Edge Computing: Acelerando a Implantação de IA na Periferia da Rede

O interesse em edge computing cresce, mas muitos ainda lutam com sua arquitetura. A mesma ambiguidade existe em torno da inteligência artificial, e a ideia de migrar IA para a edge pode parecer ainda mais perplexa.

Martin Davis, sócio gerente da DUNELM Associates, observa que IA na edge é frequentemente descartada como "apenas teoria citada em artigos".

No entanto, líderes industriais e empresariais não podem mais ignorar a IA na edge. Tradicionalmente, tarefas computacionalmente intensivas como deep learning e visão computacional residiam em data centers centralizados. No entanto, a proliferação de redes de alto desempenho e hardware on-premises agora permite uma mudança de um modelo puramente cloud-centrico para a edge, diz o consultor Chaitan Sharma. "Não acontecerá da noite para o dia, mas é inevitável", ele adiciona. A Gartner prevê que até 2025, 75% dos dados empresariais serão processados na edge, enquanto a Grand View Research projeta taxa de crescimento anual de 54% para o mercado de edge computing até 2025.

Na Fronteira da Indústria

Definir a localização precisa do edge computing pode ser ambíguo. O Open Glossary of Edge Computing o descreve como a entrega de recursos de computação às extremidades lógicas de uma rede. Situado além de data centers convencionais e da nuvem, a edge foca na "última milha" da rede, trazendo computação fisicamente mais perto dos dispositivos e indivíduos gerando dados.

[IoT World é o maior evento IoT da América do Norte, onde estrategistas, tecnólogos e implementadores se conectam para levar IA, 5G e edge à indústria. Reserve seu ingresso agora.]

Ambientes industriais, como fábricas e minas, enfrentam desafios ao depender apenas de cloud computing. Uma fábrica típica exige confiabilidade de rede quase perfeita — 99,9999% de uptime — e latência em nível de milissegundos, enquanto frequentemente restringe transmissão de dados além de suas instalações. Historicamente, tais instalações dependiam de cabeamento extensivo e protocolos com fio específicos de fornecedores, levando a ecossistemas tecnológicos fragmentados. Edge computing oferece um caminho para unificar esses componentes díspares, como destacado pelo Market Radar da Ovum: Estratégias e Propostas de CSPs para IIoT Industrial.

Implantações edge que operam independentemente da nuvem diferem de modelos puramente de computação on-device, onde cada pacote de dados é processado localmente. Embora a computação a bordo possa permitir tomada de decisão crítica instantânea, Harald Remmert, diretor sênior de pesquisa e inovação na Digi International, observa que o hardware necessário é caro e frequentemente aquém ao executar workloads complexos de machine learning.

Em contraste, uma solução edge aprimorada por IA dentro de uma fábrica pode agregar e contextualizar dados de numerosas máquinas, identificando e prevendo problemas que causariam tempo de inatividade. Gal Ben-Haim, chefe de arquitetura na Augury — empresa especializada em machine learning para indústria de processo — enfatiza que inferência baseada em edge desbloqueia aplicações em larga escala, mesmo quando latência ultra-baixa não é obrigatória.

No entanto, implantar machine learning na edge não é trivial; exige modelos maduros e novas estratégias de gerenciamento de implantação, explica Ben-Haim.

Da Nuvem para a Edge e Vice-versa

Embora certos casos de uso edge operem inteiramente independentes de infraestrutura cloud central, a maioria dos analistas vê edge computing como parte de um continuum distribuído-centralizado. Em vez de se afastar dos data centers tradicionais, oferece uma "trégua", observa o analista da Gartner Bob Gill durante um webinar de 2018.

Bill Malik, vice-presidente de estratégias de infraestrutura na Trend Micro, alerta que edge computing não substituirá a nuvem.

Daniel Newman, analista principal na Futurum Research, concorda: apenas alguns cenários justificam uma edge totalmente auto-contida.

Tipicamente, dados fluem bidirecionalmente entre edge e cloud. A nuvem se destaca em capturar macro tendências — como mudanças no uso de energia ou qualidade do ar — enquanto edge computing entrega insights imediatos e contextuais, observa Malik.

A Accenture considera edge computing uma extensão natural da nuvem. "Edge é empregado por muitos clientes junto com analytics de nuvem e machine learning para desbloquear serviços de negócios inovadores", diz Charles Nebolsky, diretor gerente e líder de prática de rede na Accenture Technology. Um exemplo é o programa Connected Mine da Accenture, que otimiza operações em minas. Nebolsky explica que integraram edge computing no fluxo de trabalho de um cliente de mineração, usando vídeo de alta resolução de plataformas de perfuração para avaliar densidade de rocha em tempo real. Esses dados permitem que a perfuratriz auto-ajuste ângulo e velocidade, além de facilitar manutenção preditiva. "A largura de banda necessária para streams de vídeo de alta densidade não pode ser viavelmente transmitida para a nuvem na taxa de quadros necessária sem custos proibitivos", adiciona Nebolsky.

A Volvo Trucks ilustra este modelo bidirecional através de sua telemática e diagnósticos remotos em modelos mais recentes. O computador de bordo sinaliza parâmetros anormais e gera códigos de falha, que o sistema de telemática então transmite para o Uptime Center da Volvo. O centro coordena respostas entre oficinas, concessionárias e equipes de atendimento ao cliente. Embora diagnósticos a bordo auxiliem troubleshooting em tempo real, o componente cloud centralizado capacita stakeholders externos a se prepararem para visitas de manutenção.

Bill Roberts, diretor de IoT na SAS, observa que a Volvo está se movendo em direção a um modelo de maturidade predominante que integra analytics de edge, IA e machine learning. "O próximo passo lógico é capacitar a edge nos caminhões para filtrar dados de falha acionáveis", sugere Roberts. "Isso liberaria largura de banda, permitindo coletar mais telemática para analytics de nuvem mais ricos. Esses insights podem então ser implantados na edge ou na nuvem, dependendo do cenário."

O test bed de Integração de Recursos Energéticos Distribuídos exemplifica computação híbrida distribuída-cloud. Oferece uma alternativa a redes AC centralizadas convencionais que lutam para aproveitar otimamente fontes DC distribuídas como solar ou eólica. O test bed implanta analytics de edge em tempo real em hardware estrategicamente posicionado, unificando equipamentos legados com supervisão centralizada enquanto permite operações autônomas e responsivas. "A plataforma suporta operação autônoma e analytics de edge enquanto alimenta dados e sinais de controle para um ou mais centros de controle", explicam Erik Felt, diretor de desenvolvimento de mercado de future grid na RTI, e Neil Puthuff, engenheiro de integração de software na RTI.

O advento do 5G estimulou ainda mais interesse em arquiteturas edge que operam além de data centers convencionais. Embora apenas algumas empresas tenham pilotado projetos edge habilitados para 5G, esta paisagem está pronta para evoluir à medida que a rede amadurece. Harald Remmert destaca que os benefícios espelham os da cloud computing — apenas com latência reduzida — e que a arquitetura é cada vez mais favorecida para workloads de machine learning.