edge computing

No es la primera vez que asistimos a una lucha entre las fuerzas de la centralización y la descentralización en el terreno de la automatización, y el Internet de las Cosas (IoT) parece que será el argumento para la búsqueda de un nuevo equilibrio entre ambas.

Apenas se llevan unos años explorando las nuevas posibilidades que puede ofrecer IoT en el ámbito industrial pero ya son claras algunas de las limitaciones más importantes de las arquitecturas en nube cara a dar respuesta a las necesidades propias del Internet de las Cosas Industrial (IoT). En las arquitecturas de IoT tradicionales todos los datos de los activos físicos se llevan a la nube para su almacenamiento y procesamiento analítico. Una vez allí los datos se emplean para mantenimiento predictivo, análisis de fallos, optimización de procesos, etc. Un modelo de IoT en Cloud centralizado ofrece ventajas sobre todo en las fases iniciales de programación y validación, con unos bajos costes de hardware y escasas necesidades de mantenimiento. Los sensores son cada vez más asequibles en términos de coste, pero las frecuencias de muestreo en la industria pueden llegar a ser muy altas. A medida que crece la aceptación del IoT y las pruebas de concepto demuestran su valor y se transforman en proyectos reales, va siendo cada vez más necesario resolver las limitaciones propias de esa centralización, y no sólo por consideraciones tecnológicas como el ancho de banda, la disponibilidad o el tiempo de respuesta, sino también económicas.

“Fog computing” o “edge computing” son propuestas de arquitecturas que comparten objetivos comunes: reducir la cantidad de datos que se envían a la nube, reducir la latencia de red/Internet, y mejorar el tiempo de respuesta en aplicaciones remotas críticas en el tiempo. La forma de hacerlo en ambos casos es la misma: trasladar parte de los recursos de procesamiento, inteligencia y servicios de la aplicación más cerca del origen del dato, al extremo de la red (“edge”). Aunque a veces se emplean como términos equivalentes, la diferencia entre ambas propuestas radica en dónde reside dicha capacidad: en la red de área local, por ejemplo en un router (fog computing) o en el equipo al que se conecta el sensor, normalmente un PLC o pasarela IIoT (edge computing).





Descarga gratis la guía: Retos oportunidades y consejos de la Economía Digital




En noviembre de 2015 se fundó el OpenFog Consortium para respaldar este tipo de iniciativas, elaborando arquitecturas de referencia, SDKs, etc. Proveedores como Intel, Cisco o Siemens colaboran con proveedores de analítica de datos y aprendizaje automático para suministrar pasarelas IoT, routers o PLCs que hagan posible esa descentralización. También las empresas de software de análisis de datos han desarrollado y escalado sus productos para que encajen en esta filosofía. Un buen ejemplo de procesamiento de datos apto para trabajar en tiempo real con una arquitectura “edge” es Apache Spark.

La reducción de la complejidad será un factor clave para el éxito de las aplicaciones IIoT. Hasta la fecha el flujo de información no ha sido eficiente. En la industria los sensores habitualmente se cablean a módulos de periferia de un controlador programable (PLC) que después envían los datos a un servidor OPC o a una pasarela IoT o a un componente de red (nodo fog) que convierte esos datos a un protocolo comprensible para los sistemas en Internet, como MQTT. Además de la complejidad y el retardo que introduce, cada uno de los eslabones de la cadena se convierte en un punto de fallo en potencia, algo totalmente en contra con una de las máximas en industria: la disponibilidad.

Por eso ya existen PLCs estándares en el mercado que integran en su propio firmware el agente necesario para conectar directamente con la nube, incluyendo así la funcionalidad de una pasarela IIoT, y donde además se filtren, normalicen, analicen y procesen los datos, e incluso se puedan almacenar para su posterior transmisión a la nube. O se puede ejecutar en pasarelas como el IOT2040 una runtime de Node-RED, con una herramienta visual de código abierto que permite definir gráficamente la conexión entre dispositivos hardware, APIs y flujos de servicios con la que desplegar eficazmente soluciones IoT.    

Aprovechar todo el potencial del Internet of Things Industrial dependerá en gran medida de encontrar el correcto equilibrio en cada aplicación entre “edge” y “cloud”, descentralización y centralización, como en la teoría aristotélica de la virtud. En ICEMD, Instituto de la Economía Digital de ESIC, somos conscientes de la importancia de estas tecnologías pujantes, y ponemos a disposición de los profesionales el Programa Superior en Internet de las Cosas e Industria 4.0, del que puedes encontrar más información y detalles de inscripciones aquí.





Descargar e-Book




Comentarios

Deja tu comentario: