La inteligencia artificial en el Edge y su función como habilitador de aplicaciones industriales AIoT

22 de julio de 2022, by Jaime Vélez

A medida que aumenta la cantidad de dispositivos conectados, también lo hace la cantidad de datos generados. Esta capacidad de analizar datos, extraer conocimientos de ellos y tomar decisiones autónomas basadas en el análisis, es la esencia de la Inteligencia Artificial (IA) de las cosas, también conocida como AIoT.

La llegada del Internet Industrial de las Cosas (IIoT) ha permitido a un amplio abanico de empresas recopilar cantidades masivas de datos procedentes de fuentes antes inexploradas y explorar nuevas vías para mejorar la productividad. 

Al obtener datos sobre el rendimiento y el entorno de los equipos y la maquinaria de campo, las organizaciones tienen ahora aún más información a su disposición para tomar decisiones empresariales informadas. Esta ingente cantidad de datos provoca que la mayor parte de esta información quede sin analizar. En consecuencia, las empresas y los expertos del sector están recurriendo a la inteligencia artificial y a las soluciones de aprendizaje automático, para las aplicaciones de IIoT con el fin de obtener una visión holística y tomar decisiones más inteligentes con mayor rapidez.

La unión de la IA con el IoT, denominada también Inteligencia Artificial de las Cosas (AIoT), ofrece capacidades que van más allá de la adopción individual de cualquiera de las dos tecnologías.


La AIoT ofrece una vía para que las redes de dispositivos conectados recojan grandes cantidades de datos del mundo físico y, con inteligencia programable, aprendan a razonar y procesar estos datos para convertirlos en información y conocimiento, y luego actúen sobre ellos como lo hacen los humanos.

El «Edge» es el punto de intersección de los mundos físico y digital. Es el punto en el que se generan, reúnen y procesan los datos para crear un nuevo valor.

El Edge presenta nuevos desafíos en la forma en que la industria produce la computación. Mientras que históricamente se ha confiado en los centros de datos tradicionales y en la computación cloud para procesar los datos generados fuera de los centros de datos, la necesidad de obtener valor en tiempo real en el punto de generación requiere la presencia de recursos informáticos en el Edge. Esto ha dado lugar a la aparición de la informática de borde.

Más de un 50% de los datos del IIoT se quedan sin analizar

El asombroso número de dispositivos industriales que se conectan a Internet sigue creciendo año tras año y se espera que alcance los 41.600 millones de puntos finales en 2025. Imagina la enorme cantidad de datos que generan todos estos dispositivos.

De hecho, analizar manualmente la información generada por todos los sensores de una línea de montaje de fabricación podría llevar toda una vida. No es de extrañar que menos de la mitad de los datos estructurados de una organización se utilicen activamente en la toma de decisiones.

Esta incapacidad de los humanos para analizar todos los datos que producimos es precisamente la razón por la que las empresas están buscando formas de incorporar la inteligencia artificial y el aprendizaje automático a sus aplicaciones de IIoT.

En cada una de las aplicaciones industriales la IAoT ofrece la posibilidad de reducir los costes laborales, reducir los errores humanos y optimizar el mantenimiento preventivo.

¿Qué entendemos exactamente por IA y cómo encaja en el IIoT?

La «Inteligencia Artificial de las Cosas» (AIoT) se refiere a la adopción de tecnologías de IA en las aplicaciones de la Internet de las Cosas (IoT) con el fin de mejorar la eficiencia operativa, las interacciones hombre-máquina y el análisis y la gestión de datos. 

La inteligencia artificial (IA) es un campo de la ciencia que estudia cómo construir programas y máquinas inteligentes para resolver problemas que tradicionalmente se realizan mediante la inteligencia humana.

La inteligencia artificial también incluye el aprendizaje automático (ML) que es un subconjunto específico de la IA que permite a los sistemas aprender y mejorar automáticamente a través de la experiencia sin ser programados para ello, como por ejemplo a través de diversos algoritmos y redes neuronales. Otro término relacionado es el «aprendizaje profundo» (Deep Learning), que es un subconjunto del aprendizaje automático en el que las redes neuronales multicapa aprenden a partir de grandes cantidades de datos.

Dado que la IA es una disciplina tan amplia, el siguiente debate se centra en cómo la IA, junto con el ML, se utilizan para la clasificación y el reconocimiento en aplicaciones industriales.

Desde la lectura de datos en monitorización remota hasta el mantenimiento preventivo, la Inteligencia Artificial y el Machine Learning están dando rienda suelta a una mayor productividad y eficiencia en las aplicaciones industriales.

Lectura relacionada: AIoT: la fusión perfecta entre el Internet de las Cosas y la Inteligencia Artificial

La deriva de la Inteligencia Artificial hacia el IIoT en el Edge

Como se ha mencionado anteriormente, la proliferación de sistemas IIoT está generando cantidades masivas de datos. Enviar inmediatamente todos estos datos en bruto a una nube pública o a un servidor privado para su almacenamiento o procesamiento requeriría un ancho de banda, una disponibilidad y un consumo de energía considerables. 

En muchas aplicaciones industriales, especialmente en los sistemas altamente distribuidos situados en zonas remotas, no es posible enviar constantemente grandes cantidades de datos a un servidor central. Incluso si un sistema tuviera el ancho de banda y la infraestructura suficiente, sería increíblemente costoso de desplegar y mantener y seguiría teniendo una latencia muy alta a la hora de transmitir y analizar esos datos. Las aplicaciones industriales de misión crítica deben ser capaces de analizar los datos en bruto lo más rápidamente posible.


Para reducir la latencia, reducir los costos de comunicación y almacenamiento de datos y aumentar la disponibilidad de la red, las aplicaciones de IIoT están trasladando las capacidades de IA y aprendizaje automático al borde de la red (Edge) para permitir capacidades de preprocesamiento más potentes directamente en el mismo punto donde se generan esos datos.

Los avances en la potencia de procesamiento del Edge han permitido a las aplicaciones IIoT aprovechar las capacidades de toma de decisiones de la IA en ubicaciones remotas. De hecho, al conectar los dispositivos finales a los ordenadores de borde equipados con potentes procesadores locales, los usuarios ya no necesitan enviar todos los datos a la nube para su análisis. El Edge computing de AIoT permite esencialmente la inferencia de IA sobre el terreno en lugar de enviar los datos en bruto a la nube para su procesamiento y análisis. Para ejecutar eficazmente los modelos y algoritmos de IA, las aplicaciones industriales de AIoT requieren de una plataforma de fiable en el Edge.

Lectura recomendada: Principales Tendencias de IA en el Edge en el 2022

Barbara, la Plataforma Edge Industrial Cibersegura

Si bien un número cada vez mayor de casos de uso de IoT exigen un mayor grado de procesamiento edge, las soluciones en el edge todavía están lidiando con los desafíos de la conectividad segura y la administración de aplicaciones. Aquí es donde entra en juego Barbara: nuestra plataforma para nodos edge concebida con la seguridad por diseño que permite desplegar, gestionar y configurar en los nodos aplicaciones de forma centralizada y en un solo click. 

A través de la Plataforma Edge Barbara podemos desde un punto centralizado, desplegar aplicaciones de inteligencia artificial.  Esas aplicaciones pueden ser algoritmos de protección y control, algoritmos de monitorización, algoritmos sobre balance energético, etc… Además en cada nodo edge podemos desplegar hasta 5 aplicaciones diferentes de distintos autores y estamos siendo capaces de comunicar un nodo con otro de manera que evitamos infraestructuras centralizadas con mayores costes y con peligros de seguridad.

Lectura recomendada: Cómo el Edge está transformando la gestión de activos en entornos críticos

Estamos pasando de un modelo donde la inteligencia estaba en los equipos industriales, en el hardware, a un modelo donde la inteligencia reside en el software. El edge computing sigue una tendencia clara en la digitalización industrial orientada a dotar de inteligencia a los elementos distribuidos, y es fundamental contar para ello con proveedores especializados cómo Barbara. 

Si te ha interesado este artículo, contacta con nosotros para conocer con más detalle la Tecnología de Barbara IoT y solicita una demo personalizada.

Habla con nuestros expertos si quieres que estudiemos tu caso de uso