Computación periférica: ¿qué es y por qué es importante?

Más allá de la computación en la nube común, la computación periférica también se está convirtiendo en un elemento revolucionario en el mundo del IoT. La reducción de la latencia, la capacidad de respuesta en tiempo real y el aumento de la economía del ancho de banda son solo algunas de las ventajas que conlleva acercar el procesamiento y el almacenamiento de datos al punto de generación.

 

Sin embargo, exploremos aún más la computación periférica. En comparación con la computación en la nube, ¿cuáles son sus ventajas? ¿Para qué usos es útil la computación periférica?

 

¿Qué es la computación periférica?

 

Aunque probablemente la computación en la nube haya recibido mucha atención, la computación periférica también es un actor importante. Mientras que la computación local procesa los datos directamente en su dispositivo y la computación en la nube procesa los datos en centros de datos distantes, la computación periférica se encuentra en el medio y resuelve problemas que ninguno de los dos puede manejar por sí solo:

• Latencia reducida. La computación periférica procesa los datos en tiempo real o casi en tiempo real, lo que reduce la latencia de la transferencia de datos a la nube y viceversa. Esto es perfecto para aplicaciones como la automatización industrial o los coches sin conductor, que necesitan reaccionar con rapidez.
• Reducción de la carga de la red. Se necesita transferir menos datos a la nube, lo que libera capacidad de red, cuando las tareas de procesamiento de datos se gestionan más cerca de la fuente.
• Ahorro de costes. Con el tiempo, la reducción de los costes de ancho de banda se asocia con una menor transferencia de datos.
• Mayor privacidad y seguridad de los datos. Al procesar los datos confidenciales localmente o en dispositivos periféricos, se reduce la posibilidad de que se produzca una exposición de datos durante la transmisión o el almacenamiento en la nube.
• Capacidades sin conexión. Incluso cuando su dispositivo no está conectado a Internet, la computación periférica permite cierto nivel de procesamiento y cálculo de datos.

La computación periférica permite, esencialmente, un procesamiento de datos más rápido, eficaz y seguro al acercar la computación y el almacenamiento de datos al punto de demanda.

 

Arquitectura de computación periférica

Una configuración típica de computación periférica implica una estructura de tres niveles:

• La capa de nube es el conocido área de centros de datos remotos encargados de procesar grandes cantidades de datos y almacenarlos durante un periodo prolongado. Es el lugar donde se llevan a cabo complejos análisis, aprendizaje automático y conservación de datos.
• La capa periférica: la magia del procesamiento casi en tiempo real tiene lugar en esta capa. Se incluyen los servidores periféricos o las puertas de enlace que se encuentran en redes locales o en las instalaciones, más cerca de las fuentes de datos. Para tomar decisiones rápidamente y minimizar la necesidad de transferir todo a la nube, la capa periférica filtra, agrega y procesa los datos localmente.
• La capa de dispositivos: en el extremo de la red, esta capa incluye una amplia gama de dispositivos y sensores conectados. Estos dispositivos producen datos sin procesar, como imágenes de cámaras de CCTV y mediciones de temperatura de fábricas inteligentes. Estos dispositivos recopilan datos y los envían a la capa periférica para su análisis adicional, aunque también pueden realizar algunos procesos básicos.

 

Clasificaciones de la computación periférica según el tipo de procesador

La computación periférica se puede clasificar en dos tipos generales según el procesador utilizado:

• CPU periférica. Las unidades centrales de procesamiento (CPU) se encargan de la mayoría de las tareas informáticas de uso general. Entre ellas se encuentran el procesamiento de datos, la gestión de redes y la inferencia de IA ligera. El objetivo principal del diseño de las CPU es lograr un equilibrio entre un bajo consumo energético y una potencia de cálculo de uso general.
• GPU periférica. Las cargas de trabajo de computación paralela de alto nivel son uno de los puntos fuertes de las unidades de procesamiento gráfico (GPU). Estas tareas implican manejar modelos a gran escala, procesar gráficos y realizar entrenamientos e inferencias en modelos de aprendizaje profundo. Las GPU se utilizan ampliamente en aplicaciones que requieren una gran potencia de cálculo debido a su superioridad en el procesamiento paralelo.

¿De dónde proceden los datos utilizados para los cálculos?

 

Con el auge del Internet de las cosas (IoT), las máquinas y los equipos son cada vez más inteligentes. Para esta inteligencia se necesita una potencia informática significativa y una inmensa cantidad de datos. En esta situación, la informática es la reina que controla cómo se utilizan los datos, mientras que los datos son el rey.

 

Se necesitan más datos para la inteligencia de máquinas y equipos. Aquí es donde se origina:

• Datos de tecnología operativa (OT): incluyen la información recopilada por los sensores pertinentes del equipo, así como los datos generados por las propias máquinas, como el estado operativo y la información sobre averías.
• Datos de tecnología de la información (TI): proporcionan un contexto más completo que el de las simples actividades de las máquinas e incluyen datos recopilados de otros sistemas empresariales.

Mediante la integración, el análisis y la comprensión de estos datos de TI y TO, podemos crear aplicaciones inteligentes. Algunas de ellas son, por ejemplo, aquellas que aumentan la inteligencia de la máquina, mejoran el control de calidad mientras el equipo está en funcionamiento o permiten realizar un mantenimiento predictivo para evitar averías imprevistas.

 

La conectividad es la piedra angular de todo ello. La capacidad de conectarse y comunicarse es necesaria para todos estos datos. Por lo tanto, el primer paso y el más importante para permitir la inteligencia artificial y aprovechar todo el potencial del Internet de las cosas es crear conexiones fiables.

 

¿En qué situaciones es necesario utilizar la computación periférica?

 

La computación periférica es ideal en escenarios en los que:

• La baja latencia es fundamental. La reducción de la latencia que ofrece la computación periférica es ventajosa para aplicaciones como la automatización industrial, los vehículos autónomos y la cirugía remota, que requieren un procesamiento y una respuesta de datos en tiempo real o casi real. No es lo suficientemente rápido enviar datos a una nube lejana y esperar una respuesta.
• El ancho de banda es limitado o costoso: la computación periférica permite procesar y analizar los datos más cerca de la fuente, lo que minimiza la necesidad de enviarlo todo a la nube, si resulta difícil transportar grandes cantidades de datos a la nube debido a las limitaciones del ancho de banda o al coste.
• La localización de los datos es importante. La computación periférica permite el procesamiento y almacenamiento locales en situaciones en las que los datos deben permanecer dentro de una determinada ubicación geográfica o en las instalaciones debido a restricciones de privacidad, seguridad o cumplimiento normativo.
• La conectividad no es fiable: la computación periférica ofrece cierto grado de autonomía cuando los programas deben seguir ejecutándose incluso con conexiones de red esporádicas o inestables a la nube. Cuando se restablece la conectividad, los datos se pueden sincronizar más tarde y las funciones críticas pueden continuar a nivel local.

 

¿Qué funciones debe realizar la computación periférica en el sistema del Internet industrial de las cosas (IIoT)?

 

La arquitectura del IIoT se puede resumir como «extremo-tubería-borde-aplicación». Para alcanzar sus objetivos, la computación periférica en el IIoT debe realizar las siguientes funciones básicas:

• Adquisición de datos en dirección sur (fin). Esto implica recopilar información de diversos dispositivos, maquinaria y sensores. Para que las soluciones de computación periférica funcionen con una variedad de dispositivos, deben ser compatibles con un gran número de protocolos industriales.
• Comunicación hacia el norte (tubería). Los datos deben transferirse de forma segura a servidores locales o en la nube después de su recopilación. Dependiendo de las necesidades de la aplicación, la computación periférica permite enrutar los datos desde varias fuentes a destinos distintos.
• Motor informático (Edge). La informática Edge hace mucho más que simplemente almacenar y comunicar datos; también los procesa y analiza localmente. Para mejorar la eficiencia operativa y la resolución de problemas, esto implica dar soporte a una variedad de bases de datos, poner en práctica algoritmos de análisis de datos y ofrecer capacidades de visualización de datos.
• Motor de desarrollo (aplicación). Las aplicaciones para el IIoT varían significativamente entre los distintos sectores y casos de uso. La creación de aplicaciones únicas se ve facilitada por una plataforma informática abierta equipada con características como la programación orientada a objetos, la programación gráfica y los lenguajes de alto nivel.

La compatibilidad con la contenedorización simplifica considerablemente la implementación de aplicaciones en numerosas plataformas.

• Motor de seguridad. A medida que aumenta el uso del IIoT, es fundamental garantizar una seguridad sólida. Un sistema de seguridad completo debe incluir:
  • Seguridad para las operaciones. Implemente procedimientos de seguridad robustos que cumplan con los requisitos de las normas ISO 27001 e IEC 62443-4-1.
  • Múltiples capas de defensa. Implemente medidas de seguridad para la red, el hardware, el sistema y las operaciones.
  • Evaluación frecuente de la penetración. Las pruebas de penetración deben realizarse de forma periódica para detectar vulnerabilidades y solucionarlas a tiempo.

Empresas como Robustel han reconocido la importancia de la seguridad y han creado soluciones integrales para abordar estas preocupaciones.

 

Modelos de servicio para la computación industrial periférica

 

Desde el punto de vista de la distribución de productos, la computación industrial periférica ofrece los siguientes modelos de servicio:

 

Solo hardware de puerta de enlace. Aunque no tiene sistema operativo ni middleware, ofrece las funciones básicas de conexión y comunicación. Ideal en situaciones en las que solo se necesita una transmisión mínima de datos.

 

Puerta de enlace + SO. Al integrar un sistema operativo en la puerta de enlace, este modelo ofrece capacidades mejoradas de procesamiento y gestión de datos, lo que permite realizar tareas más complejas en el borde.

 

Gateway + SO + Middleware (herramientas). Este modelo integra aún más el middleware y las herramientas de desarrollo, lo que facilita a los clientes la creación y la implementación de sus aplicaciones en la plataforma periférica.

 

Gateway + SO + Middleware (herramientas) + Aplicación. Una solución integral y completa que abarca hardware, software, middleware y una aplicación preconfigurada. Responde directamente a las necesidades específicas de los clientes y requiere un desarrollo adicional mínimo.

 

Estos modelos de servicio ofrecen flexibilidad, permitiendo a los usuarios seleccionar el nivel de servicio adecuado que se ajuste a sus necesidades específicas y a su presupuesto.

 

Escenarios de aplicación de la computación periférica

 

La computación periférica industrial se ha adoptado ampliamente en diversos sectores. Algunas de las aplicaciones más comunes son:

• Fabricación industrial. Los nodos de computación periférica desplegados en la planta de producción permiten la supervisión en tiempo real y los ajustes inteligentes del proceso de producción. Esto conduce a una mejora de la calidad del producto y a una mayor eficiencia en la producción.
• Edificios inteligentes. La computación periférica procesa datos procedentes de diversos sensores instalados en los edificios para optimizar el consumo energético, mejorar las prácticas de gestión y crear un entorno de vida y de trabajo más cómodo y productivo.
• Energía y nuevas energías. En los sistemas de energía y nuevas energías, la computación periférica facilita la supervisión en tiempo real y el análisis predictivo de las redes eléctricas y las condiciones de suministro de energía, lo que contribuye a mejorar la estabilidad y la seguridad de la infraestructura energética.

 

Nube frente a periferia: decidir dónde procesar

 

Computación periférica:

• Grandes volúmenes de datos + necesidades en tiempo real. Las aplicaciones que generan cantidades sustanciales de datos y requieren información inmediata (por ejemplo, análisis de calidad, optimización de procesos, mantenimiento predictivo) son muy adecuadas para la computación periférica. La reducción de la latencia al procesar los datos localmente en el periférico permite una toma de decisiones y unas respuestas más rápidas.
• Informática específica para cada sector. Cuando los requisitos informáticos están estrechamente relacionados con un sector o industria concretos, y la localización de los datos es crucial debido a normativas o cuestiones de privacidad, la informática periférica puede resultar ventajosa. Algunos ejemplos son el análisis en fábricas, donde el procesamiento de datos en tiempo real impulsa acciones inmediatas, o la supervisión de plataformas petrolíferas en lugares remotos con conectividad limitada.

Computación en la nube:

• Tareas estandarizadas. Las aplicaciones con flujos de trabajo bien definidos y necesidades de cálculo estandarizadas suelen aprovechar los recursos de la nube de manera eficaz. La escalabilidad y la gran potencia de cálculo de la nube la convierten en la opción ideal para gestionar tareas de procesamiento y análisis de datos a gran escala que no requieren respuestas inmediatas en tiempo real.
• Aplicaciones ligeras. Los sistemas industriales de IoT con requisitos básicos de supervisión y recopilación de datos pueden gestionarse adecuadamente mediante dispositivos periféricos ligeros o puertas de enlace. Estos dispositivos pueden realizar el filtrado y la agregación inicial de datos, mientras que los análisis más complejos o el almacenamiento de datos a largo plazo pueden realizarse en la nube. Este enfoque híbrido optimiza la utilización de los recursos y la rentabilidad.

Cómo la computación periférica se sinergiza con la computación en la nube

 

En la búsqueda de la inteligencia de las máquinas y los equipos, la computación periférica y la computación en la nube colaborarán cada vez más para lograr una mayor eficiencia y capacidades. Esta sinergia se manifiesta de varias maneras:

• División del trabajo: la computación periférica se encarga del procesamiento de datos en tiempo real y del análisis preliminar directamente en el equipo o cerca de él, lo que reduce la latencia y los requisitos de ancho de banda. La información o los datos críticos que requieren un procesamiento más exhaustivo se envían a la nube. La nube, con sus vastos recursos informáticos y su capacidad de almacenamiento, realiza una minería de datos en profundidad, análisis y entrenamiento de modelos de aprendizaje automático.
• Colaboración en la nube: este modelo aprovecha tanto las capacidades en tiempo real de la computación periférica como las potentes capacidades de procesamiento y almacenamiento de datos de la nube. Permite un manejo eficiente de los datos en el perímetro, al tiempo que utiliza la nube para realizar análisis avanzados y obtener información valiosa.
• Optimización inteligente: los algoritmos y modelos de IA se entrenan en la nube utilizando datos históricos y agregados. A continuación, estos modelos entrenados se implementan en dispositivos periféricos para la inferencia, lo que permite la toma de decisiones autónoma y el control inteligente directamente en el origen. Este enfoque mejora la inteligencia de los equipos y la eficiencia operativa.

Por ejemplo, en las fábricas inteligentes, se implementan nodos de computación periférica equipados con algoritmos de IA en las máquinas y equipos a lo largo de la línea de producción. Estos nodos permiten la supervisión en tiempo real y el ajuste inteligente del proceso de producción, lo que se traduce en una mejora de la calidad del producto, un aumento de la eficiencia y una reducción del tiempo de inactividad. El periférico se encarga de la toma de decisiones inmediatas, mientras que la nube proporciona almacenamiento centralizado de datos, análisis avanzados y actualizaciones de modelos.

 

El resultado final

 

En resumen, la conectividad, la informática y los datos son los tres elementos fundamentales que impulsan la inteligencia de las máquinas y los dispositivos.

 

La conectividad sienta las bases para la adquisición de datos, los datos sirven como combustible para generar conocimientos y la informática es la clave para transformar esos datos en inteligencia útil.

 

De cara al futuro, con los continuos avances en IoT, IA y otras tecnologías, junto con la ampliación de la gama de escenarios de aplicación, la computación periférica asumirá un papel cada vez más crucial en la consecución de la inteligencia de máquinas y equipos. Impulsará aún más la profunda integración de la economía digital y la economía real, impulsando el desarrollo innovador y transformando las industrias.