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 — des capteurs sur les sites de production, des caméras dans les entrepôts, des moniteurs sur les équipements agricoles, des dispositifs portables sur les patients — qui génèrent des données nécessitant d'être traitées, exploitées et transmises sélectivement au cloud. La latence vers une région cloud est trop élevée pour des décisions en temps réel. La bande passante est trop chère ou peu fiable pour tout diffuser en streaming. Les appareils doivent fonctionner lorsque le réseau est en panne. Vous avez besoin d'une architecture qui distribue l'intelligence entre 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 les calculs 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, l'analyse 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 de l'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 data lakes 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 device shadow/twin 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, PCBs personnalisés |
| Protocoles | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| Fog/Passerelle | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker sur PC industriels |
| IoT Cloud | AWS IoT Core, Azure IoT Hub, GCP IoT, courtiers MQTT personnalisés |
| Données | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet pour le stockage à froid |
| ML à l'Edge | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| Utiliser quand | Éviter quand |
|---|---|
| Les appareils génèrent un volume élevé de données dont la transmission complète est coûteuse | Tous les appareils ont une connectivité cloud fiable et à faible latence |
| Les décisions en temps réel nécessitent une réponse < 100 ms (systèmes de sécurité, de contrôle) | La charge de travail est purement la collecte de données avec un traitement cloud par lots |
| Les appareils doivent fonctionner pendant les pannes de réseau | Vous avez moins de 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 à travers une lentille de "gravité des données" — nous cartographions l'endroit où chaque type de données 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 le filtrer plus tard. Nos déploiements Edge incluent un provisionnement automatisé des appareils avec authentification par certificat, des pipelines de mise à jour OTA avec des déploiements par étapes et un rollback automatique, ainsi que des tableaux de bord locaux sur les nœuds Fog pour les opérateurs sur site qui ne peuvent pas attendre les allers-retours 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 de confidentialité des données pour partitionner les charges de travail entre la périphérie 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 en périphérie, tandis que l'entraînement de modèles, l'analyse historique et l'agrégation intersites restent dans le cloud. Nous aidons les clients à mapper chaque cas d'utilisation IoT au bon niveau de calcul pendant notre phase de découverte architecturale.
MicrocosmWorks conçoit des nœuds périphériques avec une persistance locale utilisant des bases de données légères comme SQLite ou TimescaleDB, combinées à une file d'attente de type "stocker et transférer" qui met les données en mémoire tampon pendant les coupures de connectivité et les synchronise automatiquement lorsque la connexion est rétablie. Notre firmware périphérique 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 perte de données nulle et un fonctionnement continu même dans des environnements à connectivité intermittente comme les sites industriels distants ou les flottes mobiles.
MicrocosmWorks met en œuvre des OTA (over-the-air) update pipelines avec signature cryptographique, déploiements échelonnés et capacités de rollback automatique pour garantir que chaque edge device reçoive un firmware vérifié sans risque de temps d'arrêt. Nous utilisons une authentification TLS mutuelle entre les edge devices et le serveur de mise à jour, avec un secure boot basé sur le matériel pour empêcher l'exécution de firmware altéré. Notre stratégie de déploiement par phases met à jour les appareils par petits lots avec des contrôles de santé entre les étapes, de sorte qu'une mauvaise mise à jour n'atteigne jamais l'ensemble de votre flotte.
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 avec AWS IoT Greengrass pour l'Edge computing à usage général, 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 piles de réseau, de sécurité et de télémétrie préconfigurées, 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 nombreux 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 utilisons une architecture parallèle pendant la migration afin que le SCADA hérité continue de fonctionner pendant que le nouveau pipeline edge-cloud est validé avec les données de production. Nos tarifs de conseil pour la modernisation de l'IoT industriel commencent à 20-50 $/heure selon la complexité du protocole et les exigences réglementaires impliquées.