עבד נתונים במקום בו הם נוצרים. לא כל דבר צריך לעבור הלוך ושוב לענן — ובמקרה של עומסי עבודה רבים ב-IoT, זה גם בלתי אפשרי.

יש לך מכשירים בשטח — חיישנים ברצפות ייצור, מצלמות במחסנים, צגים בציוד חקלאי, מכשירים לבישים (wearables) על מטופלים — המייצרים נתונים שיש לעבד, לפעול לפיהם ולשדר באופן סלקטיבי לענן. השהיה (latency) לאזור ענן גבוהה מדי עבור החלטות בזמן אמת. רוחב פס יקר מדי או לא אמין מכדי להזרים הכל. מכשירים צריכים לתפקד כשהרשת אינה זמינה. אתה זקוק לארכיטקטורה המפיצה אינטליגנציה על פני שכבות הקצה (edge), הערפל (fog) והענן, בהתבסס על המקום שבו כל החלטה צריכה להתקבל.
Explore more design patterns and system architectures
אדריכלים שלנו יכולים לעזור לך לעצב ולבנות מערכות תוך שימוש בדפוס זה לדרישות הספציפיות שלך.
צרו קשרארכיטקטורת קצה-ערפל-ענן מפיצה חישובים על פני שלוש שכבות. מכשירי קצה אוספים נתוני חיישנים ומריצים הסקה קלה (זיהוי חריגות, התראות סף). צמתי ערפל (שערי תקשורת מקומיים או שרתים מקומיים) צוברים נתונים ממכשירי קצה מרובים, מריצים מודלים מורכבים יותר, ומנהלים צי מכשירים. שירותי ענן מטפלים באחסון לטווח ארוך, אימון מודלים, אנליטיקה ברמת הצי, ולוחות מחוונים לניהול. הארכיטקטורה לוקחת בחשבון קישוריות לסירוגין, הטרוגניות מכשירים, עדכוני Over-the-air (OTA), ואבטחה בכל שכבה.
נתונים זורמים כלפי מעלה דרך השכבות עם אינטליגנציה בכל שכבה. מכשירי קצה מפרסמים קריאות חיישנים לצמתי ערפל באמצעות MQTT או CoAP. צמתי ערפל מריצים עיבוד זרם (Apache NiFi, AWS Greengrass, או פתרונות מותאמים אישית) כדי לסנן, לצבור ולהעשיר נתונים לפני העברתם לענן. קליטת ענן (Kinesis, IoT Core, או Event Hubs) מנתבת נתונים למסדי נתונים של סדרות זמן, אגמי נתונים וצינורות אימון ML. פקודות ועדכוני OTA זורמים כלפי מטה באותה דרך. מערכת צל/תאום מכשיר (device shadow/twin) שומרת על המצב האחרון הידוע של כל מכשיר לצורך שאילתה ואיחוד.
| שכבה | טכנולוגיות |
|---|---|
| מכשירי קצה | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, custom PCBs |
| פרוטוקולים | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| ערפל/שער תקשורת | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker on industrial PCs |
| IoT בענן | AWS IoT Core, Azure IoT Hub, GCP IoT, custom MQTT brokers |
| נתונים | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet לאחסון קר |
| ML בקצה | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| השתמש כאשר | הימנע כאשר |
|---|---|
| מכשירים מייצרים נתונים בנפח גבוה שיקר לשדר במלואם | לכל המכשירים יש קישוריות ענן אמינה ועם השהיה נמוכה |
| החלטות בזמן אמת דורשות תגובה של פחות מ-100ms (מערכות בטיחות, בקרה) | עומס העבודה הוא איסוף נתונים בלבד עם עיבוד ענן באצווה |
| מכשירים חייבים לתפקד במהלך הפסקות רשת | יש לך פחות מ-50 מכשירים ואתה יכול לנהל אותם בנפרד |
| פרטיות/תאימות דורשות עיבוד נתונים מקומי לפני שידור לענן | ה"קצה" הוא למעשה דפדפן אינטרנט — זו ארכיטקטורה שונה |
MW מתכננת ארכיטקטורות IoT מנקודת מבט של "משיכת נתונים" (data gravity) — אנו ממפים היכן כל סוג נתונים צריך להיות מעובד (קצה, ערפל, או ענן) בהתבסס על דרישות השהיה, עלויות רוחב פס ורמת דיוק ההחלטה. אנחנו לא דוחפים הכל לענן ומסננים מאוחר יותר. פריסות הקצה שלנו כוללות הקצאת מכשירים אוטומטית עם אימות מבוסס תעודות, צינורות עדכון OTA עם פריסות מדורגות וחזרה אוטומטית, ולוחות מחוונים מקומיים על צמתי ערפל עבור מפעילים באתר שאינם יכולים לחכות לנסיעות הלוך ושוב לענן.
אבטחה אינה תכונה שמוסיפים לאחר ההשקה. זוהי תכונה ארכיטקטונית – המערכת תוכננה עבורה, או שלא.
MicrocosmWorks משתמשת במסגרת קבלת החלטות המבוססת על רגישות לשיהוי (latency), עלות רוחב פס (bandwidth) ודרישות פרטיות נתונים כדי לחלק עומסי עבודה בין הקצה לענן. משימות קריטיות בזמן כמו זיהוי חריגות בנתוני חיישנים, לולאות בקרה מקומיות וכיבוי בטיחותי, רצות בקצה, בעוד שאימון מודלים, ניתוח היסטורי וצבירה בין אתרים נשארים בענן. אנו עוזרים ללקוחות למפות כל תרחיש שימוש של IoT לשכבת החישוב הנכונה במהלך שלב גילוי הארכיטקטורה שלנו.
MicrocosmWorks מתכננת צומתי קצה עם עמידות מקומית (local persistence) באמצעות מסדי נתונים קלי משקל כמו SQLite או TimescaleDB, בשילוב עם תור 'אחסן-והעבר' (store-and-forward queuing) שמחזיק נתונים במהלך פערי קישוריות ומסתנכרן אוטומטית כשהחיבור משוחזר. קושחת הקצה (edge firmware) שלנו כוללת לוגיקה ליישוב קונפליקטים עבור תרחישים שבהם החלטות מקומיות שנעשו במצב לא מקוון חורגות מהמצב בצד הענן. זה מבטיח אפס אובדן נתונים ותפעול רציף גם בסביבות עם קישוריות לסירוגין כמו אתרי תעשייה מרוחקים או ציי רכב ניידים.
MicrocosmWorks מיישמת צינורות עדכון OTA (over-the-air) עם חתימה קריפטוגרפית, פריסות מדורגות (staged rollouts) ויכולות שחזור אוטומטי (automatic rollback) כדי להבטיח שכל התקן קצה יקבל קושחה מאומתת ללא סיכון השבתה. אנו משתמשים באימות TLS הדדי בין התקני קצה לשרת העדכונים, עם אתחול מאובטח (secure boot) המגובה בחומרה כדי למנוע מקושחה ששונתה לפעול. אסטרטגיית הפריסה המדורגת שלנו מעדכנת מכשירים בקבוצות קטנות עם בדיקות תקינות בין שלבים, כך שעדכון שגוי לעולם לא יגיע לכל הצי שלכם.
MicrocosmWorks בוחרת חומרת קצה בהתבסס על פרופיל עומס העבודה – NVIDIA Jetson עבור ראייה ממוחשבת (computer vision) והסקת מסקנות של למידת מכונה (ML inference), שערי AWS IoT Greengrass תואמים למחשוב קצה כללי, ומחשבי PC תעשייתיים מוקשחים מספקים כמו Advantech עבור סביבות ייצור קשות. אנו מתחזקים ארכיטקטורות ייחוס (reference architectures) עבור כל פלטפורמה הכוללות ערימות (stacks) של רשת, אבטחה וטלמטריה מוגדרות מראש, מה שמאיץ את הפריסה ב-40-60%. הצוות שלנו מעריך צריכת חשמל, טווח טמפרטורת פעולה ואפשרויות קישוריות כדי להתאים לתנאי האתר הספציפיים שלכם.
MicrocosmWorks השלימה מספר פרויקטים של מודרניזציית SCADA שבהם אנו מפעילים שערי מחשוב קצה שממתרגמים פרוטוקולים מדור קודם כמו Modbus ו-OPC-UA לזרמי MQTT או gRPC מודרניים מבלי לשבש מערכות בקרה קיימות. אנו מפעילים ארכיטקטורה מקבילה במהלך ההעברה כך שמערכת ה-SCADA הישנה ממשיכה לפעול בזמן שצינור הנתונים החדש של קצה-ענן מאומת מול נתוני ייצור. תעריפי הייעוץ שלנו למודרניזציית IoT תעשייתי מתחילים ב-$20-$50 לשעה, בהתאם למורכבות הפרוטוקול ולדרישות הרגולטוריות הכרוכות בכך.