L'immagine mostra la distribuzione di base dei modelli di apprendimento automatico in prossimità delle origini dati e dei sistemi di produzione. che mostra un'implementazione on premise di un cliente e un'implementazione di Oracle Cloud.

L'implementazione on-premise contiene un meccanismo di produzione che passa i dati runtime IoT a un'istanza di computazione per l'esecuzione del linguaggio macchina, che poi li passa alle attrezzature CPE (Personalized Premise Equipment). Da questo punto di vista, i dati passano su una VPN site-to-site a Oracle Cloud.

In Oracle Cloud, un gateway di instradamento dinamico (DRG), trasmette i dati di produzione IoT in entrata in una rete cloud virtuale (VCN), da cui un gateway di servizi che instrada il traffico verso un'istanza del servizio di streaming Oracle esterna alla rete VCN. Il servizio di streaming passa i dati attraverso un'istanza di Oracle Functions, quindi in un data warehouse autonomo. Un'istanza di Oracle Data Science recupera i dati da ADW e li passa poi allo storage degli oggetti Oracle.

Gli aggiornamenti del modello vengono poi passati attraverso il gateway di servizi alla VCN e poi di nuovo all'implementazione on premise del cliente tramite il gateway DRG, la VPN site-to-site, il CPE e terminati nell'istanza di computazione di esecuzione ML.