Traitez les données là où elles sont générées. Tout n'a pas besoin de faire un aller-retour vers le cloud — et pour de nombreuses charges de travail IoT, ce n'est pas possible.

Vous avez des appareils sur le terrain — capteurs sur les sites de production, caméras dans les entrepôts, moniteurs sur l'équipement agricole, dispositifs portables sur les patients — générant des données qui doivent être traitées, utilisées et transmises sélectivement au cloud. La latence vers une région cloud est trop élevée pour les décisions en temps réel. La bande passante est trop chère ou peu fiable pour tout diffuser. Les appareils doivent fonctionner lorsque le réseau est en panne. Vous avez besoin d'une architecture qui distribue l'intelligence sur les couches edge, fog et cloud en fonction de l'endroit où chaque décision doit être prise.
Explore more design patterns and system architectures
Nos architectes peuvent vous aider à concevoir et construire des systèmes utilisant ce modèle pour vos besoins spécifiques.
Contactez-nousL'architecture edge-fog-cloud distribue le calcul sur trois niveaux. Les appareils edge collectent les données des capteurs et exécutent des inférences légères (détection d'anomalies, alertes de seuil). Les nœuds fog (passerelles sur site ou serveurs locaux) agrègent les données de plusieurs appareils edge, exécutent des modèles plus complexes et gèrent les flottes d'appareils. Les services cloud gèrent le stockage à long terme, l'entraînement des modèles, les analyses à l'échelle de la flotte et les tableaux de bord de gestion. L'architecture prend en compte la connectivité intermittente, l'hétérogénéité des appareils, les mises à jour OTA et la sécurité à chaque niveau.
Les données circulent vers le haut à travers les niveaux avec une intelligence à chaque couche. Les appareils edge publient les relevés des capteurs vers les nœuds fog via MQTT ou CoAP. Les nœuds fog exécutent le traitement de flux (Apache NiFi, AWS Greengrass ou personnalisé) pour filtrer, agréger et enrichir les données avant de les transmettre au cloud. L'ingestion cloud (Kinesis, IoT Core ou Event Hubs) achemine les données vers des bases de données de séries temporelles, des lacs de données et des pipelines d'entraînement ML. Les commandes et les mises à jour OTA circulent vers le bas par le même chemin. Un système de shadow/jumeau numérique d'appareil maintient le dernier état connu de chaque appareil pour les requêtes et la réconciliation.

System Architecture Overview
| Couche | Technologies |
|---|---|
| Appareils Edge | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, custom PCBs |
| Protocoles | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| Fog/Passerelle | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker on industrial PCs |
| IoT Cloud | AWS IoT Core, Azure IoT Hub, GCP IoT, custom MQTT brokers |
| Données | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet pour le stockage froid |
| ML à l'Edge | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| Utiliser quand | Éviter quand |
|---|---|
| Les appareils génèrent un grand volume de données coûteuses à transmettre entièrement | Tous les appareils ont une connectivité cloud fiable et à faible latence |
| Les décisions en temps réel nécessitent une réponse < 100ms (sécurité, systèmes de contrôle) | La charge de travail est purement de la collecte de données avec traitement cloud par lots |
| Les appareils doivent fonctionner pendant les pannes de réseau | Vous avez < 50 appareils et pouvez les gérer individuellement |
| La confidentialité/conformité exige le traitement des données localement avant la transmission au cloud | L'« edge » est en fait un navigateur web — il s'agit d'une architecture différente |
MW conçoit des architectures IoT avec une approche basée sur la « gravité des données » — nous cartographions l'endroit où chaque type de donnée doit être traité (edge, fog ou cloud) en fonction des exigences de latence, des coûts de bande passante et de la granularité des décisions. Nous ne poussons pas tout vers le cloud pour filtrer plus tard. Nos déploiements edge incluent l'approvisionnement automatisé d'appareils avec authentification basée sur certificat, des pipelines de mise à jour OTA avec déploiements échelonnés et rollback automatique, et des tableaux de bord locaux sur les nœuds fog pour les opérateurs sur site qui ne peuvent pas attendre les allers-retours vers le cloud.
La sécurité n'est pas une fonctionnalité que l'on ajoute après le lancement. C'est une propriété architecturale — soit le système a été conçu pour cela, soit il ne l'a pas été.
MicrocosmWorks utilise un cadre de décision basé sur la sensibilité à la latence, le coût de la bande passante et les exigences en matière de confidentialité des données pour répartir les charges de travail entre l'edge et le cloud. Les tâches critiques en temps réel comme la détection d'anomalies sur les données de capteurs, les boucles de contrôle locales et les arrêts de sécurité s'exécutent à l'edge, tandis que l'entraînement de modèles, les analyses historiques et l'agrégation inter-sites restent dans le cloud. Nous aidons nos clients à mapper chaque cas d'utilisation IoT au bon niveau de calcul pendant notre phase de découverte d'architecture.
MicrocosmWorks conçoit des nœuds edge avec une persistance locale utilisant des bases de données légères comme SQLite ou TimescaleDB, combinée à une mise en file d'attente de type 'stocker et transmettre' qui met les données en mémoire tampon pendant les interruptions de connectivité et les synchronise automatiquement lorsque la connexion est rétablie. Notre firmware edge inclut une logique de résolution de conflits pour les scénarios où les décisions locales prises hors ligne divergent de l'état côté cloud. Cela garantit une absence totale de perte de données et un fonctionnement continu même dans des environnements à connectivité intermittente comme les sites industriels éloignés ou les flottes mobiles.
MicrocosmWorks met en œuvre des pipelines de mise à jour OTA (over-the-air) avec signature cryptographique, déploiements échelonnés et capacités de restauration automatique pour garantir que chaque dispositif edge reçoit un firmware vérifié sans risque d'interruption. Nous utilisons une authentification TLS mutuelle entre les dispositifs edge et le serveur de mise à jour, avec un démarrage sécurisé basé sur le matériel pour empêcher l'exécution de firmware falsifié. Notre stratégie de déploiement par phases met à jour les dispositifs par petits lots avec des vérifications de l'état de santé entre les étapes, de sorte qu'une mauvaise mise à jour n'atteigne jamais votre flotte complète.
MicrocosmWorks sélectionne le matériel edge en fonction du profil de charge de travail—NVIDIA Jetson pour la vision par ordinateur et l'inférence ML, des passerelles compatibles AWS IoT Greengrass pour l'informatique edge polyvalente, et des PC industriels robustes de fournisseurs comme Advantech pour les environnements de fabrication difficiles. Nous maintenons des architectures de référence pour chaque plateforme qui incluent des stacks de réseau, de sécurité et de télémétrie préconfigurés, ce qui accélère le déploiement de 40 à 60 %. Notre équipe évalue la consommation d'énergie, la plage de température de fonctionnement et les options de connectivité pour correspondre aux conditions spécifiques de votre site.
MicrocosmWorks a réalisé de multiples projets de modernisation SCADA où nous superposons des passerelles d'edge computing qui traduisent les protocoles hérités comme Modbus et OPC-UA en flux MQTT ou gRPC modernes sans perturber les systèmes de contrôle existants. Nous exécutons une architecture parallèle pendant la migration afin que le système SCADA existant continue de fonctionner pendant que le nouveau pipeline edge-cloud est validé avec des données de production. Nos tarifs de conseil pour la modernisation IoT industrielle commencent entre 20 et 50 $/heure, selon la complexité du protocole et les exigences réglementaires impliquées.