Las fábricas inteligentes son un importante tema de conversación para los proveedores de tecnología. Rara vez se encuentra un concepto que reúna todas las tendencias de moda de la última década, incluida la informática Edge, el Internet de las cosas, la inteligencia artificial (IA) e incluso 5G.

A los profesionales del Edge les gusta hablar sobre la necesidad de procesar datos localmente; la comunidad de IoT continúa con la robótica colaborativa y la necesidad de sensores en red para monitorear y medir; Mientras tanto, los entusiastas de la IA se vuelven líricos sobre el mantenimiento predictivo y el uso de la visión por computadora para realizar inspecciones ópticas de los productos.

Algunos expertos han sugerido que las instalaciones de fabricación necesitarán implementaciones de TI 'Edge' considerables para habilitar toda esta funcionalidad, pero ¿es este un caso de ilusión? ¿O las fábricas del futuro simplemente enviarán todos sus datos a la nube?

Robert Schmid, jefe de Deloitte Consulting, le dijo a DCD que muchas fábricas han exprimido toda la eficiencia que pudieron de las metodologías existentes y el producto de gestión: "Ayudamos a dar visibilidad a los clientes en toda la fábrica y luego vemos dónde se pueden obtener nuevas eficiencias".

Abrazando lo nuevo

Deloitte ha identificado siete casos de uso para tecnologías emergentes que pueden verse como ingredientes para una fábrica inteligente, y que ya mostró en su proyecto Virtual Duck Factory, una demostración interactiva de resolución de problemas en tiempo real, basada en tecnología de realidad aumentada.

No te sorprenderá descubrir que varios de ellos dependían de la IA. ¿Pero esta nueva tecnología significará una mayor demanda de computación Edge? Encontrar la respuesta es difícil, y aquí está el por qué: la mayoría de las cargas de trabajo de IA se pueden separar en dos etapas distintas, capacitación e inferencia.

La capacitación es la parte difícil, ya que requiere una cantidad considerable de datos correctamente etiquetados y toneladas de cómputo para crear un modelo de aprendizaje automático que pueda identificar ciertos patrones sin ser programado explícitamente para hacerlo.

Por ejemplo, muestre a una máquina miles de imágenes de naranjas, y desarrolle reglas para reconocer una naranja, en una imagen que nunca antes había visto. No tiene que especificar la forma o el color; el modelo aprenderá por observación, al igual que los humanos.

La capacitación exige procesadores potentes, ya sean CPU, GPU o cualquiera de los tipos más recientes de silicio diseñados específicamente para este propósito. Andrew Ng, uno de los pioneros del aprendizaje profundo y ex científico jefe de Baidu, reveló que la capacitación del modelo de reconocimiento de voz chino de la compañía requería solo cuatro terabytes de datos de capacitación, pero la friolera de 20 exaflops de cómputo.

Sin embargo, la inferencia es fácil: en este proceso, tome esas reglas y colóquelas en una plataforma simple. Proporcione datos nuevos y haga un juicio simple: en nuestro caso, es 'naranja / no naranja'. Las cargas de trabajo de inferencia están optimizadas para el rendimiento y son perfectamente adecuadas para la ejecución en el hardware con poca potencia de un reloj inteligente, una cámara inteligente o Un altavoz inteligente.

De ello se deduce que los equipos en las fábricas inteligentes están haciendo muchas inferencias, pero en realidad no se ocuparán de la capacitación. Lo más probable es que se lleve a cabo en la nube, donde los recursos son baratos y están disponibles en forma de pago por uso.

“A menudo, puede contener lo que sucede dentro de la fábrica en el dispositivo informático Edge. No es necesario que se conecte necesariamente a la nube, y muchos fabricantes realmente lo aprecian. Descubrirá que los entornos de fábrica a menudo ni siquiera tienen el ancho de banda externo para manejar el volumen de datos, por lo que quieren mantenerlo dentro de la fábrica ”, dijo Schmid.

La pregunta sobre el hardware

Para cumplir con las promesas de AI e IoT, las fábricas inteligentes necesitarán una red confiable y algunos cálculos locales. El problema es que los fabricantes no están estandarizando los equipos de TI tradicionales como lo hizo la industria de las telecomunicaciones.

En el pasado, las empresas de telecomunicaciones dependían de hardware patentado, especializado y a menudo costoso. En los últimos cinco años más o menos, la industria adoptó los beneficios de virtualizar las funciones de hardware y ejecutarlas sobre servidores básicos y software en la nube. Esto creó una fuente de ingresos para los proveedores de centros de datos tradicionales.

Pero no parece que la industria manufacturera se esté moviendo en la misma dirección; en lugar de las cajas de pizzas familiares de 19 pulgadas, hemos visto una explosión de factores de forma equipados con opciones de conectividad exóticas. Puede ser un equipo x86 en su interior, pero viene en todas las formas y tamaños, y está muy alejado de un armario de servidor tradicional.

“Muchos de los fabricantes de hardware se han dado cuenta de que las construcciones de centros de datos ya no valen la pena venderlas a las corporaciones, muchas corporaciones van a la nube. Para ellos, la informática Edge es realmente la nueva frontera ”, dijo Schmid.

Destacó también que la investigación de IDC que sugiere que para 2022, más del 40 por ciento de las implementaciones en la nube de las organizaciones involucrarán un elemento de la computación Edge. Si bien los proveedores de la nube están canibalizando los centros de datos locales, es poco probable que jueguen por el límite real de la red.

"Cuando pienso en la computación Edge y en la forma en que hablamos de ella, ya no se trata solo de servidores más pequeños; tenemos computación Edge en sensores, tenemos computación Edge en puertas de enlace de red; estamos llegando al punto en el que tenemos tanto cálculo a nuestro alrededor, ¡y todo es Edge! "

Ese sentimiento familiar

Resulta que al implementar una fábrica inteligente, puede encontrarse con los mismos problemas que se han visto en un centro de datos corporativo.

"Mi equipo reúne a personas de TI y OT", dijo Schmid. “Por ejemplo, tenemos una fábrica en Chicago que fabrica materiales de embalaje. Tenemos que hacer que la gente de TI entre e instale computadoras Edge en la fábrica. Y necesitan actualizar la red.

"La gente de tecnología operativa también tienen muchos sensores primarios en las máquinas, pero a menudo necesitamos sensores secundarios, nueva conectividad y para conectarnos de formas nuevas que nunca antes habíamos visto".


"No es tanto un desafío técnico, es mucho más un desafío humano, hacer que estos equipos trabajen juntos por primera vez en la división de TI / OT".


En pocas palabras, tenemos las aplicaciones para hacer que una fábrica sea inteligente, y el despliegue de infraestructura no es un problema; lo que falta es el modelo de infraestructura común para soportar fábricas inteligentes, la forma en que el nuevo modelo de infraestructura de telecomunicaciones permite servicios innovadores en una época en que sus servicios tradicionales de voz y mensajería ya no están haciendo dinero.

“Dejé de hablar sobre IoT e inteligencia artificial, y el borde de la red y los sensores; Prefiero hablar de fábricas inteligentes. Porque necesita todos estos componentes para muchos de los diferentes casos de uso. Todas estas son tecnologías habilitadoras que nos permiten llegar a la fábrica inteligente ”, dijo Schmid.