la maintenance prédictive, réduisant ainsi les temps d’arrêt globaux.
Les véhicules autonomes sont un exemple de la raison pour laquelle l’IoT et l’informatique de pointe doivent fonctionner ensemble. Un véhicule autonome roulant sur la route doit collecter et traiter des données en temps réel sur la circulation, les piétons, les panneaux de signalisation et les feux stop, ainsi que surveiller les systèmes du véhicule.
Si le véhicule devait s’arrêter ou tourner rapidement pour éviter un accident, l’envoi de données entre le véhicule et le cloud pour être traitées prendrait trop de temps.
L’Edge computing apporte des services de cloud computing au véhicule, permettant aux capteurs IoT du véhicule de traiter les données localement en temps réel pour éviter un accident.
L’article Pourquoi l’IoT a besoin de l’Edge Computing ? est apparu en premier sur IoT Industriel Blog.