Soluções de edge para decisões em tempo real

Os dispositivos de edge são nós de rede que processam dados na localização física dos usuários ou nas proximidades das fontes de dados. Eles existem em quase todos os setores, da maquininha de cartão (point-of-sale machine ou POS) no mercado de bairro até o braço robótico que monta seu carro.

Mas as empresas enfrentam um importante desafio na edge: frequentemente, elas monitoram uma grande quantidade de dados que precisam ser enviados de volta para a nuvem central e processados antes de retornarem ao dispositivo para ação Essa jornada adiciona tempo e complexidade ao processo, deixando as operações mais lentas e os dados obsoletos e menos relevantes.

Cada vez mais organizações:

• Desejam implementar novos casos de uso, o que depende de aplicações sensíveis à latência.
• Precisam processar grandes volumes de dados, que demoram a serem enviados para a nuvem pública.
• Precisam tomar decisões rápidas para responder às crescentes expectativas de clientes e à evolução dos concorrentes.

Diante desses novos desafios, as organizações necessitam de análise de dados em tempo real e inteligência artificial (IA) na edge para tomar decisões informadas com mais rapidez.

Exploraremos alguns exemplos de setores nos quais o processamento de dados em tempo real e a tomada de decisões informadas podem fazer uma grande diferença.

Manufatura 
Nesses ambientes , a integração entre IA e sistemas de inspeção visual pode melhorar o controle de qualidade e a proteção dos funcionários. Os modelos de IA conseguem detectar defeitos ou riscos de segurança em artigos na linha de produção em tempo real. Assim, as inspeções se tornam mais precisas e os problemas são identificados no início do processo de produção. No entanto, para isso, os dados precisam ser processados pelo modelo de IA e usados pelo dispositivo rapidamente.

A utilização de dispositivos para identificar e entender objetos reais dessa maneira é conhecida como visão computacional. Negócios que adotam a visão computacional precisam de uma solução de edge que funcione em diversos dispositivos com capacidades de processamento diferentes, operando em uma plataforma unificada.

Por que o futuro da manufatura depende do open source 

Varejo 
No setor de varejo, a edge computing e a IA podem melhorar a experiência dos clientes e a eficiência operacional. Por exemplo, sistemas de IA conseguem gerenciar inventários por meio do monitoramento automático de níveis de estoque, iniciando a reposição conforme necessário. Dispositivos de edge também podem fazer o processamento local dos dados de clientes para oferecer promoções e experiências de compra personalizadas diretamente no ponto de venda, tudo em tempo real.

Para implementar sistemas como esses, a empresa precisa gerenciar os dados dos dispositivos de edge em uma solução unificada com acesso a aceleração de hardware por IA. É muito importante que os sistemas sejam integrados para evitar o envio de dados imprecisos, como ofertas baseadas em inventários desatualizados.

Saúde 
A edge computing está transformando os serviços de saúde com análises de diagnósticos clínicos em tempo real, nos locais de atendimento. Por exemplo, dispositivos de edge com IA podem auxiliar na interpretação de imagens de ultrassom no consultório. Em locais com poucos técnicos especializados, esses recursos podem acelerar decisões médicas e salvar vidas. Esse tipo de aplicação precisa de uma solução de edge que preserve a privacidade dos dados, assegure a conformidade com os padrões de segurança e proteja a cadeia de suprimentos de software.

Esses casos de uso têm o potencial de transformar negócios e até mesmo salvar vidas, mas existem alguns obstáculos à sua implementação. Confira alguns dos desafios específicos e como superá-los.

Processamento local de volumes de dados massivos
A maioria dos dispositivos e sensores de edge geram uma enorme quantidade de dados. Os métodos de processamento de dados tradicionais, que os enviam de volta para o data center central, podem se tornar inviáveis devido a restrições de latência e largura de banda. O processamento e análise de dados na edge elimina a necessidade de transmitir grandes quantidades de dados, reduzindo a latência e aumentando a eficiência.

Processamento de tarefas mais complexas
Para tomar decisões informadas na edge, as aplicações precisam processar dados no próprio hardware de edge. Por isso, a capacidade de processamento desses dispositivos deve ser maior ou utilizada com mais eficiência.

Além disso, a integração da IA em dispositivos de edge exige uma plataforma de aplicações para que eles possam ser escalados.

Garantia de privacidade e segurança
O aumento do volume de dados processados na edge gera novas vulnerabilidades para a cadeia de suprimentos. Por exemplo, armazenar dados confidenciais de pacientes em um dispositivo de edge cria uma superfície de ataque vulnerável. Para proteger a privacidade e a confidencialidade dos dados, você precisará de uma plataforma que ajude a operacionalizar os protocolos de segurança como parte do seu processo de DevOps e IA.

Reconhecemos que toda organização tem seus requisitos de edge, e que nenhuma solução pode atender a todos. Uma plataforma unificada com uma ampla variedade de funcionalidades, recursos e integrações de parceiros pode expandir seu ambiente de nuvem híbrida aberta para locais centrais, de edge e de nuvem. Assim, você pode desenvolver e executar suas cargas de trabalho em qualquer lugar.

Adotar a IA com essa abordagem integrada oferece flexibilidade na nuvem híbrida. Ela também permite incluir dados dos clientes em modelos de base personalizados e pré-treinados, deixando sua empresa livre para usar vários aceleradores de hardware e software. Ao utilizar a abordagem da Red Hat para a IA na edge você:

Ganha flexibilidade e consistência com uma plataforma de aplicações

Nossas soluções começam com o  Red Hat® OpenShift®, uma plataforma de aplicações unificada que amplia as funcionalidades do Kubernetes no núcleo, na nuvem e nos ambientes de edge computing. Para usos específicos da edge, ele oferece opções que vão de clusters multinode de alta disponibilidade a topologias de único nó com formato compacto. Assim, sua organização pode tomar decisões rápidas, oferecendo opções de implantação flexíveis e escaláveis, personalizadas para seus ambientes de edge.

Além da flexibilidade, o Red Hat OpenShift oferece a tão necessária consistência. Assim, os desenvolvedores só precisam escrever um código para que a aplicação seja implantada em qualquer lugar, o que permite que as equipes operacionais gerenciam um ambiente unificado, com núcleo, nuvem e edge. Ele também permite que os desenvolvedores utilizem ferramentas e processos que já conhecem, reduzindo o esforço de configuração, implantação, provisionamento, gerenciamento e monitoramento até mesmo nos maiores ambientes em containers. Com o Red Hat OpenShift, você obtém essa experiência consistente onde quer que suas aplicações estejam: on-premises, na nuvem pública, em uma fábrica, no hospital ou até mesmo em órbita.

Crie com IA

Além disso, o Red Hat OpenShift é escalável e adequado para cargas de trabalho de IA, com acesso a conhecidos aceleradores de hardware. E o Red Hat OpenShift AI oferece recursos com consistência operacional para as equipes experimentarem, disponibilizarem modelos e entregarem aplicações inovadoras. Isso ajuda a personalizar as experiências dos clientes e melhorar a visibilidade e o gerenciamento de recursos no chão de fábrica ou em campo. Ele é especialmente importante caso você esteja executando cargas de trabalho de IA, como as utilizadas na visão computacional.

Projete para a edge

Dispositivos na borda da edge são limitados, com uma área de ocupação pequena e poucos recursos. Nesses casos, utilizar uma plataforma projetada para funcionar em configurações lightweight é importante porque ela pode ser implantada em dispositivos de edge criados para tarefas específicas. E você pode gerenciar tudo isso com um conjunto de ferramentas e processos que suas equipes já conhecem.O Red Hat Device Edge oferece opções de implantação lightweight com orquestração de containers opcional. Isso possibilita o processamento de dados e a execução de cargas de trabalho de IA e ML no local, minimizando a latência e viabilizando a tomada de decisões em tempo real.

Comece com uma base confiável

O Red Hat Enterprise Linux®, principal sistema operacional da Red Hat, oferece uma base estável e com foco na segurança para executar cargas de trabalho de IA em escala. Com suporte à aplicações sensíveis à latência, ele permite que os modelos de IA operem com eficiência em vários tipos de hardware, de dispositivos de edge a data centers principais.

Essa flexibilidade possibilita a implantação de aplicações de IA e ML em toda a infraestrutura, com desempenho consistente e confiabilidade. Como resultado, você pode usar a inteligência de dados com mais eficiência para otimizar operações, incrementar as experiências dos clientes e oferecer melhores soluções e serviços para os consumidores.

Leve as vantagens da automação até a edge

Escalar operações para se conectarem à edge pode ser desafiador devido às centenas de milhares de etapas e configurações necessárias.O  Red Hat Ansible® Automation Platform escala a capacidade das cargas de trabalho de automação locais e remotas com alta confiabilidade. Com verificações de integridade nativas que determinam os nós ideais para executar tarefas de automação, o Ansible Automation Platform garante a estabilidade da sua infraestrutura de TI.

Aproveite todo o potencial das parcerias globais e da IA na edge

Os parceiros de hardware da Red Hat, como NVIDIA, Intel e AMD, oferecem soluções capazes de processar cargas de trabalho de IA com alta demanda de hardware na edge e que se integram com suas soluções open source.