América Latina. Na mesma proporção em que o gigantesco fluxo de dados gerados nos processos da Internet das Coisas, IoT, também aumenta o reconhecimento das vantagens proporcionadas pela possibilidade de capturar e analisar certos tipos de informações ao mesmo tempo e local em que são geradas: o sensor, ou o dispositivo localizado nas extremidades ou bordas da rede.
As metodologias edge analytics fornecem uma alternativa inovadora para muitas empresas acostumadas a enviar todos os dados gerados por sensores e dispositivos de todos os tipos para o 'Data Lake' que está na nuvem.
No entanto, nos processos de análise de borda, o processamento de informações pode ocorrer ao lado da própria fonte e nem todos os dados são enviados para a nuvem, mas apenas aqueles que escapam dos parâmetros estipulados. Em implantações de IoT em larga escala, essa funcionalidade é fundamental, dado os enormes volumes de dados que são gerados diariamente nas bordas da rede.
Essa evolução nos processos de análise deixa para trás um modelo centralizado em nuvem que permite que as empresas não tenham que realizar transmissões maciças de dados de todas as informações geradas por sensores e dispositivos para data centers remotos, ganhando assim maior controle sobre as "coisas" que permanecem conectadas.
Em consonância com essa descentralização da análise em nuvem, Teresa Tung, da Accenture, já aludiu à necessidade de estabelecer um sistema de análise de sensores em tempo real colocando a operação do sensor à frente do datacenter, na sessão intitulada 'Real-Time Streaming Analytics Platform' do IoTSWC2015. "Em uma infraestrutura de IoT, obter visibilidade de dados em tempo real envolve sincronizar o fluxo de informações de entrada onde ocorre, uma vez que o data center nunca permanece totalmente sincronizado. No caso de um data center ou falha de rede, a plataforma de análise em tempo real tem recursos de projeção de atividade para que, quando a conexão seja restaurada, o sistema de análise permite a sincronização e reconsidera decisões tomadas anteriormente com base nos novos dados fornecidos."
Por sua vez, Jayraj Nair, da Infosys, mencionou em sua apresentação no IOTSWC2015 que o sistema de análise é o motor quando se trata de instrumentalizar e coletar informações a partir de sensores; "um motor que pode ser afetado na forma de altos custos e desaceleração da tomada de decisões quando os volumes de informações que são transmitidas no streaming vêm e vão, e só estamos interessados em uma parte mínima das informações coletadas: todo o resto é barulho. Portanto, as organizações devem selecionar o tipo de dados e o volume de dados coletados; ou seja, colocar regras na borda da rede, em vez de fazê-la viajar duas vezes por canais caros. Uma das abordagens é a edge analytics", disse Nair.
A pressão está localizada nas bordas das infraestruturas de IoT
Por isso, o ecossistema industrial de Internet das Coisas é favorável à realização da coleta de dados e sua análise nas bordas das redes de negócios; um local onde os sistemas convencionais não são eficientes nem suficientemente resistentes. Líderes do setor de TI como IBM, Dell, HP, Cisco ou Intel, participantes regulares do evento anual IoTSWC em Barcelona, proclamam que agora têm respostas para poder atender a esses requisitos.
As plataformas de IoT equipadas com recursos de análise de borda são tipicamente instaladas em plataformas de petróleo, minas e fábricas; ou seja, setores industriais que operam com larguras de banda de baixa velocidade e em ambientes de baixa latência. Além dos sensores, os sistemas de análise de borda podem ter outros tipos de dispositivos conectados que projetam novos dados que trazem maior riqueza para capturas de informações, como análise de vídeo.
Com uma rede IoT composta por mais de 30.000 sensores disponíveis em uma cidade inteligente como Barcelona, os mais de 300 contidos em um carro de Fórmula 1, ou os quase 6.000 que qualquer aeronave comercial tem, evitando o enorme volume de informações repetitivas geradas nas bordas e impactando diretamente a nuvem é a principal tarefa dos sistemas de análise de bordas em IoT. Neste ponto, a análise de borda pode envolver abordagens a partir de duas perspectivas: a evolução dos gateways tradicionais e o progresso dos fabricantes de servidores.
Dependendo do setor industrial, o sensor ou borda pode ser encontrado em uma fábrica, em um campo de cultivo, no final de uma infraestrutura petrolífera, ou em um armazém. Indústrias ligadas à logística de hidrocarbonetos, produção de bens, telecomunicações, transporte, varejo, saúde e empresas ligadas à tecnologia de consumo são alguns exemplos de setores que já estão aproveitando as oportunidades oferecidas pela IoT. Ter uma plataforma de análise de borda de IoT bem integrada significa que essas empresas têm a capacidade de analisar dados de vários ambientes remotos em tempo real – de moinhos de vento deserto a redes inteligentes de distribuição de energia, ou do pipeline à fábrica – permitindo as possibilidades de processos preditivos de manutenção e otimização.
O crescimento que analistas e especialistas do setor prevêem no uso de dispositivos e aplicativos de Internet das Coisas é enorme, assim como o crescente interesse em levar a análise à borda da infraestrutura de IoT. Nesse sentido, o Gartner estima que os pontos finais de IoT; ou seja, o mercado relacionado aos sensores crescerá ano a ano a uma taxa de mais de 30% de 2013 a 2020, atingindo uma base de 20,800 milhões de unidades para esse ano, a maioria delas destinadas ao setor industrial.
Grandes players da arena de TI apostam no potencial computacional fornecido pela edge analytics em sistemas de IoT
Empresas como Intel e Cisco foram pioneiras na implementação do Edge Computing, colocando seus gateways ou gateways como dispositivos de borda desde que, historicamente, os gateways desempenhavam a função de agregação do tráfego de roteamento. No modelo de computação de borda, o núcleo da funcionalidade do gateway evoluiu, uma vez que, além da agregação e roteamento, esses gateways também poderiam executar funções de computação nos dados.
Em combinação com gateways de borda, os sistemas de análise de borda permitem que as funções de pré-processamento ou filtragem de dados sejam executadas no mesmo local onde os dados foram criados. A partir daqui, os dados que seguem parâmetros normais podem ser ignorados ou armazenados em um sistema de armazenamento de baixo custo, enquanto essas leituras anômalas podem ser encaminhadas para o "Lago" ou arquivadas na memória interna do banco de dados.
Hoje, um novo segmento de mercado como o Edge Analytics surge no cenário de TI e tem um impacto total no setor de IoT de aplicação industrial. Grandes organizações como Dell, Cisco, HPE e outras estão tentando posicionar seus servidores como dispositivos de borda através da integração de maior volume de armazenamento, poder computacional e recursos de análise, o que tem implicações diretas nos processos do Edge Analytics para IoT.
Há algum tempo, a Intel e a Cisco têm trabalhado com análises de borda para IoT. A Parstream, adquirida pela Cisco, criou um sistema leve de gerenciamento de banco de dados (menos de 50 MB) que foi desenvolvido para se integrar às plataformas de IoT que gerenciam turbinas eólicas. E, mais recentemente, a Cisco e a IBM estabeleceram uma aliança colaborativa para trazer as capacidades do Watson para as bordas das infraestruturas de IoT.
Por sua vez, a presença da Intel no segmento de análise de borda é baseada em uma suíte composta por APIs e sistemas de segurança da MacAfee (agora de propriedade do construtor de chips). Em um sistema que pode ser baixado através do site IoT Developers Kits, esta plataforma de ponta a ponta da Intel inclui o Wind River Edge Management System, IoT Gateway, análise de nuvem, segurança macAfee, módulos de privacidade de identidade e a possibilidade de estabelecer sinergias com a Cloudera, uma empresa na qual a Intel fez investimentos.
Para aquelas empresas que decidiram incorporar certas funções de análise de dados em SQL na parte dos sensores, certas empresas do cenário de TI oferecem sistemas inovadores convergentes em IoT que ajudam as empresas a gerar mais valor, fornecendo análise e machine learning no final do sistema – exatamente onde as coisas estão localizadas--, e no momento em que os dados são capturados. Uma dessas empresas é a Hewlett Packard, com seu sistema HPE Vertica Advanced Analytics Platform.
