¿Qué necesita el Edge IA de los datos industriales?

Suscríbete a Plataforma Constructivo, haz clic aquí 

}¿Por qué el contexto de los datos determina lo que la IA en el borde puede hacer?

El contexto transforma las lecturas brutas de los sensores en información sobre la que los equipos de fabricación pueden actuar y, sin él, los modelos de IA en el borde no pueden generar decisiones fiables al ritmo de la producción. Un valor de temperatura acompañado únicamente de una marca de fecha y hora deja sin respuesta preguntas críticas. Si se añaden la fábrica, la línea de producción, el activo específico, la orden de trabajo del sistema ERP o MES, el cliente y el producto, ese mismo punto de datos se convierte en la base para una decisión. Sin esas capas de significado, un único punto de datos no es lo suficientemente significativo como para actuar en consecuencia.

En el perímetro, hay mucho más en juego. Las restricciones de latencia son más estrictas y las decisiones afectan a los procesos físicos en tiempo real. Si los datos que llegan al modelo carecen de contexto, el margen de corrección en la planta de producción es demasiado corto para compensarlo.

¿Qué casos de uso de fabricación se trasladan primero al borde?

Hay tres factores que determinan qué casos de uso se migran al borde antes que otros: la latencia, la seguridad y el coste. Los casos de uso en los que es importante una respuesta casi en tiempo real son los que avanzan más rápido, y los equipos consiguen un retorno de la inversión positivo entre 60 y 90 días después de la implementación.

El control de desechos y de calidad es uno de los primeros. Los equipos de producción necesitan tomar decisiones casi en tiempo real sobre si una pieza es vendible o si es desecho, y el tiempo de ida y vuelta a la nube introduce demasiado retraso para ese juicio. La optimización de recetas en la fabricación por procesos sigue la misma lógica: cuando un lote de productos químicos, cerveza o cualquier otra sustancia con una receta definida se desvía del objetivo, el margen para corregirlo es breve. Una respuesta tardía significa perder todo el lote.

Lo que ha cambiado es dónde se encuentra la capacidad analítica. Históricamente, los equipos de planta dependían de un grupo central de IA para cualquier análisis avanzado. Con la IA ejecutándose en el borde, los equipos de producción obtienen acceso directo a información que antes no tenían. El alcance total de lo que será posible aún está surgiendo; serán los propios fabricantes quienes definan qué casos de uso aportan más valor una vez que la capacidad esté disponible en la planta de producción.

¿Cómo proporciona contexto la arquitectura de InfluxData-Litmus?

Litmus Edge proporciona conectividad con las fuentes de datos de toda la planta de producción y normaliza los flujos de datos entrantes, tendiendo un puente entre los sistemas de tecnología operativa (OT) y de tecnología de la información (IT). InfluxDB 3 Enterprise gestiona situaciones de alta cardinalidad, capturando metadatos contextuales junto con los datos de los sensores en tiempo real. Esa combinación hace que los datos conserven su significado desde el origen hasta el almacenamiento.

La arquitectura divide las cargas de trabajo entre el borde y la nube en función de lo que cada entorno hace mejor. Los datos en tiempo real en el borde alimentan los cálculos, la limpieza y la contextualización que sirven directamente a la planta de producción. Un subconjunto de esos datos fluye hacia la nube para el modelado predictivo a largo plazo, la optimización de equipos y la planificación de gastos de capital, sin interrumpir las operaciones en el borde. Las dos capas operan en paralelo, prestando servicio a la planta de producción y a la empresa simultáneamente.

El modelo de implementación comienza con un mínimo de tres emplazamientos y uno o dos casos de uso, y se amplía a 30 o 300 emplazamientos sin cambios arquitectónicos significativos. InfluxDB comprime los datos y los almacena en almacenamiento de objetos, lo que reduce el coste del análisis multiemplazamiento en comparación con la replicación de datos históricos en la nube.