Soluzioni edge per processi decisionali in tempo reale

I dispositivi edge sono nodi della rete che eseguono attività di elaborazione in corrispondenza o prossimità della sede fisica dell'utente o della sorgente di dati. Presenti in qualsiasi settore, spaziano dai dispositivi di pagamento (POS) del negozio di alimentari al braccio robotico che costruisce le autovetture.

I dispositivi utilizzati all'edge, tuttavia, possono complicare i processi aziendali perché registrano grandi quantità di dati che devono essere elaborati presso un cloud centrale e poi restituiti al dispositivo edge che li utilizzerà. Questa serie di trasferimenti allunga i processi rendendoli più complessi, rallenta le operazioni e restituisce dati che possono essere già obsoleti e poco pertinenti.

Sempre più organizzazioni si trovano ad affrontare nuove sfide:

• Desiderano implementare nuovi scenari di utilizzo che richiedono applicazioni sensibili alla latenza.
• Devono elaborare elevati volumi di dati che richiedono tempo per essere inviati al cloud pubblico.
• Devono poter prendere decisioni rapide per reagire tempestivamente agli stimoli della concorrenza e alle aspettative dei clienti.

Per risolvere con efficacia queste complessità, servono soluzioni in grado di utilizzare l'analisi dei dati e l'intelligenza artificiale per velocizzare il processo decisionale all'edge.

Di seguito sono illustrati alcuni esempi specifici di settori in cui l'elaborazione dei dati in tempo reale e un processo decisionale intelligente incidono positivamente sui vari aspetti coinvolti nonché sui risultati.

Settore manifatturiero 
Negli ambienti della produzione manifatturiera l'integrazione dell'IA con i sistemi di ispezione visiva può migliorare il controllo qualità e la sicurezza degli addetti. I modelli di IA possono infatti rilevare in tempo reale i rischi legati alla sicurezza o i difetti dei prodotti in una catena di montaggio, rendendo le ispezioni più accurate e individuando i problemi nelle fasi iniziali del processo produttivo. Per ottenere questi risultati, i dati devono essere elaborati dai modelli di IA e quindi resi immediatamente fruibili dai dispositivi.

L'uso dei dispositivi per identificare e analizzare gli oggetti del mondo reale è noto come visione artificiale. Questo approccio richiede l'uso di una soluzione edge capace di operare con più dispositivi che hanno abilità di elaborazione diverse ma che funzionano come una piattaforma unificata.

Perché il futuro del settore manifatturiero dipenderà dall'open source

Vendita al dettaglio 
Nel settore della vendita al dettaglio, l'edge computing e l'IA migliorano l'esperienza dei clienti e l'efficienza operativa. I sistemi basati sull'IA, ad esempio, gestiscono gli inventari monitorando in modo automatico la disponibilità dei prodotti in stock e avviando l'approvvigionamento quando necessario. I dispositivi edge possono offrire esperienze di acquisto e promozioni personalizzate direttamente nel punto vendita, elaborando i dati dei clienti in locale e in tempo reale.

Per adottare sistemi di questo tipo l'azienda deve gestire i dati provenienti dai dispositivi all'edge con una soluzione edge unificata in grado di integrare l'accelerazione hardware dell'IA. È inoltre indispensabile che i sistemi siano integrati, così da evitare l'invio di dati non accurati, come ad esempio le offerte di articoli non presenti in magazzino.

Sanità L'
edge computing sta trasformando i servizi sanitari con l'analisi in tempo reale e in loco degli esami diagnostici, come accade con i dispositivi all'edge dotati di capacità IA che possono agevolare l'analisi delle immagini ecografiche. Queste funzionalità velocizzano le decisioni del personale medico, dimostrandosi determinanti per le vite dei pazienti, in luoghi in cui i tecnici qualificati scarseggiano. Queste applicazioni sanitarie richiedono soluzioni edge capaci di salvaguardare i dati riservati, applicare gli standard di sicurezza e mettere in sicurezza la catena di distribuzione del software.

Benché questi scenari di utilizzo possano trasformare le aziende, e persino incidere in maniera determinante sulle vite dei pazienti, la loro adozione è ancora lenta e complessa. Di seguito alcuni ostacoli specifici e le modalità individuate per superarli.

Gestione locale di grandi volumi di dati
La maggior parte dei dispositivi e dei sensori all'edge genera grandi quantità di dati che non possono essere elaborati nel modo tradizionale, ovvero con l'invio dei dati a un datacenter centrale, a causa dei limiti di latenza e larghezza di banda. L'elaborazione e l'analisi dei dati, se effettuate all'edge, evitano la trasmissione di grandi quantità di dati, diminuiscono la latenza e promuovono l'efficienza.

Elaborazione di attività complesse
L'esecuzione di processi decisionali intelligenti all'edge richiede applicazioni in grado di elaborare i dati sull'hardware dell'edge stesso. Per questi dispositivi è necessaria una capacità di elaborazione aggiuntiva, oppure la possibilità di utilizzare quella esistente in modo più efficiente.

Se i dispositivi edge integrano l'IA, è inoltre necessaria una piattaforma applicativa che ne garantisca la scalabilità.

Protezione della privacy e sicurezza
L'aumento della quantità di dati elaborati all'edge può provocare nuove vulnerabilità alla catena di distribuzione. Ad esempio, la memorizzazione di dati sanitari riservati su un dispositivo edge incrementa la superficie d'attacco vulnerabile. Per tutelare la privacy e i dati sensibili occorre una piattaforma in grado di integrare i protocolli di sicurezza nelle procedure DevOps e nei processi di IA.

Non esiste un'unica soluzione in grado di soddisfare i requisiti esclusivi per l'edge di ogni organizzazione. Per estendere l'ambiente di cloud ibrido open source alle posizioni principali, al cloud e all'edge, è indispensabile una piattaforma unificata che garantisca svariate funzionalità, capacità e integrazioni dei partner. Ciò permette di sviluppare ed eseguire qualsiasi carico di lavoro, ovunque sia necessario.

L'incorporazione dell'IA in questo approccio integrato fornisce flessibilità nel cloud ibrido e permette l'aggiunta dei dati del cliente a modelli fondativi preaddestrati o personalizzati che semplificano l'utilizzo dei più diffusi acceleratori hardware e software. L'approccio di Red Hat all'IA all'edge permette di sfruttare svariati vantaggi.

Ottieni flessibilità e coerenza maggiori con una piattaforma applicativa

Le nostre soluzioni sono basate su Red Hat® OpenShift®, una singola piattaforma applicativa che amplia le funzionalità di Kubernetes dal core al cloud agli ambienti di edge computing. Per gli scenari di utilizzo specifici all'edge offre opzioni che vanno dai cluster a più nodi ad alta disponibilità alle topologie a singolo nodo con fattori di forma di dimensioni inferiori. Queste opzioni velocizzano il processo decisionale all'edge fornendo deployment flessibili e scalabili, adatti agli ambienti più remoti.

Oltre alla flessibilità, Red Hat OpenShift garantisce la coerenza indispensabile agli sviluppatori per realizzare applicazioni che possono poi essere distribuite ovunque, e ai team delle operazioni per gestire un singolo ambiente nella sua totalità, dal core al cloud fino all'edge. Gli sviluppatori potranno utilizzare gli strumenti e i processi a loro familiari, semplificando così le attività di configurazione, deployment, provisioning, gestione e monitoraggio anche degli ambienti containerizzati più grandi. Red Hat OpenShift offre un'esperienza uniforme indipendentemente dall'ubicazione delle applicazioni, che siano in sede, in un cloud pubblico, in una fabbrica, in un ospedale o perfino in orbita nello spazio.

Beneficia di soluzioni pensate per l'IA

Red Hat OpenShift è una piattaforma scalabile adatta ai carichi di lavoro IA, che fornisce anche l'accesso ai più diffusi acceleratori hardware. Inoltre Red Hat OpenShift AI offre ai team funzionalità affidabili e coerenti a livello operativo per mettere alla prova le proprie competenze, fornire modelli ed erogare applicazioni innovative. Ciò contribuisce ad agevolare la personalizzazione delle esperienze dei clienti e offre visibilità e gestione migliorate delle risorse negli impianti produttivi e in loco, un aspetto fondamentale soprattutto per i carichi di lavoro IA utilizzati nella visione artificiale.

Sfrutta una progettazione funzionale all'edge

I dispositivi all'edge remoto sono vincolati a dimensioni e risorse contenute. Una piattaforma progettata per operare con configurazioni ottimizzate può essere utilizzata con dispositivi edge personalizzati per l'esecuzione di attività specifiche. I team possono gestire ogni attività con un unico set di strumenti e processi a loro già conosciuti. Red Hat Device Edge offre opzioni di deployment ottimizzate con orchestrazione dei container facoltativa, che permette l'elaborazione dei dati in locale e l'esecuzione di carichi di lavoro di AI/ML, garantendo latenza ridotta e pieno supporto al processo decisionale in tempo reale.

Ottieni affidabilità con una base robusta

Red Hat Enterprise Linux®, il principale sistema operativo di Red Hat, offre una base stabile incentrata sulla sicurezza per l'esecuzione dei carichi di lavoro IA con modalità scalabili. Supporta le applicazioni sensibili alla latenza permettendo ai modelli di IA di funzionare in modo efficiente su numerosi hardware, dai dispositivi all'edge ai datacenter centrali.

Questa flessibilità facilita il deployment delle applicazioni di AI/ML nell'intera infrastruttura, con prestazioni e affidabilità uniformi. Ciò si traduce nella possibilità di utilizzare l'intelligence dei dati in modo efficiente per ottimizzare le operazioni, migliorare l'esperienza dei clienti e offrire loro prodotti e servizi avanzati.

Amplia i vantaggi dell'automazione all'edge

Considerate le centinaia di migliaia di passaggi e configurazioni necessarie, eseguire con scalabilità le attività di connessione all'edge non è semplice. Red Hat Ansible® Automation Platform è in grado di rendere scalabili le capacità per i carichi di lavoro di automazione locali e remoti. Grazie ai controlli di integrità incorporati, che determinano i nodi ottimali su cui eseguire i processi di automazione, Ansible Automation Platform garantisce il funzionamento dell'intera infrastruttura IT.

Sfrutta le opportunità delle partnership globali e dell'IA all'edge

I partner hardware di Red Hat, come NVIDIA, Intel e AMD, offrono soluzioni capaci di gestire i carichi di lavoro IA con utilizzo intensivo dell'hardware all'edge e che si integrano con i prodotti open source di Red Hat.