Cómo demostrar el valor de la analítica en el ‘edge’

Al impulsar más capacidades analíticas allí donde se recogen los datos, las organizaciones están logrando una mayor capacidad de respuesta y eficiencia. He aquí tres historias de éxito de la analítica en el 'edge'.

0
7

El edge computing ofrece grandes ventajas potenciales para las empresas de diversos sectores. Este modelo de computación distribuida, que acerca el almacenamiento de datos y la analítica a las fuentes de datos, puede ofrecer a las organizaciones mejores tiempos de respuesta, menor latencia de la red, menores costes de ancho de banda e incluso mayor seguridad.

El edge computing ayuda a apoyar iniciativas como el Internet de las cosas (IoT), al permitir el procesamiento remoto de los datos recogidos por los objetos conectados. Sin este tipo de sistemas, la inmensa cantidad de datos generados por los dispositivos conectados podría sobrecargar fácilmente la infraestructura de datos central de una organización, o incurrir en costes significativos si se traslada a repositorios en la nube para su análisis.

Al trasladar más capacidades analíticas al edge, donde se recogen los datos, las organizaciones pueden lograr una mayor capacidad de respuesta y eficiencia. Estos son algunos ejemplos de cómo las organizaciones están desplegando la analítica en el edge para una variedad de casos de uso.

Seguridad vial
Trimble Transportation ofrece a sus clientes tecnologías como el enrutamiento y la optimización, el seguimiento y la visibilidad, y sistemas de seguridad y cumplimiento. Estos clientes, generalmente transportistas de mercancías, generan más de 10.000 millones de puntos de datos cada día desde sus dispositivos telemáticos en cabina. Eso incluye más de 50 variables como la temperatura del motor, la velocidad del turbo, la presión del aceite, la velocidad y los niveles de refrigerante.

Un número cada vez mayor de sensores de vehículos supervisan las métricas clave de rendimiento y alertan a los conductores de problemas como la baja presión de los neumáticos, las salidas de carril y los obstáculos de retroceso. Si bien esto ha permitido muchos avances en las tecnologías de seguridad, también genera un volumen masivo de datos que necesita ser procesado rápidamente para ser útil en tiempo real.

Para Trimble, la analítica en el edge ofrece una forma de proporcionar información más rápida. La empresa, que está creando una cadena de suministro conectada mediante el desarrollo de hardware y software para empresas de transporte y logística, está construyendo un sistema de red de centro y radios en el que la oficina trasera de un transportista es el «centro», dice Chris Orban, vicepresidente de ciencia de datos de Trimble.

El centro incluye aplicaciones como los sistemas de gestión del transporte, la recepción de pedidos, la seguridad y el cumplimiento, y otros sistemas operativos que se basan en los datos proporcionados por los «radios», dice Orban.

«Los radios en este modelo son los conductores de camiones que utilizan tecnología punta como ordenadores de a bordo, dispositivos electrónicos de registro y otros en la cabina mientras están en la carretera», señala Orban. «Estos dispositivos están conectados a la nube a través de redes 4G LTE y realizan muchos cálculos en el edge. Estos cálculos incluyen el seguimiento de las horas de servicio de un conductor, la presentación de informes sobre eventos de seguridad y el escaneo de documentos electrónicos, como la prueba de entrega».

La empresa lleva años utilizando alguna iteración de edge computing, desvela Orban, empezando cuando se reguló el seguimiento de los vehículos comerciales. Los primeros dispositivos electrónicos de Trimble instalados en las cabinas de los camiones transmitían información sencilla sobre la ubicación de los mismos, así como los niveles de combustible, «proporcionando comunicación a la oficina central en una época en la que no todos teníamos teléfonos móviles», afirma.

El principal motor de este sistema era la necesidad de las empresas de transporte de saber dónde se encontraban sus activos y la posibilidad de comunicarse con los conductores y los dispositivos que pudieran estar fuera de la cobertura de los móviles. «Los dispositivos tenían que funcionar al límite con los conductores, porque la comunicación por satélite podía ser su única opción de conectividad», añade..

Desde el punto de vista de la seguridad, todos los dispositivos de movilidad de Trimble interactúan entre el módulo de control del motor (ECM) de un camión comercial y las herramientas de seguridad propias y de terceros para proporcionar funciones como alertas de frenado brusco, advertencias de distancia de seguimiento y notificaciones de control de estabilidad de balanceo.

«En la cabina, el conductor puede recibir información inmediata sobre su comportamiento al volante y puede modificarlo eficazmente en tiempo real, o el dispositivo puede hacerlo por él», dice Orban. «Por ejemplo, si ven que están tomando una curva demasiado rápido y el control de estabilidad antivuelco se dispara, ese dispositivo puede realmente activar los frenos y reducir la velocidad del camión y llevarlo a un estado en el que ese control de estabilidad antivuelco ya no se dispare». Trimble también ofrece aplicaciones de vanguardia para calcular la fatiga de un conductor, basándose en sus horas de servicio. Otra gran área en la que Trimble está invirtiendo en sus capacidades de análisis de datos y edge computing es en el vídeo. «Hoy en día, muchos vehículos comerciales tienen cámaras instaladas en el camión, ya sea apuntando hacia afuera o hacia adentro en el tablero, en los espejos laterales, una cámara de reversa en la parte trasera, o todo esto. La cantidad de información que puede obtenerse de estas fuentes de datos visuales es inmensa».

La herramienta Video Intelligence de Trimble se activa cuando se produce un evento de seguridad, como una frenada brusca en la que el conductor pisa el freno para evitar una colisión. Estos vídeos pueden utilizarse para mitigar el riesgo de un conductor, para evitar la responsabilidad durante un accidente o para la formación de los conductores. «Hemos ido mucho más allá de la cámara de salpicadero estándar, hasta el punto de que ahora tenemos sistemas de vídeo verdaderamente integrados que pueden ayudar a un conductor en su trabajo mirando por el lado del camión para avisarle de la salida del carril, ayudarle a posicionarse correctamente en un muelle de carga, etc.», afirma Orban.

El equipo de ciencia de datos de Trimble está profundamente involucrado en sus ofertas de análisis en el edge, dice Orban. «Nuestro equipo invierte una gran cantidad de tiempo trabajando directamente con los clientes para entender sus necesidades específicas para su negocio», dice.

Normalmente, a medida que los clientes de Trimble comienzan a aplicar los sistemas de seguridad, observan una mejora incremental con el tiempo. «A menudo, experimentan una reducción de entre el 10% y el 15% en los accidentes evitables de sus conductores, a medida que aplican diferentes tipos de advertencias de eventos críticos, como los frenos duros, el control de estabilidad del balanceo, etc.», afirma Orban. «Ese tipo de soluciones de edge están cambiando literalmente el comportamiento del conductor que realiza estas acciones».

Control del tráfico
La ciudad de Las Vegas está utilizando edge computing, incluyendo un despliegue de IoT, para el control del tráfico y para automatizar las comunicaciones con los vehículos autónomos.

«Buscamos formas de mejorar la eficiencia operativa a la vez que proporcionamos beneficios a la comunidad», dice Michael Lee Sherwood, jefe de innovación del departamento de TI de la ciudad. «Edge computing permite a los sistemas IoT procesar datos críticos y proporcionar análisis y datos en tiempo real». El sistema de tráfico, conocido como Blackjack, utiliza una plataforma suministrada por Cisco que supervisa el flujo de tráfico y proporciona estadísticas de tráfico en tiempo real y capacidades para comunicarse con los vehículos autónomos.

Las Vegas comenzó a desplegar la tecnología edge computing en 2018 mientras trabajaba en soluciones de tráfico inteligente. Un impulsor clave para analizar los datos en el edge de la red vino de trabajar con empresas de vehículos autónomos que necesitaban datos casi en tiempo real, dice Sherwood.

«Edge computing permitió que los datos se analizaran y se ofrecieran al destinatario de una manera que proporcionaba lo mejor en velocidad», dice Sherwood. Visualizar los datos en un formato en tiempo real «permite a los responsables tomar decisiones más informadas».

La incorporación de la analítica predictiva y la inteligencia artificial (IA) está ayudando a tomar decisiones que están mejorando los flujos de tráfico, «y en un futuro próximo tendrá un impacto dramático en la reducción de la congestión del tráfico y en la mejora de los tiempos y resultados del tránsito», afirma Sherwood.

Para ayudar a reforzar sus operaciones de análisis de datos en general y en el edge, el gobierno de la ciudad está desarrollando un grupo de análisis de datos como una rama del departamento de TI. La Oficina de Datos y Análisis dirigirá el modo en que se gobiernan y utilizan los datos dentro de la organización, afirma Sherwood. «Vemos muchas oportunidades con las nuevas tecnologías que salen al mercado», dice. «Nuestro principal objetivo se ha centrado en crear nuestro equipo y trabajar en la gobernanza y la limpieza de las fuentes de datos».

Entre los beneficios de las primeras fases del despliegue se encuentra la posibilidad de que las intersecciones de tráfico ajusten el tiempo de señalización en función de los flujos de tráfico reales. Esto «es un indicio positivo de cómo estas nuevas tecnologías pueden ayudar realmente a crear soluciones que beneficien a todos en la comunidad», apunta Sherwood.

Dado que la IA desempeña ahora un papel en algunos de los sistemas inteligentes más recientes de la ciudad, la necesidad de edge computing y de análisis en el edge no hará más que crecer, afirma Sherwood.

La mayor parte de los retos de edge computing implican decidir qué procesamiento hacer en el edge, y cómo se almacenan los datos y durante qué período de tiempo, dice Sherwood. «Todavía estamos trabajando en este proceso, y cuantos más sistemas y proyectos piloto emprendemos, más aprendemos sobre el arte de lo posible y la realidad», afirma.

Estudio de la Tierra
Satellogic, una empresa que proporciona a clientes comerciales y gubernamentales imágenes geoespaciales de alta frecuencia y resolución y análisis de alta frecuencia y alta resolución, está llevando el concepto de edge computing al extremo.

La empresa, que fabrica sus propios satélites, está trabajando con varios socios, entre ellos el proveedor de software de análisis de grandes datos Palantir Technologies, para trasladar su análisis de datos al edge de su red, a bordo de sus satélites.

Satellogic está construyendo y operando una constelación de satélites que recogen imágenes multiespectrales e hiperespectrales, así como vídeo de movimiento completo, dice Gerardo Richarte, CTO y cofundador de la empresa.

«Cuando diseñamos y construimos nuestros primeros satélites (hace más de 10 años) sabíamos que teníamos que tomar decisiones en el límite», dice Richarte. «Nuestros primeros satélites volaron con hardware y software a bordo para aprovechar el edge computing, y estar integrados verticalmente significaba que podíamos ser muy ágiles en el desarrollo y prueba de nuevas tecnologías en órbita».

Al principio, el trabajo de computación por satélite era interno y experimental, dice Richarte. «A medida que nuestra base de clientes se amplió, empezamos a trabajar con ellos para transmitir sus algoritmos de procesamiento de imágenes en órbita», afirma.

Según Richarte, edge computing ofrece tres importantes mejoras a la experiencia de los clientes de Satellogic. «En primer lugar, nos permitirá ofrecer a los clientes alertas en tiempo real», afirma. «Cuanto más cerca estemos de la fuente de información, antes podremos generar y enviar las alertas que requiere cada uno de nuestros clientes».

En segundo lugar, la empresa puede tomar medidas en el edge, incluida la reasignación de tareas. «Cuando un algoritmo señala un objeto de interés concreto, podemos reasignar instantáneamente un satélite para que se fije en ese objeto, lo rastree o habilite un producto diferente, como una captura de vídeo en movimiento», explica Richarte.

Un algoritmo puede hacer que un satélite active instantáneamente una carga útil concreta para capturar datos que de otro modo se habrían perdido. El vídeo de movimiento completo (FMV), por ejemplo, «es una aplicación excelente para la IA de edge, ya que puede resultar fundamental para ciertos tipos de toma de decisiones», afirma Richarte. «Pero [es] demasiado intensivo en datos para ejecutarlo de forma continua». Los algoritmos de edge AI programados según las necesidades precisas del cliente pueden definir los parámetros para aprovechar el FMV de Satellogic junto con otros datos y cargas útiles de alto coste, afirma.

Por último, edge computing puede aprovecharse para priorizar el transporte de datos. «Las conexiones remotas desde la órbita a tierra tienen un ancho de banda limitado, y la descarga de datos puede tardar más de lo que requieren ciertas aplicaciones», afirma Richarte. «Al ejecutar los datos del satélite a través de algoritmos en el edge, podemos orquestar el transporte de datos según las prioridades y objetivos de cada cliente».

Artículo anteriorEl mercado de servicios de TI crece por encima del 3% en 2021
Artículo siguienteLos CIO apuestan por una estrategia “sin contraseñas”