Dans le monde industriel, quand l’Internet des objets génère des informations issus de capteurs embarqués, il n’est pas toujours pertinent de rapatrier ces données dans un datacenter. L’autre option consiste à les analyser localement au sein des implantations elles-mêmes afin, le cas échéant, d’intervenir directement sur place. Dans le glossaire de l’IoT, ces traitements distribués sont désignés sous le terme de « fog computing », littéralement « informatique en brouillard » (un terme qui fait écho aux nuages du cloud computing). Les solutions de type « edge » installées en bout de réseau permettent de réduire les temps de réponse ou encore de filtrer les données qu’il n’est pas utile de centraliser pour ne pas encombrer le réseau. Mais il y a encore beaucoup à faire dans ce domaine qui impose souvent des contraintes de taille et de consommation électrique.

Une start-up de la Silicon Valley, judicieusement dénommée FogHorn (corne de brume) a présenté cette semaine sa plateforme Lightning, destinée à apporter l’analyse en temps réel et l’apprentissage machine sur des équipements situés en bout de réseau : passerelles IoT et composants basse consommation intégrés aux systèmes industriels. Lightning a déjà été mise en oeuvre dans des PoC associés à des pompes, des éoliennes, des autobus et des locomotives. David King, le CEO de FogHorn, a indiqué que la technologie sera par ailleurs disponible, d’ici la fin de l’année, au sein des outils analytiques de la plateforme IoT de General Electric, Predix.

Dans le monde industriel, l’IoT permet aux entreprises de surveiller différents points de leur infrastructure afin d’intervenir sur ce qui est détecté. Un système IoT peut par exemple automatiquement fermer un pipeline endommagé ou demander à une équipe de service de remplacer une pièce usée. Dans de nombreux cas, ces actions sont prises après une analyse de données qui se fait de façon centralisée, ou localement, ou encore qui combine les deux modes.

La plateforme Lightning de FogHorn Systems peut suivre et analyser des données IoT en bout de réseau. Sur l'écran ci-dessus, le logiciel surveille la force du vent dans une turbine d'éolienne et compare en temps réel la quantité d'énergie produite par rapport aux prévisions.

Lightning est validée sur les systèmes EdgeLine IoT de HPE

Les premiers projets autour de l’IoT amènent les entreprises à s’interroger sur l’endroit où elles doivent analyser les données, confirme Michael Palma, analyste du cabinet IDC. A cela s’ajoutent des questions sur le nombre de capteurs que l’on peut installer sur un équipement, la fréquence de remontée des informations et jusqu’où il faut laisser les composantes du système industriel se gérer de façon autonome. De grands fournisseurs de la IT, comme HPE, IBM ou Cisco, s’intéressent à ce qui se passe en bout de réseau en développant des solutions matérielles ou logicielles. En juin dernier, HPE a ainsi présenté sur sa conférence Discover sa famille de systèmes convergés EdgeLine IoT ayant vocation à s'installer en bout de réseau pour recueillir et analyser en temps réel les données issues des systèmes industriels. Cisco lui aussi mise beaucoup sur le sujet avec son portefeuille de fog computing, IOx. L'équipementier réseau a également noué un partenariat avec IBM pour exploiter des capacités analytiques de Watson dans ses systèmes de bout de réseau.

FogHorn Systems met en avant sa capacité à porter des fonctions d’analyse non seulement sur les passerelles IoT, mais aussi sur les contrôleurs embarqués au cœur d’équipements industriels tels que des locomotives. Certains de ces contrôleurs fonctionnent sur des systèmes d’exploitation propriétaires qui ont 50 ans d’existence, fait remarquer le CEO de FogHorn, David King. La plateforme Lightning est proposée en deux versions. L’édition standard est une application Linux qui s’exécute dans un container Docker sur des systèmes x86. FogHorn est l’un des partenaires certifiés de Dell sur les solutions IoT et sa plateforme a également été validée pour les passerelles EdgeLine IoT de HPE. Il existe aussi une édition Micro de Lightning, conçu pour les équipements propriétaires. Elle est native C++ et se contente de 256 Mo de mémoire.

Combiner l'analyse locale et centralisée pour obtenir une vue d'ensemble

La plateforme peut s’exécuter dans le cloud ou sur les systèmes de bout de réseau. Cette double utilisation est particulièrement appréciable, fait remarquer Aapo Markkanen, analyste pour le cabinet Machina Research, parce qu’elle permet de préparer les données pour les analyses qui doivent s’effectuer dans le cloud. En effet, explique-t-il, aussi intéressantes que soient les analyses réalisées directement sur le site industriel, des traitements centralisés s’avèrent également nécessaires pour obtenir une vue d’ensemble sur certains types d’informations collectées sur de longues périodes à partir de différents sites.