De automóviles a agricultura: siete casos reales de uso de Edge Computing

Uno de los objetivos del edge computing es proporcionar las ventajas de la informática en la nube, de la inteligencia artificial y del procesamiento de grandes volúmenes de datos pero reduciendo el uso de recursos de TI y la latencia.

A grandes rasgos, este tipo de computación permite optimizar la cantidad de datos enviados al sistema en la nube y su análisis en tiempo real. Para ello se basa muchas veces en el Internet de las Cosas (IoT), recopilando datos de los sensores y, en lugar de enviarlos a la nube, los deja y analiza en el borde datos.

Existen ya muchos casos reales de uso de esta tecnología, en campos tan dispares como el automovilístico, las fábricas o las ciudades inteligentes.

Hospitales y radiografías

El campo de la medicina no suele ser uno de los que más se habla para abordar las casos típicos de uso de esta tecnología, pero ya se está empleando el edge computing para analizar los datos de los pacientes y dar una respuesta más rápida.

Varios hospitales de Londres y algunos de Estados Unidos están utilizando una herramienta, desarrollada por nVidia, específicamente para el campo de la radiología, permitiendo analizar muchos más millones de datos de todas estas pruebas diagnósticas.

Esta propuesta incluye también una plataforma de Inteligencia Artificial que los hospitales pueden personalizar y a la que van incorporando sus datos. Al estar en el perímetro, los hospitales logran reducir el tiempo necesario para identificar las anomalías encontradas en las pruebas diagnósticas de horas a minutos.

El camino al coche autónomo

Antes de llegar a los coches autónomos se deben dar muchos pasos en los vehículos conectados. Es una de las industrias donde más volúmenes de datos en tiempo real se deben procesar y analizar en tiempo real para garantizar, entre otras cuestiones, la seguridad.

El protocolo de comunicación C-V2X (que lucha por convertirse en un estándar en la industria de coches autónomos) se ha diseñado para estos menesteres, pero el edge computing puede ser su complemento perfecto.

Nokia, junto con Telefónica España, Seat, Ficosa y SICE, llevaron a cabo una demostración piloto de casos de uso de C-V2X, respaldada por la plataforma edge computing de la compañía, MEC (Multi-access Edge Computing). Durante el piloto, un automóvil conectado recibió una alerta en tiempo real de un semáforo conectado sobre el cambio de señal, además de enviar alertas en tiempo real al vehículo sobre peatones en la línea de visión del conductor.

Nokia promete que esta tecnología podría ofrecer una latencia por debajo de 20 ms, junto con un modelo de implementación flexible.

De la fábrica a la Industria 4.0

Las fábricas son otro de los ejemplos clásicos del edge computing y el IoT, especialmente relacionados con el concepto de Industria 4.0.

Sin ir más lejos, podemos ver en el caso de Microsoft un buen ejemplo de cómo las tecnológicas quieren dar respuesta a esta necesidad: desde su alianza con ARM para mejorar la transferencia de datos desde IoT a nuevas plataformas en la nube para las smart factories.

Uno de los ejemplos de éxito del uso del edge computing en este campo está en el fabricante japonés de productos electrónicos, Daihen Corporation. Antes de que se decidiera usar esta tecnología su proceso de producción neesitaba más de 200 inspecciones manuales para garantizar que todo funcionaba correctamente. Esto suponía el 30% del tiempo total de producción.

La compañía decidió equipar su fábrica con sensores adicionales y desplegar una plataforma de análisis en tiempo real, impulsada por el edge computing. Asegura que, al hacerlo, consiguieron ahorrar más de 5.000 horas en la entrada manual de datos por año.

Pero no nos tenemos que ir tan lejos: en España la fábrica de Gestamp ha sido renovada recientemente para pasar a incluir tecnologías como 5G o los gemelos digitales. Además, dispone del edge computing con los que, según la compañía, puede captar y procesar en tiempo real los datos producidos por los equipos industriales durante su funcionamiento.

Agricultura vertical y más eficiente

En sectores mucho más tradicionales como la agricultura también se usa el edge computing para recopilar los datos correctos y usarlos para optimizar la planificación.

Una de las mayores ventajas es la capacidad de monitorear de forma remota diferentes aspectos de las operaciones agrícolas: desde el suelo, el clima y las condiciones de humedad y temperatura, así como los niveles de acidez y pH.

La empresa AeroFarm, dedicada a la agricultura vertical de interior y agricultura sostenible, está usando esta tecnología para tener nuevos niveles de precisión y productividad en su producción.

En la granja vertical interior, los sensores y las cámaras del sistema de cultivo aeropónico recopilan datos sobre todo, desde la humedad y los nutrientes hasta la luz y el oxígeno. Sus sensores capturan datos sobre el entorno operativo y en crecimiento y los envían al edge coputing  para analizarla.

En uno de estos proyectos, AeroFarms está mejorando el seguimiento desde la semilla hasta el paquete a través de cada etapa distinta de la agricultura: siembra, germinación, cultivo, cosecha y empaque. El reto es tener también en cuenta otros datos como el historial de las ubicaciones, las interacciones con los trabajadores y registros de saneamiento. AeroFarms asegura que gracias a el uso de esta tecnología puede mejorar el sabor, la textura, el color, la nutrición y el rendimiento de sus plantaciones.

Seguridad ciudadana

La mayoría de las ciudades tienen cámaras de vigilancia instaladas en las vías públicas. Estas instalaciones generan enormes cantidades de datos y su análisis en tiempo real requiere una potencia informática significativa.

Algunas ciudades como Atlanta o Zúrich están apostando por utilizar cámaras IP y combinar esta información con la recopilada por otros sensores. Todos estos datos son analizados con edge computing para permitir que las fuerzas del orden identifiquen a posibles sospechosos.

En el caso de la ciudad estadounidense, el edge computing está analizando grandes conjuntos de datos relativos al tráfico, peatones, bicicletas, estacionamiento, etc. Con toda esta información, la ciudad intenta mejorar también la movilidad además de reducir la delincuencia.