Perspectivas de AI World: Los Costos Energéticos de Desbloquear Datos del Edge

Una charla informal en AI World discutió los problemas encontrados al extraer datos del edge.

Se puede perdonar a uno por asumir que los fabricantes están listos para abrir sus diversos sistemas de producción y comenzar a aprovechar los datos que han estado atrapados dentro. La realidad puede ser mucho más complicada.

Los problemas encontrados al extraer datos del edge fueron explorados en una charla informal con Joseph Etris, gerente de proyecto de ingeniería con Continental Automotive Systems, unido por John Auld, director de ventas regional en Zededa, Inc. Tuve la oportunidad de moderar la sesión, parte de la reciente conferencia AI World en Boston.

Ver también: La Manufactura Lidera el Grupo IoT

La unidad de Etris en Continental fabrica convertidores catalíticos para el sector automotriz — una tarea intensiva en energía. En 2018, Etris y su equipo se propusieron capturar, analizar y mitigar el uso de electricidad y emisiones relacionadas a través de su gama de controladores lógicos programables (PLCs) de Siemens, instalados por primera vez en los 90s. El desafío, explicó Etris, era extraer los datos SCADA de los PLCs para integrarlos con datos emanando de sensores eléctricos más nuevos.

Mientras muchos vendedores afirman que los sistemas industriales más antiguos pueden ceder fácilmente sus datos en un mundo IoT perfecto, esto está lejos del caso, relata Etris. Los sistemas de producción heredados a menudo no fueron diseñados para ser abiertos, y a menudo no están habilitados para red.

Auld, quien representaba a Siemens en ese momento, trabajó con el equipo de Continental para extraer los datos del PLC y proporcionar calibración en tiempo real. Además, los datos se suben cada 10 minutos a un repositorio en la nube en Amazon Web Services.

Los desafíos que Continental encontró son sintomáticos de los problemas que se encuentran en todo el panorama de manufactura, explica Auld. "Hay muchos datos oscuros que existen en silos dentro de muchas empresas." No solo esto presenta desafíos técnicos, sino organizacionales también, ya que múltiples equipos necesitan estar a bordo con esfuerzos de IA sobre IoT.

Gestionar almacenamiento de datos en la era de IA e IoT fue otra área discutida por panelistas. Muchas organizaciones estarán luchando con volúmenes crecientes de datos transmitiéndose a sus sistemas desde varias arrays de controladores y sensores, y a menudo terminan depositándolos en data lakes.

Los fabricantes necesitan establecer una capa de interfaz común que pueda extraer y leer datos de todas las generaciones de sistemas de producción, dijo Auld. Además, la consistencia necesita ser asegurada, ya que datos de varios sistemas pueden tener diferentes significados y umbrales. El desafío para muchos fabricantes es que pueden tener muchas fábricas separadas, cada una con sus propias iniciativas y estándares.