Creación de una estrategia de Edge Computing. Primeros pasos (Parte I)

Primeros pasos con Edge Computing

En el espacio industrial en particular, Edge Computing se está convirtiendo en un instrumento fundamental para las organizaciones que buscan sacar el máximo provecho de la Internet de las Cosas (IoT) y otras tecnologías orientadas a los bordes. Con la explosión de dispositivos conectados y la necesidad de procesar datos en tiempo real, ya no resulta práctico enviar todos los datos a un centro de datos centralizado. La computación de borde minimiza la latencia y el uso de ancho de banda al reducir la distancia que tienen que recorrer los datos, lo que permite tomar decisiones más rápidamente.

Sin embargo, a pesar de la abundancia de datos del sector recopilados en los últimos años, menos del 25% de esos datos llegan a procesarse. ¿Cuál es el principal obstáculo? Muchas empresas carecen de una estrategia de computación de borde y de una infraestructura de borde adecuada de "construcción o compra " para aprovechar eficazmente los datos de borde.

‍

1. Identificación de casos de uso y evaluación de los requisitos de latencia

Las empresas deben determinar las aplicaciones específicas que se beneficiarán de la computación de borde.

En la industria manufacturera, los casos de uso más populares son el mantenimiento predictivo de las máquinas, el control de calidad y la supervisión en tiempo real de los equipos. También es importante conocer la sensibilidad a la latencia de las aplicaciones para priorizar el despliegue en los bordes donde más importa.

Un caso de uso adecuado para una solución edge computing requerirá uno o más de los siguientes elementos:

- Baja latencia: Cuando se necesita una respuesta rápida, o el tiempo de respuesta debe ser determinista y predecible, la capacidad de computación debe estar físicamente más cerca.

- Procesamiento de grandes volúmenes de datos / El coste del ancho de banda es un problema: A medida que aumenta el volumen de datos en el perímetro, el coste de enviar datos efímeros y ruidosos a otro lugar para filtrarlos o procesarlos puede ser mayor que el coste de trasladar la informática a los datos.

- Autonomía limitada: Las empresas pueden necesitar mantener un entorno de trabajo incluso cuando la conexión con el centro de datos central o el servicio en la nube se caiga o no esté disponible durante algún tiempo.

- Privacidad/seguridad: Las empresas pueden preferir mantener ciertos datos en bruto a nivel local, o los datos pueden estar regulados (por ejemplo, los datos de reconocimiento facial). Los requisitos normativos también pueden variar en función de la ubicación.

‍

‍

2. Planificación de infraestructuras

Infraestructura de borde: Las empresas deben tener acceso a una sólida infraestructura de borde que incluya servidores de borde, puertas de enlace y componentes de red. Esta infraestructura debe ser escalable, resistente y capaz de gestionar la carga de datos prevista.

Conectividad: Las empresas necesitan garantizar una conectividad fiable y de alta velocidad entre los dispositivos periféricos y los sistemas centrales. Esto puede implicar una combinación de redes cableadas e inalámbricas.

3. Integración de la IA y la gestión de modelos

Edge AI:Consiste en desplegar modelos de aprendizaje automático en dispositivos periféricos, lo que permite obtener información inmediata sin necesidad de enviar los datos a un servidor central.

La producción de datos digitales en los bordes está creciendo exponencialmente, creando la oportunidad para un análisis más profundo, la automatización, la IA y el ML. En 2022, quizá el 5 % de los despliegues de edge computing incluyan algún nivel de ML, pero en 2026, al menos el 50 % de los despliegues de edge computing lo incluirán.

Mientras que la inferencia suele implementarse en el borde, el entrenamiento suele realizarse enviando conjuntos de datos masivos al procesamiento central. Sin embargo, como el coste de la computación sigue disminuyendo en comparación con el coste del ancho de banda, la formación también puede realizarse más cerca del borde, donde se despliegan los modelos de inferencia.

‍‍Gestión de modelos: Desarrollar una estrategia de actualización y mantenimiento de los modelos de IA en el borde para garantizar que sigan siendo precisos y eficaces.

‍

¿Quiere saber más sobre la gestión y el despliegue de modelos en el perímetro? le recomendamos los siguientes MLops at the Edge

‍

4. Seguridad y conformidad

Seguridad de los datos: Las empresas deben aplicar medidas de seguridad sólidas para proteger los datos en el perímetro. Esto incluye cifrado, control de acceso y auditorías de seguridad periódicas.

Cumplimiento: Asegúrese también de que su estrategia de computación de borde cumple con las regulaciones y normas pertinentes, como el GDPR para la privacidad de los datos.

‍

Más información sobre "Ciberseguridad industrial y Edge Computing"

‍

Manténgase al día sobre Edge Computing. Vea nuestro reciente seminario web sobre "Cómo maximizar sus datos Edge: Transición de un Edge Conectado a un Edge Inteligente"

‍

‍

Construir o comprar una infraestructura Edge

Los entornos perimetrales son muy complejos y heterogéneos. Si está pensando en escalar a gran velocidad, vale la pena considerar una plataforma de edge computing que pueda respaldar su crecimiento. La tarea de gestionar las operaciones perimetrales en diversas ubicaciones, dispositivos y aplicaciones con los más altos estándares de seguridad puede ser desalentadora y costosa.

Cuando se trata de integrar la infraestructura de Edge Computing en el plan de transformación digital, las organizaciones se enfrentan a una decisión crucial: ¿deben crear su propia solución personalizada o comprar una oferta de terceros?

Comprar a un tercero

Ventajas:

1. Velocidad de comercialización: La compra de una solución de terceros puede acelerar significativamente el tiempo de implementación, lo que permite a las empresas beneficiarse de las capacidades de Edge AI más rápidamente en comparación con el desarrollo de un sistema interno.

2. Inversión inicial reducida: Construir una infraestructura Edge AI requiere una inversión inicial sustancial en investigación, desarrollo y pruebas. Comprar una solución puede reducir estos costes iniciales.

3. Asistencia experta: Los proveedores suelen ofrecer asistencia y mantenimiento continuos, lo que garantiza que el sistema se mantenga actualizado y funcione con eficacia sin necesidad de contar con expertos internos.

4. Soluciones probadas: Los productos de terceros suelen haber sido probados y validados en múltiples implantaciones, lo que ofrece un nivel de fiabilidad y garantía de rendimiento.

Desventajas:

1. Menos personalización: Es posible que las soluciones estándar no se adapten a todas las necesidades operativas, lo que puede dar lugar a problemas de funcionalidad o rendimiento.

2. Costes corrientes: Aunque la inversión inicial puede ser menor, los costes recurrentes de licencias, suscripciones o cargos por servicios pueden acumularse y afectar a los presupuestos a largo plazo.

Construya su propia infraestructura Edge

Ventajas:

1. 1. Personalización: La construcción interna permite soluciones a medida adaptadas con precisión a las necesidades específicas de una organización, ofreciendo una integración óptima con los sistemas y procesos existentes.

2. Control e independencia: Ser propietario de la infraestructura reduce la dependencia de proveedores externos, proporcionando un mayor control sobre la pila tecnológica, la seguridad de los datos y los desarrollos futuros.

Desventajas:

1. Costes iniciales más elevados: Los costes asociados a la investigación, el desarrollo y la implantación de una solución a medida pueden ser significativamente más elevados y requerir una inversión inicial considerable.

2. Mayor tiempo de implantación: Diseñar y construir un sistema a medida lleva mucho tiempo, lo que puede retrasar la obtención de beneficios de Edge AI.

3. Mantenimiento y asistencia: Las organizaciones deben asignar recursos para el mantenimiento continuo, las actualizaciones y la resolución de problemas, lo que requiere experiencia interna o consultores externos.

Barbara, La Plataforma Industrial Edge Cibersegura

La plataforma Barbara Industrial Edge ayuda a las organizaciones a simplificar y acelerar sus despliegues de Edge App, construyendo, orquestando y manteniendo fácilmente aplicaciones nativas o basadas en contenedores a través de miles de dispositivos Edge distribuidos.

‍

1. Procesamiento de datos en tiempo real: Barbara permite el procesamiento de datos en tiempo real en el borde, lo que puede conducir a una mayor eficiencia operativa y ahorro de costes. Al procesar los datos en el perímetro, las organizaciones pueden reducir la cantidad de datos que deben transmitirse a la nube, lo que se traduce en tiempos de respuesta más rápidos y menor latencia.
2. Escalabilidad mejorada: Barbara ofrece la posibilidad de ampliar o reducir la escala en función de las necesidades de la organización, lo que puede ser beneficioso para los procesos industriales que tienen niveles variables de demanda.
3. Mayor seguridad: Barbara ofrece sólidas funciones de seguridad para garantizar la protección de los datos en todo momento. Esto es especialmente importante para los procesos industriales que manejan información sensible.
4. Flexibilidad: Barbara es una plataforma flexible que se puede personalizar para satisfacer las necesidades específicas de una organización. Esto permite a las organizaciones adaptar la plataforma a su caso de uso específico, lo que puede conducir a una mayor eficiencia y ahorro de costes.
5. Gestión remota: Barbara permite la gestión y el control remotos de los dispositivos edge, las aplicaciones y los datos, lo que permite a las organizaciones gestionar su infraestructura desde una ubicación centralizada.
6. Integración: Barbara puede integrarse con los sistemas y plataformas existentes, lo que permite a las organizaciones aprovechar sus inversiones actuales y mejorar la eficiencia.

‍

‍