Cómo la analítica perimetral impulsará la informática más inteligente

Muchos casos de uso de análisis y aprendizaje automático se conectan a datos almacenados en almacenes de datos o lagos de datos, ejecutan algoritmos en conjuntos de datos completos o en un subconjunto de los datos y calculan los resultados en arquitecturas de nube. Este enfoque funciona bien cuando los datos no cambian con frecuencia. Pero, ¿y si los datos cambian con frecuencia?

Hoy en día, más empresas necesitan procesar datos y calcular análisis en tiempo real. IoT impulsa gran parte de este cambio de paradigma, ya que la transmisión de datos desde los sensores requiere procesamiento y análisis inmediatos para controlar los sistemas posteriores. El análisis en tiempo real también es importante en muchas industrias, incluida la atención médica, los servicios financieros, la fabricación y la publicidad, donde los pequeños cambios en los datos pueden tener importantes impactos financieros, de salud, de seguridad y de otro tipo en el negocio.

Si está interesado en habilitar la analítica en tiempo real, y en tecnologías emergentes que aprovechan una combinación de computación perimetral, AR / VR, sensores de IoT a escala y aprendizaje automático a escala, es importante comprender las consideraciones de diseño para la analítica perimetral. Los casos de uso de la informática de borde, como los drones autónomos, las ciudades inteligentes, la gestión de la cadena minorista y las redes de juegos de realidad aumentada, tienen como objetivo implementar análisis de borde a gran escala y altamente confiables.

Análisis de borde, análisis de transmisión e informática de borde

Varios paradigmas diferentes de análisis, aprendizaje automático y computación de borde están relacionados con el análisis de borde:

  • La analítica perimetral se refiere a la analítica y los algoritmos de aprendizaje automático implementados en la infraestructura fuera de la infraestructura de la nube y "en la periferia" en la infraestructura localizada geográficamente.
  • La analítica de transmisión se refiere a la analítica informática en tiempo real a medida que se procesan los datos. La analítica de transmisión se puede realizar en la nube o en el borde, según el caso de uso.
  • El procesamiento de eventos es una forma de procesar datos e impulsar decisiones en tiempo real. Este procesamiento es un subconjunto de análisis de transmisión y los desarrolladores utilizan arquitecturas controladas por eventos para identificar eventos y desencadenar acciones posteriores.
  • La computación de borde se refiere a la implementación de la computación en dispositivos de borde e infraestructura de red.
  • La computación en la niebla es una arquitectura más generalizada que divide la computación entre entornos de computación de borde, de borde cercano y de nube.

Al diseñar soluciones que requieren análisis de borde, los arquitectos deben considerar las limitaciones físicas y de energía, los costos y la confiabilidad de la red, las consideraciones de seguridad y los requisitos de procesamiento.  

Razones para implementar análisis en el borde

Es posible que se pregunte por qué implementaría infraestructura en el borde para análisis. Hay consideraciones técnicas, de costos y de cumplimiento que influyen en estas decisiones.

Las aplicaciones que impactan la seguridad humana y requieren resiliencia en la arquitectura informática son un caso de uso para el análisis de borde. Las aplicaciones que requieren baja latencia entre las fuentes de datos, como los sensores de IoT y la infraestructura de computación analítica, son un segundo caso de uso que a menudo requiere análisis de borde. Ejemplos de estos casos de uso incluyen: 

  • Automóviles autónomos, máquinas automatizadas o cualquier medio de transporte en el que los sistemas de control estén automatizando la totalidad o parte de la navegación.
  • Edificios inteligentes que tienen controles de seguridad en tiempo real y quieren evitar tener dependencias de la red y la infraestructura de la nube para permitir que las personas entren y salgan del edificio de forma segura.
  • Ciudades inteligentes que rastrean el transporte público, implementan medidores inteligentes para facturación de servicios públicos y soluciones inteligentes de gestión de residuos. 

Las consideraciones de costos son un factor importante en el uso de análisis de borde en sistemas de fabricación. Considere un conjunto de cámaras que escanean los productos fabricados en busca de defectos mientras se encuentran en cintas transportadoras de movimiento rápido. Puede ser más rentable implementar dispositivos informáticos de vanguardia en la fábrica para realizar el procesamiento de imágenes, en lugar de tener instaladas redes de alta velocidad para transmitir imágenes de video a la nube.

Hablé con Achal Prabhakar, vicepresidente de ingeniería en Landing AI, una empresa de inteligencia artificial industrial con soluciones que se centran en la visión por computadora. "Las plantas de fabricación son bastante diferentes de las aplicaciones de análisis convencionales y, por lo tanto, requieren repensar la IA, incluida la implementación", me dijo Prabhakar. "Un área de gran enfoque para nosotros es implementar modelos de visión de aprendizaje profundo complejos con aprendizaje continuo directamente en las líneas de producción utilizando dispositivos de vanguardia capaces pero básicos".

La implementación de análisis en áreas remotas, como sitios de construcción y perforación, también se beneficia del uso de análisis e informática de borde. En lugar de depender de redes de área amplia costosas y potencialmente poco confiables, los ingenieros implementan una infraestructura de análisis de borde en el sitio para respaldar el procesamiento de análisis y datos necesarios. Por ejemplo, una empresa de petróleo y gas implementó una solución de análisis de transmisión con una plataforma informática distribuida en memoria hasta el borde y redujo el tiempo de perforación hasta en un 20 por ciento, de un promedio de 15 días a 12 días. 

El cumplimiento y la gobernanza de datos es otra razón para el análisis de borde. La implementación de la infraestructura localizada puede ayudar a cumplir con el GDPR y otras regulaciones de soberanía de datos al almacenar y procesar datos restringidos en los países donde se recopilan los datos.

Diseño de análisis para el borde

Desafortunadamente, tomar modelos y otros análisis e implementarlos en la infraestructura informática de borde no siempre es trivial. Los requisitos informáticos para procesar grandes conjuntos de datos a través de modelos de datos computacionalmente intensivos pueden requerir una reingeniería antes de ejecutarlos e implementarlos en la infraestructura informática de borde.

Por un lado, muchos desarrolladores y científicos de datos ahora aprovechan las plataformas de análisis de nivel superior que están disponibles en nubes públicas y privadas. El IoT y los sensores a menudo utilizan aplicaciones integradas escritas en C / C ++, que pueden ser un terreno desconocido y desafiante para los científicos e ingenieros de datos nativos de la nube.

Otro problema pueden ser los propios modelos. Cuando los científicos de datos trabajan en la nube y escalan los recursos informáticos bajo demanda a costos relativamente bajos, pueden desarrollar modelos complejos de aprendizaje automático, con muchas características y parámetros, para optimizar completamente los resultados. Pero al implementar modelos en la infraestructura de computación de borde, un algoritmo demasiado complejo podría aumentar drásticamente el costo de la infraestructura, el tamaño de los dispositivos y los requisitos de energía.

Discutí los desafíos de implementar modelos de inteligencia artificial en el borde con Marshall Choy, vicepresidente de producto en SambaNova Systems. “Los desarrolladores de modelos para aplicaciones de inteligencia artificial de borde se centran cada vez más en modelos muy detallados para lograr mejoras en la reducción de parámetros y los requisitos de cálculo”, señaló. "Los requisitos de formación para estos modelos más pequeños y muy detallados siguen siendo abrumadores".

Otra consideración es que la implementación de un sistema de análisis de borde altamente confiable y seguro requiere diseñar e implementar arquitecturas, sistemas, redes, software y modelos altamente tolerantes a fallas.

Hablé con Dale Kim, director senior de marketing de productos de Hazelcast, sobre los casos de uso y las limitaciones al procesar datos en el borde. Comentó que, si bien las optimizaciones de equipos, el mantenimiento preventivo, los controles de garantía de calidad y las alertas críticas están disponibles en el borde, existen nuevos desafíos como espacio de hardware limitado, accesibilidad física limitada, ancho de banda limitado y mayores preocupaciones de seguridad.

“Esto significa que la infraestructura a la que está acostumbrado en su centro de datos no necesariamente funcionará”, dijo Kim. "Por lo tanto, debe explorar nuevas tecnologías diseñadas teniendo en cuenta las arquitecturas de computación perimetral".

La próxima frontera en analítica

Los casos de uso más habituales de la analítica de borde en la actualidad son las funciones de procesamiento de datos, incluido el filtrado y las agregaciones de datos. Pero a medida que más empresas implementen sensores de IoT a escala, la necesidad de aplicar algoritmos de análisis, aprendizaje automático e inteligencia artificial en tiempo real requerirá más implementaciones en el borde. 

Las posibilidades en el borde hacen que el futuro de la computación inteligente sea muy emocionante a medida que los sensores se vuelven más baratos, las aplicaciones requieren más análisis en tiempo real y el desarrollo de algoritmos optimizados y rentables para el borde se vuelve más fácil.