Desbloquee el éxito de IoT con inteligencia en el borde

Desde lo simple a lo increíblemente complejo, la inteligencia en el borde es un aliado para el éxito de su proyecto IoT.

La transformación digital está barriendo cada industria, llevando a las organizaciones a instalar sensores de audio, video y vibración en sus operaciones. Sin embargo, dado que el 30% de los proyectos IoT fallan en la etapa de prueba de concepto, es totalmente razonable ser cauteloso al invertir dinero en despliegues IoT a gran escala.

Una de las causas principales del fallo de IoT es que las organizaciones rara vez están preparadas para el tsunami de datos que generan todos esos dispositivos. La cantidad de datos pone tensión en la latencia y la infraestructura de computación central o nube, por no mencionar la fuerza laboral. El trabajo que implica separar el grano de la paja – datos de mantenimiento rutinario de insights accionables como fallo inminente de máquina – es desalentador para la mayoría de las organizaciones.

Ver también: El borde es ahora el centro de la acción

Entra la computación en el borde. La computación en el borde está destinada a convertirse en el status quo, involucrando procesar datos localmente en el punto de creación de datos. Gartner predice que para 2025, el 75% de los datos generados por empresas se crearán y procesarán fuera de la nube; hoy es alrededor del 10%. Las organizaciones comenzaron a implementar computación en el borde para remediar los costos de latencia y ancho de banda asociados con transmitir grandes cantidades de datos de centros de datos centralizados a la nube.

Hay mucha variedad en las soluciones de computación en el borde. Muchas soluciones carecen de una forma de dar sentido a los datos recopilados. El personal OT recibe estos datos y a menudo no sabe qué hacer con ellos o cómo analizar los datos para aumentar eficiencias operativas. A menudo se requiere procesamiento adicional, típicamente desde la nube. Sin embargo, las plataformas de computación en el borde inteligentes añaden avances fundamentales que abordan estos desafíos, haciendo analítica robusta disponible sin conexión a la nube.

Inteligencia en el borde: para un IoT más inteligente y ágil

La inteligencia en el borde se basa en las capacidades típicas de ingesta de datos comunes entre plataformas de computación en el borde con capas de funciones avanzadas como aprendizaje automático (ML) e inteligencia artificial (IA). ML quita la carga de la nube y centros de datos al proporcionar analítica e insights accionables justo en el borde. Las soluciones inteligentes derivan insights accionables de los datos en streaming y responden a ellos mediante alertas en tiempo real a operadores y otros sistemas empresariales. Las capacidades de control de bucle cerrado entre la nube y el borde también son compatibles para automatizar acciones correctivas en activos o procesos inmediatamente.

ML con capacidades de borde inteligente reduce la carga de computación al aprender en acción. Procesa continuamente altas frecuencias de flujos de datos y paquetes de información, formando una solución completa justo en el borde donde más la necesitas. Aquí hay un enfoque de tres puntos para el procesamiento de datos en el borde:

• Ingesta y Enriquecimiento: La primera etapa del procesamiento en el borde es la ingesta y enriquecimiento de datos. Esta capa limpia los datos y los prepara para el procesamiento mediante decodificación, filtrado, interpolación y más. Combina y alinea altos volúmenes, variedades y velocidades de video en streaming, sensores digitales y datos de activos. Es la piedra angular que asegura la calidad de datos para todo procesamiento y computación adicional.
• Procesamiento de Eventos Complejos (CEP): La inteligencia se proporciona a través del CEP al proporcionar detección de patrones y analítica en tiempo real a los datos limpios en streaming. Aquí, se derivan insights accionables a través de algoritmos basados en reglas, y se pueden tomar acciones.
• Motor de Aprendizaje Automático: Ejecutar modelos de aprendizaje automático en el borde puede ser un desafío ya que los dispositivos de borde son menores en potencia de computación y memoria. Un CEP adecuado proporciona pre y post-procesamiento de datos requerido para los modelos, por lo que el tamaño del modelo, capas y memoria necesaria para la ejecución a menudo se reduce 10X o más después de prepararse para el borde.

Cuando se trata de inteligencia en el borde, el aprendizaje automático puede resolver problemas muy complejos e incluso proporcionar predicciones sobre salud y rendimiento de operaciones. En ciertos entornos, no es exagerado decir que analítica avanzada y ML a nivel de sitio pueden salvar vidas.

Inteligencia en el borde fuera de línea

Hay muchas instancias cuando una organización podría no querer confiar el envío de datos de un dispositivo a la nube o internet, y la inteligencia en el borde hace posible mantener el poder de procesamiento y ML, mientras se pierde la necesidad de conectividad a la nube. Su organización puede cosechar los beneficios de procesamiento de datos profundo y avanzado sin los riesgos de seguridad y costos de ancho de banda, procesamiento y almacenamiento.

¿Qué beneficios puede esperar ver su organización después de hacer la transición a inteligencia en el borde?

• Reducción masiva de datos. Cuando la analítica se mueve al borde, hay una disminución masiva en la cantidad de datos empujados a través de la red. Esto reduce costos de almacenamiento y manejo de datos, mientras libera al personal de TI y OT para trabajar en problemas más complejos.
• Mejores insights en tiempo real. Al mantener la computación cerca de la fuente de datos, el aprendizaje automático en el borde puede detectar patrones emergentes y permitir respuestas inmediatas antes de que un fallo se convierta en crisis a gran escala.
• Mantenimiento predictivo para todos. Porque un sistema basado en el borde puede manejar todos los datos de máquinas entrantes, puede predecir necesidades de mantenimiento en todos los equipos de la operación, no solo reduciendo sustancialmente el tiempo que toma planificar actividades de mantenimiento, sino también previniendo accidentes causados por mantenimiento retrasado.
• Rendimiento mejorado. Los usuarios pueden aumentar productividad y reducir tiempo de inactividad al detectar y abordar rápidamente rendimiento subóptimo, proporcionando mejor rendimiento con una vista de 360 grados de las operaciones.

Al transformar el mercado IoT, la inteligencia en el borde hace el análisis en tiempo real más fácil, aumentando así la eficiencia operativa mientras disminuye los costos incurridos en manejo y almacenamiento de datos.

Una solución de borde inteligente puede realizar muchas funciones que quitan la carga manual de operadores y consumidores de datos. Idealmente, necesita una solución que no solo sea inteligente agregando y ordenando datos, sino que también tenga la capacidad de detectar cuando un activo o proceso está fallando.

Como ha visto, la computación en el borde inteligente, además de capacidades de aprendizaje automático, proporciona insights vitales y accionables en tiempo real, ayudando a las organizaciones a conquistar algunos desafíos fundamentales y abrir la puerta a analítica avanzada. En el lado fundamental, se aseguran de que todos sus dispositivos se comuniquen en el protocolo de red IoT de su elección (ModBus, OPCUA, etc.), mientras también procesan datos avanzados en el borde, sin retrasos por problemas de latencia. Y pueden mejorar su toma de decisiones porque siempre tendrán los datos más actualizados.

Desde lo simple a lo increíblemente complejo, la inteligencia en el borde es un aliado para el éxito de su proyecto IoT.