Soluciones de edge computing para decisiones inmediatas

Los dispositivos del extremo de la red son nodos que realizan tareas informáticas en la ubicación física de un usuario o fuente de datos, o cerca de ella. Están presentes en casi todos los sectores, desde la máquina de punto de venta de su supermercado hasta el brazo robótico que monta su auto.

Sin embargo, las empresas se enfrentan a un desafío clave: suelen rastrear grandes cantidades de datos y tienen que enviarlos de vuelta a una nube central para su procesamiento antes de que regresen al dispositivo para su uso. Esto hace que el proceso lleve más tiempo y sea más complejo, lo cual ralentiza las operaciones y genera datos más antiguos y menos relevantes.

En la actualidad, cada vez más empresas:

• Desean implementar nuevos casos prácticos, para lo cual requieren aplicaciones que respondan con rapidez ante eventos específicos.
• Deben procesar grandes volúmenes de datos, que tardan en enviarse a una nube pública.
• Necesitan la capacidad de tomar decisiones rápidas para responder a las expectativas de los clientes y la competencia en constante evolución.

Para hacer frente a estos nuevos desafíos, las empresas necesitan contar con soluciones que les permitan utilizar el análisis de datos en tiempo real y la inteligencia artificial para tomar decisiones inteligentes en el extremo de la red.

Analicemos algunos ejemplos específicos de diferentes sectores en los que el procesamiento de datos en tiempo real y la toma de decisiones inteligentes pueden marcar una gran diferencia.

Fabricación 
En los entornos de fabricación, la integración de la inteligencia artificial con los sistemas de inspección visual puede mejorar el control de calidad y la seguridad de los empleados. Los modelos de inteligencia artificial pueden detectar en tiempo real posibles riesgos para la seguridad o fallos en los productos de una cadena de montaje, lo cual permite que las inspecciones sean más precisas y que los problemas se localicen en una fase más temprana del proceso de fabricación. Sin embargo, es necesario que el modelo de inteligencia artificial procese los datos y que el dispositivo reaccione con rapidez.

El uso de dispositivos para identificar y comprender objetos reales de esta manera se denomina visión artificial. Las empresas que emplean este método necesitan disponer de una solución de edge computing que admita diversos dispositivos con distintas potencias informáticas, y que todo funcione como una plataforma unificada.

Los motivos por los cuales el futuro de la fabricación se basará en el open source

Comercio minorista 
En el sector minorista, el edge computing y la inteligencia artificial pueden mejorar la experiencia de los clientes y la eficiencia operativa. Por ejemplo, los sistemas basados en inteligencia artificial pueden supervisar automáticamente los niveles de existencias y proceder a la reposición cuando sea necesario para gestionar el inventario. Además, los dispositivos del extremo de la red pueden procesar los datos de los clientes de manera local para ofrecer promociones y experiencias de compra personalizadas directamente en el punto de venta, todo ello en tiempo real.

Para implementar este tipo de sistemas, las empresas deben gestionar los datos de los dispositivos del extremo de la red a través de una solución de edge computing unificada con acceso a la aceleración de hardware de inteligencia artificial. Sin embargo, lo más importante es que estos sistemas se integren para que no se envíen datos erróneos, como ofertas sobre existencias agotadas.

Sector de la salud 
El edge computing está transformando la prestación de servicios de atención médica con el análisis de diagnósticos clínicos en tiempo real en el lugar de atención. Por ejemplo, los dispositivos del extremo de la red que incorporan funciones de inteligencia artificial pueden interpretar las imágenes de ultrasonidos en las instalaciones. Esta función puede agilizar las decisiones médicas y tiene el potencial de salvar vidas en aquellas zonas en las que no haya suficiente personal capacitado. Una aplicación de salud como esta requiere una solución de edge computing que garantice la protección de los datos personales, aplique las normas de seguridad y resguarde la cadena de suministro de software.

Si bien estos casos prácticos ofrecen la posibilidad de transformar el mundo empresarial, e incluso de salvar vidas, su implementación presenta diversos obstáculos. A continuación, se exponen algunos desafíos específicos y la forma de abordarlos.

Gestión local de grandes volúmenes de datos
La mayoría de los dispositivos y sensores del extremo de la red generan una gran cantidad de datos. Debido a las limitaciones de latencia y ancho de banda, los métodos tradicionales de procesamiento de datos que los envían a un centro de datos principal pueden no ser viables. Si se procesan y analizan directamente en el extremo, no es necesario transferir grandes cantidades de datos, lo cual reduce la latencia y aumenta la eficacia.

Procesamiento de tareas más complejas
Con frecuencia, la toma de decisiones inteligentes en el extremo requiere que las aplicaciones procesen los datos en el propio hardware y, por lo tanto, los dispositivos deben contar con una mayor capacidad de procesamiento o usar la que ya poseen de modo más eficiente.

Además, cuando se integra la inteligencia artificial en los dispositivos del extremo de la red, hace falta disponer de una plataforma de aplicaciones que se adapte con ellos.

Garantía de privacidad y seguridad
El aumento del volumen de datos que se procesan en el extremo de la red genera nuevos puntos vulnerables en la cadena de suministro; por ejemplo, el almacenamiento de datos de salud confidenciales en un dispositivo del extremo de la red crea una superficie de ataque vulnerable. A fin de preservar la privacidad y la confidencialidad de la información, deberá contar con una plataforma que posibilite la aplicación de protocolos de seguridad como parte del proceso de DevOps e inteligencia artificial.

Somos conscientes de que cada empresa tiene sus propios requisitos relacionados con edge computing y de que no existe una única solución que pueda abordarlos todos. Por ello, el uso de una plataforma unificada que ofrezca una gran variedad de características, funciones e integraciones con los partners puede ampliar su entorno de nube híbrida abierta en el núcleo, la nube y el extremo de la red, de modo que pueda desarrollar y ejecutar las cargas de trabajo que desee en cualquier parte.

La incorporación de la inteligencia artificial con este enfoque integrado aporta flexibilidad en toda la nube híbrida. Además, permite agregar los datos de sus clientes a modelos base entrenados previamente o seleccionados, lo cual otorga a su empresa la posibilidad de utilizar diversos aceleradores de hardware y software. Con el enfoque de Red Hat respecto a la inteligencia artificial en el extremo de la red, obtendrá distintas ventajas:

Aumento de la flexibilidad y la uniformidad con una plataforma de aplicaciones

Las soluciones que ofrecemos parten de Red Hat® OpenShift®, que es una plataforma de aplicaciones única que amplía las funciones de Kubernetes, desde el núcleo hasta los entornos de nubes y de edge computing. En el caso de los usos específicos del extremo de la red, ofrece distintas opciones, como clústeres con varios nodos de alta disponibilidad o topologías de un solo nodo con un factor de forma reducido. Esto permite que su empresa tome decisiones rápidas, ya que ofrece alternativas de implementación flexibles y con capacidad de ajuste que se adaptan a sus entornos del extremo de la red.

Red Hat OpenShift, además de flexibilidad, aporta la uniformidad que tanto necesitaban los desarrolladores, que ahora pueden escribir una aplicación una sola vez y luego implementarla en distintos lugares, y los equipos de operaciones, que pueden gestionar un único entorno, desde el núcleo hasta los entornos de nube y del extremo de la red. También facilita a los desarrolladores el uso de herramientas y procesos con los que ya están familiarizados, lo cual agiliza la configuración, la implementación, la preparación, la gestión y la supervisión de los entornos, incluso aquellos en los que se utilizan contenedores más grandes. Gracias a esta plataforma, disfrutará de una experiencia uniforme dondequiera que se encuentren sus aplicaciones, ya sea en las instalaciones, en una nube pública, en una fábrica o un hospital, o incluso en el espacio.

Diseño para la inteligencia artificial

Además, Red Hat OpenShift ofrece una plataforma flexible y adecuada para las cargas de trabajo de inteligencia artificial, con acceso a los aceleradores de hardware más conocidos. Por su parte, Red Hat OpenShift AI proporciona funciones uniformes en términos operativos para que los equipos realicen pruebas, pongan los modelos a disposición de la etapa de producción y distribuyan aplicaciones innovadoras. De este modo, puede contribuir a personalizar las experiencias de los clientes y a mejorar la visibilidad y la gestión de los recursos en la fábrica o fuera de ella. Esta característica reviste especial importancia si utiliza cargas de trabajo de inteligencia artificial, como las que se emplean en la visión artificial.

Diseño para el extremo de la red

Los dispositivos del extremo de la red disponen de poco espacio y pocos recursos. Por ello, es importante utilizar una plataforma que esté diseñada para funcionar en configuraciones ligeras, ya que podrá implementarla en los dispositivos de la red creados para tareas específicas. Además, puede gestionar todo el sistema con un conjunto de herramientas y procesos que ya conozcan sus equipos.Red Hat Device Edge ofrece opciones de implementación ligera con la posibilidad de organizar en contenedores. Esto permite el procesamiento local de datos y la ejecución de cargas de trabajo de inteligencia artificial y machine learning (aprendizaje automático), lo que reduce la latencia y permite tomar decisiones inmediatas.

Uso de una base confiable desde el comienzo

Red Hat Enterprise Linux®, el sistema operativo principal de Red Hat, ofrece una base estable y centrada en la seguridad para ejecutar cargas de trabajo de inteligencia artificial según sea necesario. Es compatible con aplicaciones que responden con rapidez ante eventos específicos, por lo que los modelos de inteligencia artificial pueden funcionar de manera eficiente en distintos tipos de hardware, desde dispositivos del extremo de la red hasta centros de datos principales.

Gracias a esta flexibilidad, podrá implementar aplicaciones de inteligencia artificial y machine learning en toda su infraestructura, sin perder su rendimiento y confiabilidad. De este modo, puede utilizar la inteligencia de datos con mayor eficiencia para optimizar las operaciones, mejorar la experiencia de los clientes y ofrecerles productos y servicios de mayor calidad.

Las ventajas de la automatización en el extremo

El ajuste de las operaciones para conectarse al extremo de la red puede suponer un desafío debido a la gran cantidad de pasos y configuraciones que se necesitan para ello.Red Hat Ansible® Automation Platform ajusta de modo confiable la capacidad de las cargas de trabajo de automatización locales y remotas. La función integrada de comprobación del estado permite determinar los nodos óptimos en los que deben ejecutarse las tareas de automatización, por lo que la plataforma es la solución ideal para mantener su infraestructura de TI en funcionamiento.

El poder de las asociaciones internacionales y la inteligencia artificial en el extremo de la red

Los partners de hardware de Red Hat (como NVIDIA, Intel y AMD) ofrecen soluciones que se integran a nuestros productos open source y que permiten gestionar aquellas cargas de trabajo de inteligencia artificial que hacen un uso intensivo del hardware en el extremo de la red.