El análisis perimetral proporciona una ventaja competitiva para el presupuesto y el flujo de trabajo de una organización.
Si bien la creación de la infraestructura para realizar análisis de datos en el borde representa una inversión inicial significativa, la carga del gasto se reduce con el tiempo. Con miles de millones de dispositivos conectados recopilando datos, y potencialmente cientos o miles de ellos en una sola organización, el almacenamiento de esos datos podría representar un enorme coste, incluso ahora que el coste del almacenamiento de datos está disminuyendo. Además, cuanto mayor sea la carga de datos y mayor la necesidad de analizarlos a gran velocidad, mayor será el coste del ancho de banda de transferencia y la arquitectura para mantener el flujo de información funcionando en tu organización.
El análisis perimetral también beneficia el flujo de trabajo de una organización porque facilita la toma de decisiones en tiempo real. No todas las empresas requieren análisis de crítico en tiempo real, pero sí como inteligencia artificial (IA) y aprendizaje automático (ML) las tecnologías evolucionan y se vuelven más aplicables al consumidor cotidiano, las organizaciones podrán utilizar los datos recopilados desde el borde para modificar y mejorar la experiencia del cliente para una mayor personalización del viaje de un comprador para personalizarlo y optimizarlo.
Caso de uso de Edge Analytics
El análisis perimetral puede ayudar con la gestión de flotas, por ejemplo, ya que los sensores de Internet de las cosas (IoT) en la flota ayudan con la seguridad, la protección y los recursos.
Por ejemplo, los vehículos automatizados y los automóviles sin conductor utilizan datos en tiempo real de sensores para evitar colisiones, gestionar la aceleración y desaceleración y activar respuestas automatizadas si el vehículo experimenta un mal funcionamiento. Esos datos urgentes no son del tipo que nadie querría transferir a través de una red a un centro de cómputo central para su análisis y luego devolverlos al vehículo con instrucciones sobre cómo responder. Cuando la seguridad es una preocupación, ese análisis debe realizarse en el sitio y de inmediato.
El análisis perimetral también puede ayudar en el mantenimiento de la flota. Antes de la recopilación de datos por parte de los sensores de IoT, los programas de mantenimiento de la flota normalmente se coordinaban en el centro de la organización y normalmente se realizaban a través de datos históricos. Después de 3.000 millas, un automóvil normalmente requeriría un cambio de aceite, según la opinión generalizada. Las redes modernas de IoT permiten a una organización utilizar sensores a bordo en tiempo real para recopilar datos sobre el rendimiento, las condiciones climáticas y de la carretera, y el comportamiento del conductor para crear una imagen en tiempo real in situ de cómo está funcionando el automóvil.
Edge Analytics como revolución industrial
El análisis de borde representa una especie de revolución industrial moderna. Así como la línea de montaje redujo las horas de trabajo necesarias para fabricar un producto, el análisis de borde también puede facilitar un salto adelante en la productividad como agente de control de calidad que no requiere pausas. El análisis de borde tiene el potencial de aumentar la máxima eficiencia.
A medida que los sensores dentro de una fábrica recopilan datos, el análisis de borde permite que esos datos se organicen, analicen y conviertan en mejoras procesables para el proceso de fabricación. Por ejemplo, en una fábrica que produce placas de circuito impreso para un producto electrónico, los sensores no sólo podrían monitorear el proceso automatizado de generar las placas de circuito con los componentes soldados, sino que también podrían recopilar datos sobre códigos de color de piezas eléctricas, altura y datos de ancho, uniones de soldadura y cantidad de componentes que forma parte de un circuito. Si los datos devuelven un componente colocado incorrectamente, una junta de soldadura en frío o un componente que no está asentado correctamente en el zócalo o en la placa de circuito impreso, entonces podría detenerse el ensamblaje.
Si a eso le sumamos la capacidad de recopilar datos sobre la temperatura en la fábrica y las condiciones de iluminación que pueden afectar la capacidad de los sensores para ver componentes codificados por colores, por ejemplo, el análisis in situ de los datos recopilados puede recomendar mejoras en tiempo real en la fabricación.
Enviar esos datos fuera del sitio no sólo consumiría mucho tiempo y sería costoso, sino que también podría exponer los datos a riesgos de seguridad. Si el producto fabricado representa secretos comerciales corporativos, propiedad intelectual o cuestiones de seguridad, el envío de datos de fabricación a través de una red lo abre a malware o robo.
Conclusión
El análisis perimetral o en el borde hace que el análisis de datos en tiempo real mediante IA y aprendizaje automático sea factible y pragmático.
Tu empresa puede beneficiarse de una imagen en constante evolución de tus operaciones, in situ, en entornos de fabricación, B2B o B2C. El análisis perimetral permite un uso más fluido y seguro de los datos en lugar de compartir información urgente, confidencial o de propiedad exclusiva a través de una red vulnerable.
Referencias: