עבדו נתונים במקום שבו הם נוצרים. לא הכל צריך לעבור הלוך ושוב לענן — ולרבים מעומסי העבודה של IoT זה לא אפשרי.

יש לכם מכשירים בשטח — חיישנים על רצפות מפעל, מצלמות במחסנים, מוניטורים על ציוד חקלאי, לבישים על מטופלים — שמייצרים נתונים שצריכים להיות מעובדים, לפעול עליהם, ולהיות מועברים באופן סלקטיבי לענן. זמן ההשהיה לאזור ענן גבוה מדי להחלטות בזמן אמת. רוחב הפס יקר מדי או לא אמין כדי להזרים הכל. המכשירים צריכים לתפקד כשהרשת מנותקת. אתם צריכים ארכיטקטורה שמפיצה אינטליגנציה על פני שכבות הקצה, הערפל והענן בהתאם למקום 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 חישוב על פני שלוש שכבות. מכשירי קצה אוספים נתוני חיישנים ומבצעים הסקה קלה (זיהוי חריגות, התראות סף). צמתי ערפל (שערים מקומיים או שרתים מקומיים) מאגדים נתונים ממכשירי קצה מרובים, מפעילים מודלים מורכבים יותר ומנהלים ציי מכשירים. שירותי ענן מטפלים באחסון לטווח ארוך, אימון מודלים, אנליטיקה על פני הצי כולו ולוחות מחוונים לניהול. הארכיטקטורה מתחשבת בקישוריות לא רציפה, הטרוגניות מכשירים, עדכונים דרך האוויר ואבטחה בכל שכבה.
הנתונים זורמים כלפי מעלה דרך השכבות עם אינטליגנציה בכל שכבה. מכשירי קצה מפרסמים קריאות חיישנים לצמתי ערפל באמצעות MQTT או CoAP. צמתי ערפל מפעילים עיבוד זרם (Apache NiFi, AWS Greengrass, או מותאם אישית) כדי לסנן, לאגד ולהעשיר נתונים לפני העברתם לענן. קליטת ענן (Kinesis, IoT Core, או Event Hubs) מנתבת נתונים לבסיסי נתונים של סדרות זמן, אגמי נתונים וצינורות אימון ML. פקודות ועדכונים דרך האוויר זורמים כלפי מטה באותו נתיב. מערכת צל/תאום מכשירים שומרת על המצב הידוע האחרון של כל מכשיר לשאילתה ופיוס.
| שכבה | טכנולוגיות |
|---|---|
| מכשירי קצה | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, PCB מותאם אישית |
| פרוטוקולים | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| ערפל/שער | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker על מחשבים תעשייתיים |
| ענן IoT | AWS IoT Core, Azure IoT Hub, GCP IoT, מתווכים מותאמים אישית של MQTT |
| 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 לשדרם במלואם | לכל המכשירים יש קישוריות ענן אמינה ובעלת השהיה נמוכה |
| החלטות בזמן אמת צריכות תגובה < 100ms (בטיחות, מערכות בקרה) | עומס העבודה הוא איסוף נתונים בלבד עם עיבוד ענן באצווה |
| מכשירים חייבים לתפקד במהלך הפסקות רשת | יש לך < 50 מכשירים וניתן לנהל אותם בנפרד |
| פרטיות/ציות דורשים עיבוד נתונים מקומי לפני שידור לענן | ה"קצה" הוא למעשה דפדפן אינטרנט — זו ארכיטקטורה שונה |
MW מעצבת ארכיטקטורות IoT עם עדשת "כובד נתונים" — אנו ממפים היכן כל סוג נתונים צריך להיות מעובד (קצה, ערפל, או ענן) על בסיס דרישות השהיה, עלויות רוחב פס וגרנולריות החלטות. אנחנו לא דוחפים הכל לענן ומסננים מאוחר יותר. הפריסות שלנו בקצה כוללות הקצאת מכשירים אוטומטית עם אימות מבוסס תעודות, צינורות עדכונים דרך האוויר עם פריסות מדורגות והחזרה אוטומטית, ולוחות מחוונים מקומיים על צמתי ערפל למפעילים באתר שלא יכולים לחכות לסיבובי ענן.
אבטחה אינה תכונה שמוסיפים לאחר ההשקה. זוהי תכונה ארכיטקטונית – המערכת תוכננה עבורה, או שלא.
MicrocosmWorks משתמשת במסגרת קבלת החלטות המבוססת על רגישות לשיהוי, עלות רוחב פס, ודרישות פרטיות נתונים כדי לחלק עומסי עבודה בין הקצה לענן. משימות קריטיות בזמן כמו זיהוי חריגות בנתוני חיישנים, לולאות בקרה מקומיות וכיבוי בטיחותי פועלות בקצה, בעוד שאימון מודלים, ניתוח היסטורי ואגרגציה בין-אתרית נשארים בענן. אנו עוזרים ללקוחות למפות כל מקרה שימוש של IoT לשכבת החישוב הנכונה במהלך שלב גילוי הארכיטקטורה שלנו.
MicrocosmWorks מתכננת צמתי קצה עם התמדה מקומית תוך שימוש במסדי נתונים קלי משקל כמו SQLite או TimescaleDB, בשילוב עם store-and-forward queuing שאוגר נתונים במהלך פערי קישוריות ומסנכרן אוטומטית כאשר החיבור משוחזר. קושחת הקצה שלנו כוללת conflict resolution logic לתרחישים שבהם החלטות מקומיות שנעשו במצב לא מקוון חורגות מ-cloud-side state. זה מבטיח אפס אובדן נתונים ופעולה רציפה אפילו בסביבות עם קישוריות לסירוגין כמו remote industrial sites או mobile fleets.
MicrocosmWorks מיישמת תהליכי עדכון OTA (over-the-air) עם חתימה קריפטוגרפית, הפצות מדורגות, ויכולות שחזור אוטומטי, כדי להבטיח שכל התקן קצה יקבל קושחה מאומתת ללא סיכון של זמן השבתה. אנו משתמשים באימות הדדי של TLS בין התקני הקצה לשרת העדכונים, עם אתחול מאובטח המגובה בחומרה, כדי למנוע מקושחה ששונתה מלהתבצע. אסטרטגיית הפריסה בשלבים שלנו מעדכנת התקנים בקבוצות קטנות עם בדיקות תקינות בין השלבים, כך שעדכון לקוי לעולם לא יגיע לכל הצי שלכם.
MicrocosmWorks בוחרת חומרת קצה בהתבסס על פרופיל העומס—NVIDIA Jetson עבור ראייה ממוחשבת (computer vision) ו-ML inference, שערי AWS IoT Greengrass-compatible ל-edge computing כללי, ו-industrial PCs מוקשחים מספקים כמו Advantech עבור סביבות ייצור קשות. אנו מתחזקים ארכיטקטורות ייחוס (reference architectures) עבור כל פלטפורמה, הכוללות ערימות (stacks) מוגדרות מראש של תקשורת (networking), אבטחה (security) וטלמטריה (telemetry), דבר המאיץ את הפריסה ב-40-60%. הצוות שלנו מעריך צריכת חשמל, טווח טמפרטורות תפעולי ואפשרויות קישוריות כדי להתאים לתנאי האתר הספציפיים שלך.
MicrocosmWorks השלימה מספר פרויקטים של מודרניזציית SCADA שבהם אנו פורסים שערי Edge Computing המתרגמים פרוטוקולים מורשתיים 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 המורשת ממשיכה לפעול בזמן שקו הצינור (pipeline) החדש של edge-cloud מאומת מול נתוני ייצור. תעריפי הייעוץ שלנו למודרניזציית Industrial IoT מתחילים ב-$20-$50 לשעה בהתאם למורכבות הפרוטוקול ודרישות הרגולציה הכרוכות בכך.