Idées de solution
Cet article présente une idée de solution. Si vous souhaitez nous voir développer le contenu avec d’autres informations, telles que des cas d’usage potentiels, d’autres services, des considérations d’implémentation ou un guide des prix, faites-le-nous savoir avec les Commentaires de GitHub.
Cette solution explique comment des bâtiments et des campus peuvent connecter de manière sécurisée, fiable et évolutive leurs appareils IoT (Internet des objets, Internet of Things) au cloud.
Architecture
Téléchargez un fichier Visio de cette architecture.
Workflow
Les bâtiments hospitaliers utilisent divers appareils connectés pour surveiller la santé des patients et les performances de l’établissement.
- Les appareils de suivi médical incluent des moniteurs, des scanneurs et des tensiomètres.
- Les dispositifs de sécurité et de qualité du bâtiment sont des capteurs de qualité de l’air et de température.
Les appareils de surveillance de la santé des patients et de l’intégrité du bâtiment envoient des données aux appareils du réseau d’accès radio (RAN) LTE ou 5G.
Les radios 5G ou LTE des hôpitaux transmettent les données aux cœurs de paquet 5G ou LTE s’exécutant sur les serveurs de périphérie. Les serveurs de périphérie peuvent être de type Azure Stack Edge ou de n’importe quel type avec Azure Arc.
Sur les serveurs de périphérie, le runtime IoT Edge peut prétraiter les données avant de les envoyer à Azure pour une analyse plus poussée.
Dans le cloud, Azure IoT Hub ingère des données rapidement et en toute sécurité, et les envoie à Azure Machine Learning.
Azure Machine Learning incorpore les nouvelles données pour optimiser davantage le modèle qui contrôle les paramètres de bâtiment intelligent.
Les données d’Azure IoT Hub alimentent également Azure Digital Twins qui fournit une carte des appareils IoT en réseau des hôpitaux sous la forme d’une simulation virtuelle.
Les données alimentent également le service Azure Time Series Insights, qui peut analyser l’état de santé des patients sur une période donnée, ou l’efficacité d’un traitement dans plusieurs hôpitaux. Time Series Insights offre également une couche de visualisation pour faciliter la prise de décision.
Toutes les données sont stockées dans Azure Data Lake Storage qui peut stocker des données de n’importe quels format et taille.
Composants
Cette solution utilise les services Azure suivants :
- Azure Stack Edge est un portefeuille d’appareils qui apportent des fonctions de calcul, de stockage et d’intelligence à IoT Edge. Azure Stack Edge agit comme une passerelle de stockage cloud permettant des transferts de données vers Azure, tout en conservant un accès local aux fichiers.
- Kubernetes avec Azure Arc connecte des clusters Kubernetes en cours d’exécution à l’intérieur ou à l’extérieur d’Azure.
- Azure Sphere est une solution de sécurité IoT complète qui inclut du matériel, un système d’exploitation et des composants cloud pour la sécurité des appareils IoT.
- Azure IoT Edge déploie l’intelligence cloud localement sur des appareils IoT.
- Azure IoT Hub est un service géré basé sur le cloud pour la communication bidirectionnelle entre appareils IoT et Azure.
- Azure Machine Learning est une solution de science des données intégrée qui permet aux scientifiques des données et aux développeurs de créer, former et déployer des modèles Machine Learning.
- Azure Digital Twins est une plateforme IoT qui crée des représentations numériques de choses, de lieux, de processus et de personnes du monde réel dans le cloud.
- Azure Time Series Insights est une plateforme d’analyse IoT de bout en bout pour surveiller, analyser et visualiser des données d’analyse IoT industrielles à grande échelle.
- Azure Data Lake Storage est un lac de données évolutif et sécurisé pour les charges de travail d’analytique hautes performances.
Détails du scénario
Les services cloud peuvent stocker et analyser les données IoT pour diagnostiquer des anomalies et prendre des mesures correctives ou préventives. Les services Azure peuvent affiner l’analyse et le stockage des données, et utiliser l’apprentissage automatique pour optimiser les paramètres de création.
Cas d’usage potentiels
Dans cette solution, un établissement de santé utilise des appareils IoT LTE ou 5G pour assurer le suivi de la santé des patients et des performances du bâtiment. Les appareils utilisent des puces intégrées Azure Sphere certifiées pour diffuser en continu des données vers des serveurs de périphérie locaux, qui communiquent avec le cloud Azure. Les administrateurs réseau locaux peuvent afficher l’intégrité du réseau via les cœurs de paquet sur les serveurs de périphérie.
Voici d’autres exemples de cette approche :
- Maintenance prédictive de machines dans un café-bar.
- Surveillance de la sûreté et de la conformité en lien avec les températures des aliments et boissons périssables dans une usine de fabrication alimentaire.
- Détection du point optimal d’extraction des ressources dans le secteur de l’énergie, en fonction de données collectées par des véhicules d’exploration autonomes.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteur principal :
- Nikhil Ravi | Responsable de la gestion de la production