JT Jeeraphun - stock.adobe.com
IIoT : PTC adapte sa plateforme ThingWorx aux exigences des industriels
Trois ans après la disponibilité générale de ThingWorx 8, le spécialiste de l’IIoT PTC annonce une nouvelle génération sous le signe de la haute disponibilité et des usages analytiques avancés.
« Si tu ne peux pas te rendre au LiveWorx, le LiveWorx viendra à toi », voilà l’approche de PTC concernant son (très) copieux événement virtuel diffusé le 9 juin. L’occasion pour le spécialiste de la CAO, du PLM et depuis quelques années de l’IoT de présenter en long, en large et en travers les nouveautés incluses dans la version 9.0 de sa plateforme IIoT ThingWorx.
La précédente mise à jour majeure remonte à novembre 2019. La version initiale de ThingWorx 8 avait d’abord été présentée au cours du LiveWorx de mai 2017.
En trois ans, beaucoup de choses ont changé. Et depuis la première (véritable) année d’exploitation de ThingWorx par PTC en 2015, les attentes des industriels au regard de l’IIoT ont évolué. « En 2015, 80 % de nos clients souhaitaient obtenir des blocs pour leurs applications IoT. En 2020, 80 % d’entre eux veulent des applications préconstruites à configurer », assure Joseph Biron, CTO IoT chez PTC.
Cette nouvelle donne implique un lot de nouveautés dites fonctionnelles. Mais avant cela, PTC propose une révision de son architecture back-end pour permettre une haute disponibilité et un dimensionnement horizontal de la plateforme ThingWorx. L’éditeur présente ces ajustements comme un moyen d’éviter les arrêts de service des applications dont le coût serait estimé entre 5 900 et 9 000 dollars à la minute.
Haute disponibilité pour les industries critiques
« Auparavant, nous supportions la haute disponibilité avec une méthode de clustering active passive. Cela veut dire que si vous déployez deux serveurs ThingWorx, le premier est actif, il gère les opérations et les calculs nécessaires au fonctionnement de la plateforme, le second, passif, est une réplique qui prend le relais en cas de problème après un changement de connexion. Avec Thingworx 9, vous avez de multiples nœuds ThingWorx actifs en parallèle, qui disposent chacun d’une connexion directe. Si échec il y a, un répartiteur de charges réattribuera immédiatement les données aux nœuds fonctionnels du cluster », explique Ryan Servais, Solution Management, Connected Product Solutions, chez PTC.
Avec ces clusters actifs-actifs, il n’y aurait pas de difficulté de basculement et il serait possible d’ajouter des nœuds de manière horizontale. La méthode serait disponible dans le cloud public, sur site et en mode hybride. Cela réclame toutefois une configuration particulière des trois couches qui composent l’architecture de ThingWorx. Au niveau de la couche client (les équipements connectés et les utilisateurs qui s’y connectent), le trafic (des requêtes ou des données envoyées via WebSocket ou HTTP/HTTPS) est envoyé vers le serveur Thingworx Connection. Celui-ci se connecte au serveur Foundation via une gateway consacrée à la répartition de charge.
Foundation, un module Java chargé de l’extension du nombre de nœuds, est associé avec un système de partage de fichiers (ThingWorx repository) pour stocker les logs tout en étant connecté à la couche de stockage de données (incluant la base de données). Le serveur Connection gère les données entrantes et sortantes et est connecté à Apache Zookeeper qui maintient les configurations et la synchronisation et regroupe les services. Le système de distribution de cache Apache Ignite est appelé par les serveurs Foundation pour partager les états. Pour les cas d’usage intensif en mémoire vive, il est possible de déployer un cluster Ignite séparé au lieu d’embarquer le composant dans la VM Foundation. Cette architecture modulaire serait idéale pour les OIV ou pour les entreprises qui ne peuvent souffrir d’arrêt de production.
Cette modernisation apparaît comme nécessaire pour supporter les cas d’usage IoT à grande échelle. De même l’éditeur souhaite embrasser pleinement un mode SaaS. Une architecture qui renforce sensiblement la continuité de service (et donc l’importance des SLA) devient nécessaire. La technique est tout de même répandue depuis plusieurs années.
Une gestion des données optimisée
Si le système de clustering est l’ajout principal de ThingWorx 9.0, PTC apporte plusieurs améliorations fonctionnelles. La première consiste à optimiser le support du connecteur OPC-UA, un standard industriel, dans Kepware pour ThingWorx, mais aussi pour Microsoft Azure IoT. Ainsi, un utilisateur d’une application IoT peut combiner les données et les métadonnées en provenance des équipements dotés de la norme OPC-UA. Concernant les applications Edge, l’éditeur améliore son SDK Java pour supporter davantage d’extensions et les objets connectés sous Android, tandis que son SDK .Net profitera d’une sécurité « renforcée » et d’un système de mise à jour à distance.
L’éditeur basé à Boston met également l’accent sur l’amélioration des processus et des flux de travail. Operator Advisor est un outil et une interface pour connecter ThingWorx à la solution PLM Windchill (entre autres) et transmettre des instructions et des notes aux opérateurs. La nouvelle version permet notamment de lier le schéma de construction d’une pièce à une liste de matériaux. À l’avenir, ces listes d’instruction pourront être disponibles à travers un casque de réalité augmentée, en connectant Operator Advisor à Vuforia. De même, ThingWorx Navigate, l’interface dédiée à l’accès aux informations Windchill dans ThingWorx permettra l’export de structures, tandis qu’il sera plus facile de le déployer sur AWS et Microsoft Azure.
Le portail Solution Central, qui permet de rassembler les solutions développées avec ThingWorx prendra bientôt en charge les applications disponibles avant sa mise en place, lors de la version 8.5 de la plateforme. L’éditeur mise sur cette solution pour favoriser la gestion des applications conçues par les développeurs.
Les équipes de PTC ont surtout travaillé à une meilleure gestion des données. Les objets connectés et les ressources accessibles depuis ThingWorx pourront être plus facilement regroupés avec Thing Group. L’outil fournit un moyen de trier les éléments par régions, modèles, autorisations, clients, etc. PTC assure que l’outil doit améliorer la traçabilité des données sur les produits et équipements dans la plateforme.
Outre la possibilité de se connecter avec le service FT Historian de Rockwell Automation avec la plateforme, l'éditeur a amélioré ThingWorx Flow, un outil d’orchestration de flux de données à la sauce BPM. Celui-ci permet non seulement de se connecter aux systèmes tiers, mais aussi de configurer des processus réutilisables pour la collecte de données au format JSON.
PTC revise la couche analytique de ThingWorx
Dans la même veine, Mashup Builder, l’outil de création d’applications composites (des visualisations basées sur des widgets) permet de mieux visualiser les événements et données time series, et devrait être plus facile à manipuler pour construire ces vues. Plus important, Analytics Builder, un outil de conception de modèles analytiques et prédictifs, bénéficie de fonctionnalités pour évaluer la pertinence des algorithmes via un score de confiance.
De même, l’outil disposera d’un moyen pour optimiser les modèles en fonction du coût des erreurs de prédiction. La version 9.0 n’ajoute pas de nouveaux algorithmes. Les analystes peuvent déjà appliquer des « Learners » comme des arbres de décision, des Random forest, des réseaux neuronaux, des SVM, des régressions logistiques ou de gradient boost. À l’avenir, PTC compte ajouter à cette liste la validation croisée (K-fold). L’éditeur veut aussi fournir des fonctionnalités de recherche textuelle avancée et fluidifier le déploiement de mise à jour des modèles analytiques.
Disponible cet été, ThingWorx 9.0 ne bouleverse ni les habitudes des utilisateurs ni la proposition de valeur sur le marché. Il semble tout de même que le spécialiste du PLM, concentré sur l’imbrication de ses produits PLM-CAO-IoT-AR sa transition vers le SaaS, ait pris en compte les remarques des analystes. En 2019, Gartner soulignait certaines faiblesses quant aux capacités analytiques de la plateforme. Si l’on n’atteint pas encore les possibilités d’un outil de Data Science, les fonctionnalités présentées devraient faciliter les déploiements de la maintenance prédictive dans un contexte industriel.