L’application du modèle de jumeau numérique à l’analyse en temps réel en vue de gérer les systèmes IoT élargit sa gamme d’utilisations. Parmi elles figurent la maintenance préventive, la logistique, la sécurité physique et la cybersécurité, l’IoT pour les villes intelligentes.
Le concept de jumeau numérique a été développé à l’origine pour les besoins de la gestion du cycle de vie des produits et des infrastructures. Désormais, il peut simplifier les processus de construction en exploitant l’analyse en temps réel des systèmes IoT. En permettant aux responsables d’examiner en permanence la télémétrie de milliers d’appareils, ils évitent les problèmes coûteux.
Analyses en temps réel avec Azure Digital Twins
Le service cloud Azure Digital Twins de Microsoft constitue une plateforme attrayante pour la création de modèles de jumeaux numériques. En fait, elle offre un riche ensemble de fonctionnalités pour décrire leur contenu. Notamment les propriétés, les composants, etc. L’outil d’interface graphique Azure Digital Twins Explorer permet aux utilisateurs de visualiser les modèles et les instances de jumeaux numériques, ainsi que leurs relations.
Les jumeaux numériques Azure hébergent des propriétés dynamiques qui suivent l’état actuel des sources de données physiques. Cependant, ils n’analysent pas directement les messages entrants provenant de leurs sources de données.
À la place, les utilisateurs peuvent créer des fonctions sans serveur à l’aide d’Azure Functions. De fait, ils peuvent ingérer les messages générés par les sources de données et transmis à Azure IoT Hub (ou à d’autres centres de messages). Ces fonctions mettent à jour les propriétés des jumeaux numériques Azure à l’aide des API fournies.
Le défi que pose l’utilisation de fonctions sans serveur est qu’elles ajoutent des frais généraux et de la complexité. De par leur nature, les fonctions sans serveur sont sans état. Ces dernières doivent obtenir leur état auprès de services externes, ce qui augmente la latence. En outre, elles sont soumises à des frais généraux d’ordonnancement et d’authentification à chaque invocation, ce qui ajoute des délais qui limitent l’évolutivité. De fait, comment intégrer les analyses en temps réel avec Azure Digital Twins pour garantir des performances élevées des milliers de sources de données ?
Intégration d’analyses en temps réel à l’aide de l’informatique en mémoire
En intégrant une plateforme d’informatique en mémoire à l’infrastructure Azure Digital Twins, ces défis sont relevés. En fait, cette technologie fonctionne sur un cluster de serveurs virtuels. De plus, elle héberge en mémoire des objets logiciels définis par les applications pour un accès rapide, ainsi qu’un moteur de calcul logiciel. Ce dernier est capable d’exécuter des méthodes définies par les applications avec une latence extrêmement faible. En stockant les propriétés de chaque jumeau numérique Azure en mémoire, la latence peut être considérablement réduite. En outre, les analyses en temps réel sont mises à l’échelle pour traiter des milliers de sources de données.
La nouvelle intégration Azure Digital Twins de ScaleOut Software répond à ces attentes. Cette combinaison donne aux utilisateurs la puissance de l’informatique en mémoire pour l’analyse en temps réel. En effet, elle utilise l’informatique en mémoire pour accélérer le traitement des messages pour des analyses en temps réel rapides et évolutives. De plus, elle rationalise simultanément le modèle de planification.
Les utilisateurs peuvent afficher les propriétés en temps réel avec l’outil Azure Digital Twins Explorer. Ainsi, ils ont la possibilité de suivre les modifications dues au traitement des messages. Ils peuvent également tirer parti de l’écosystème Azure d’outils d’analyse de Big Data pour effectuer un traitement par lots.
- Partager l'article :
