Durante mucho tiempo se consideró que este término era solamente un aspecto teórico, parte del “buzzword” relacionado con Transformación Digital, o Industria 4.0. Esto hacía que muchos empresarios observaran este concepto con escepticismo y desde una prudente distancia.
Consideremos por un momento, ¿Qué elementos de hardware y software requeriríamos para poder procesar un gran volumen de información proveniente de cientos o miles de dispositivos IoT, conectados a las líneas de proceso de una gran planta de ensamblaje automotriz?, por ejemplo. Seguramente coincidiríamos en recapitular en elementos como servidores, aplicativos, máquinas virtuales con gran capacidad de procesamiento y memoria, y no estaríamos equivocados.
Ahora, pensemos por otra parte, ¿Cuánto costaría a una empresa adquirir todos esos elementos para poder procesar y analizar la información de sus líneas de producción con el objetivo de identificar áreas para hacer más eficientes dichos procesos?, y adicionalmente impactar indicadores clave, como es OEE (Overall Equipment Effectiveness), que de una manera muy sintetizada nos permite evaluar la salud de la operación.
Para muchas empresas medianas de manufactura, los costos asociados a la adquisición de soluciones para análisis y procesamiento de datos suelen ser elevados, y por ende no pueden costear su adquisición, razón por la cual, la búsqueda de alternativas más económicas y flexibles motivó el desarrollo de técnicas como Edge Computing, que permite llevar a cabo el procesamiento y análisis de datos ligeros (no de gran volumen) utilizando las capacidades de cómputo de la misma infraestructura de red, para ello, se tuvieron que desarrollar nuevas generaciones de equipo para comunicaciones en entornos industriales, en los cuales, los equipos cuentan con un hipervisor embebido, con una máquina virtual y un sistema operativo ligero como Linux. Con ello fue posible compilar aplicaciones en contenedores docker que podían ser instaladas en la pequeña máquina virtual en la memoria de estos equipos para ejecutar desde algoritmos, aplicaciones, o incluso software especializado para la detección de amenazas cibernéticas (Cyber Vision).
La siguiente figura ilustra este concepto.
Desde el punto de vista de negocio, la aplicación de Edge Computing permite entre otros beneficios los siguientes:
• Reducir los costos y tiempos de implementación de soluciones para el procesamiento de datos ligeros.
• Aprovechamiento del análisis de información para generar eficiencias en el proceso de producción (OEE, eficiencia energética, ajuste automático de variables, etc.)
• Reducir el riesgo de exposición a ciber ataques instalando un contenedor con un sensor de seguridad (Cyber Vision).
• Complementado con procesos Ágiles y de CI/CD, habilita la optimización rápida de los procesos de producción
El futuro de la toma de decisiones de proceso y de negocio basadas en datos (Data-Driven Decision Making) en la manufactura, contará con algunas tecnologías complementarias como fundamento de esta visión, tales como Edge Computing, Machine Learning, Artificial Intelligence, y Deep Learning. Aquellas empresas con estas capacidades en su infraestructura verán los beneficios reflejados en una mayor agilidad y optimización de sus procesos, menores mermas, menores costos operativos, y una mayor rentabilidad.
En este contexto, Cisco ofrece una gran variedad de casos de uso alrededor de Edge Computing, a través de nuestra solución de Edge Intelligence, y aplicada a la ciberseguridad con Cisco Cyber Vision.
Para saber mas.
Cisco Edge Intelligence
Cisco Cyber Vision