¿Es Edge Intelligence su clave para el éxito de IoT?

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

La transformación digital se está extendiendo por todas las industrias, lo que lleva a las organizaciones a instalar sensores de audio, video y vibración en todas sus operaciones. Sin embargo, dado que el 30 % de los proyectos de IoT fallan en la etapa de prueba de concepto, es completamente razonable ser cauteloso cuando se trata de invertir dinero en implementaciones de IoT a gran escala.

Una de las principales causas del fracaso de IoT es que las organizaciones rara vez están preparadas para el tsunami de datos que generan todos esos dispositivos. La cantidad de datos ejerce presión sobre la latencia y la infraestructura informática central o la nube, sin mencionar la fuerza laboral. El trabajo que implica separar el trigo de la paja (datos de mantenimiento de rutina de conocimientos procesables como fallas inminentes de la máquina) es abrumador para la mayoría de las organizaciones.

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

Ingrese a la computación de borde. Edge computing está a punto de convertirse en el statu quo, lo que implica el procesamiento de datos localmente hasta el punto de la creación de datos. Gartner predice que para 2025, el 75 % de los datos generados por las empresas se crearán y procesarán fuera de la nube; hoy, es alrededor del 10%. Las organizaciones comenzaron a implementar la computación perimetral para remediar los costos de latencia y ancho de banda asociados con la transmisión de grandes cantidades de datos desde centros de datos centralizados a la nube.

Sin embargo, hay mucha variedad en las soluciones informáticas de borde. Muchas soluciones carecen de una forma de dar sentido a los datos recopilados. El personal de OT recibe estos datos y, a menudo, no sabe qué hacer con ellos o cómo analizarlos para aumentar la eficiencia operativa. A menudo se requiere un procesamiento adicional, generalmente desde la nube. Sin embargo, las plataformas informáticas de borde inteligente agregan avances fundamentales que abordan estos desafíos, lo que hace que el análisis sólido esté disponible sin una conexión a la nube.

Borde Inteligencia :Por un IoT más inteligente y ágil

La inteligencia perimetral se basa en las capacidades típicas de ingestión de datos comunes entre las plataformas informáticas perimetrales con capas de funciones avanzadas como aprendizaje automático (ML) e inteligencia artificial (IA). ML elimina la carga de trabajo de la nube y los centros de datos al proporcionar análisis e información procesable directamente en el borde. Las soluciones inteligentes obtienen información procesable de los datos de transmisión y responden a través de alertas en tiempo real para los operadores y otros sistemas empresariales. Las capacidades de control de ciclo cerrado entre la nube y el borde también son compatibles para automatizar acciones correctivas en activos o procesos de inmediato.

ML con capacidades de borde inteligente reduce la carga de cómputo mediante el aprendizaje 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 necesita. Aquí hay un enfoque de tres puntos para el procesamiento de datos en el perímetro:

• Ingestión y Enriquecimiento: La primera etapa del procesamiento perimetral es la ingestión y el enriquecimiento de datos. Esta capa limpia los datos y los prepara para su procesamiento a través de la decodificación, el filtrado, la interpolación y más. Combina y alinea grandes volúmenes, variedades y velocidades de transmisión de video, sensores digitales y datos de activos. Es la piedra angular que garantiza la calidad de los datos para todo el procesamiento y la computación adicionales.
• Procesamiento de eventos complejos (CEP): La inteligencia se proporciona a través del CEP al proporcionar detección de patrones y análisis en tiempo real de los datos limpios y de transmisión. Aquí, los conocimientos prácticos se derivan a través de algoritmos basados ​​en reglas y se pueden tomar acciones.
• Motor de aprendizaje automático: La ejecución de modelos de aprendizaje automático en el borde puede ser un desafío, ya que los dispositivos de borde tienen menos potencia de cómputo y memoria. Un CEP adecuado proporciona el procesamiento previo y posterior de los datos necesarios para los modelos, por lo que el tamaño del modelo, las capas y la memoria necesaria para la ejecución a menudo se reducen 10 veces o más después de estar preparados para el borde.

Cuando se trata de inteligencia perimetral, el aprendizaje automático puede resolver problemas muy complejos e incluso proporcionar predicciones sobre el estado y el rendimiento de las operaciones. En ciertos entornos, no es una exageración decir que el análisis avanzado y el ML a nivel del sitio pueden salvar vidas.

Edge Intelligence fuera de línea

Hay muchos casos en los que una organización puede no querer confiar en enviar los datos de un dispositivo a la nube o a Internet, y edgeintelligence hace posible mantener la potencia de procesamiento y el aprendizaje automático, al tiempo que pierde la necesidad de conectividad a la nube. Su organización puede cosechar las recompensas del procesamiento de datos profundo y avanzado sin los riesgos de seguridad y los costos de ancho de banda, procesamiento y almacenamiento.

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

• Reducción masiva de datos. Cuando el análisis se mueve al borde, hay una disminución masiva en la cantidad de datos enviados a través de la red. Esto reduce los costos de almacenamiento y manejo de datos, al mismo tiempo que libera al personal de TI y OT para trabajar en problemas más complejos.
• Mejores conocimientos en tiempo real. Al mantener la computación cerca de la fuente de datos, el aprendizaje automático avanzado puede detectar patrones emergentes y permitir respuestas inmediatas antes de que una falla se convierta en una crisis a gran escala.
• Mantenimiento predictivo para todos. Debido a que un sistema basado en el borde puede manejar todos los datos entrantes de la máquina, puede predecir las necesidades de mantenimiento en todos los equipos en la operación, no solo reduciendo drásticamente el tiempo que lleva planificar las actividades de mantenimiento, sino también evitando accidentes causados ​​por retrasos en el mantenimiento.
• Mejor rendimiento. Los usuarios pueden aumentar la productividad y reducir el tiempo de inactividad detectando y abordando rápidamente el rendimiento subóptimo, proporcionando un mejor rendimiento con una vista de 360 ​​grados de las operaciones.

Al transformar el mercado de IoT, la inteligencia perimetral facilita el análisis en tiempo real, lo que aumenta la eficiencia operativa y reduce los costos incurridos en el manejo y almacenamiento de datos.

Una solución de borde inteligente puede realizar muchas funciones que eliminan la carga manual de los operadores y consumidores de datos. Idealmente, necesita una solución que no solo sea inteligente para agregar y ordenar datos, sino que también tenga la capacidad de detectar cuando un activo o proceso no funciona correctamente.

Como ha visto, la computación perimetral inteligente, además de las capacidades de aprendizaje automático, brinda información vital y procesable en tiempo real, lo que ayuda a las organizaciones a superar algunos desafíos fundamentales y abre la puerta a análisis avanzados. 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.), al mismo tiempo que procesan datos avanzados en el perímetro, sin retrasos por problemas de latencia. Y pueden mejorar su toma de decisiones porque siempre tendrá los datos más actualizados.

Desde lo simple hasta lo increíblemente complejo, edge intelligence es un aliado para el éxito de su proyecto IoT.