Aborde los desafíos de implementación de IoT

IoT de borde y el análisis puede proporcionar un mecanismo poderoso para traducir fuentes de datos complejas en una plataforma optimizada y de menor costo con un retorno de la inversión más rápido y un mayor valor. Sin embargo, hay cinco desafíos clave que enfrentan las empresas al considerar una implementación de IoT.

1. Inversión

El potencial de transformación de IoT en múltiples industrias es asombroso y se ha discutido mucho sobre su poder para revolucionar los modelos de negocios. Pero, si bien las posibilidades para los sectores del mercado son enormemente emocionantes, la realidad de muchas de estas ofertas de IoT de la industria es que están diseñadas para casos de uso extensos: las configuraciones son intrincadas y complejas, con capacidades de red increíblemente poderosas que requieren una inversión y habilidad significativas para ejecutar.

Los principales actores en el espacio de IoT, incluidos AWS y Microsoft, requieren una gran inversión inicial en pilas de IoT y otro hardware integrado en el centro de datos, así como personal que pueda codificar la solución, escribirla y construirla; eso es potencialmente cientos de miles. de dólares incluso antes de que una organización obtenga información o datos potenciales.

El ROI es algo de lo que carece el espacio de IoT, lo que hace que la prueba de conceptos falle. Uno de los primeros casos de uso de IoT (medidores inteligentes) es una instancia en la que es simple para calcular el ROI ya que las organizaciones no tienen que enviar lectores de medidores a los sitios y hay un beneficio de costo inmediato.

Pero, con IIoT, es mucho más que eso. Tal vez exponga algunos ahorros y tal vez se requiera menos mantenimiento de la máquina. Los ahorros son más difíciles de identificar al principio; por lo tanto, una gran inversión inicial en ese tipo de solución es difícil de justificar en esas circunstancias.

2. Quitar y reemplazar

En muchos casos industriales, la maquinaria existente que requiere monitoreo incluye estructuras grandes, complejas y costosas. Estas máquinas son adecuadas y están construidas para la tarea en cuestión y, por esa razón, deben monitorearse de una manera no invasiva.

Muchas instalaciones se diseñaron y construyeron a un costo de miles de millones de dólares, y las organizaciones no pueden comenzar a desmontar y reemplazar componentes porque la tecnología habilitada para la nube brinda un beneficio que aún no se ha cuantificado.

Por el contrario, muchas de las ofertas de IoT que existen en el mercado dependen de que IoT se integre en la infraestructura desde el principio, un concepto que podría resultar en una importante interrupción del negocio y tiempo de inactividad.

3. Conjuntos de habilidades

El conjunto de habilidades que se requiere para administrar este tipo de configuraciones complejas también es un obstáculo importante para muchas organizaciones. Una alta proporción de clientes de IoT en la fabricación no son necesariamente expertos en TI en la forma en que lo son los usuarios de bases de datos tradicionales. Con muchos proveedores que requieren a alguien que pueda administrar estas plataformas de manera efectiva, este es un problema que está perjudicando las posibilidades de adopción en ese sector.

Las empresas necesitan una forma de obtener datos de los dispositivos IoT sin el complejo ecosistema que los rodea a través de una plataforma optimizada a la que solo se necesita un navegador para acceder. Esto significa que las organizaciones deben averiguar si pueden permitirse contratar a un profesional de IoT dedicado y cómo ese rol puede proporcionar valor.

4. Infraestructura

Otro obstáculo para muchos proyectos de IoT es que la infraestructura no se desarrolla si la ubicación se encuentra en un lugar inconveniente sin Wi-Fi confiable: las únicas nubes disponibles son las que flotan en el cielo. En este caso, tener una solución IoT que recopile todos los datos, los analice en el punto de recolección y permita una visibilidad rápida y confiable de lo que sucede puede marcar la diferencia y es una solución mucho más pragmática, tanto en fábricas grandes como distantes. ubicaciones. Esa es la diferencia entre la visión original de IoT y lo que es en la práctica.

5. IoT en el borde

La visión de IoT y la realidad son sustancialmente diferentes. La respuesta sí o no de un sensor es diferente a decidir si una pieza compleja de maquinaria está actuando como debería y con niveles óptimos de eficiencia. No se trata solo de la oportunidad de recopilar datos, sino también de tener la capacidad de modificar esa recopilación de datos y de añadir sensores adicionales para ampliar aún más los datos recopilados.

Por ejemplo, podría ser que la configuración controle la temperatura y la velocidad, pero luego deba medir la vibración. Esto requiere otro sensor, por lo que la plataforma debe ser adaptable y escalable. En el entorno actual del sector industrial, los equipos de TI deben ser flexibles y estar preparados para cambiar de escala, tanto en términos de tamaño como de complejidad de los datos recopilados.

As informática de punta, que analiza los datos en su punto de creación, está cobrando impulso, las organizaciones están descubriendo cómo pueden acceder rápidamente solo a los datos más valiosos en tiempo real que resultan ser de misión crítica para su negocio.

Volviendo al ejemplo del medidor inteligente, este tipo de implementación de IoT involucra millones de dispositivos idénticos con los mismos datos y un solo propósito. Sigue siendo una inversión, pero el principio es simplemente conectar varios dispositivos homogéneos entre sí. Esto es diferente al entorno industrial actual, donde podría haber un puñado o incluso decenas de miles de dispositivos diferentes, todos realizando tareas ligeramente diferentes de diferentes maneras.

Por lo tanto, este equipo especializado requiere una solución IoT edge que pueda traducir, medir y analizar con precisión diferentes formatos de datos a medida que llegan los datos sin tener que desmontar y reemplazar la electrónica interna de la maquinaria.

Edge permite que el procesamiento de datos se realice en los nodos de borde antes de transmitir solo los datos agregados al servidor central. En lugar de transmitir grandes volúmenes de datos cada minuto, esto podría reducirse a un par de mensajes cada cinco minutos, según el caso de uso de la medición.

Esto da como resultado una reducción masiva del ancho de banda, por lo que la red celular se vuelve rentable, lo que luego reduce los costos de infraestructura y crea un retorno de la inversión y un valor más rápidos.

Para negocios que decide empezar con IoT, la computación perimetral niega la necesidad de una implementación masivamente compleja y costosa. Edge Computing puede proporcionar una forma de poner en marcha un proyecto, entregar puntos de datos y brindar información sobre cómo una empresa puede capitalizar aún más IoT con una estrategia basada en datos.

Conclusión

Las amplias capacidades de las implementaciones de IoT son ampliamente publicitadas. Muchas empresas no están familiarizadas con la disponibilidad de capacidades de IoT de entrada simples y asequibles para proporcionar análisis de datos en el perímetro, donde solo los datos recopilados más valiosos se comparten en tiempo real, lo que hace que el proceso sea más rentable.

Las soluciones para empresas como AWS y Microsoft tienen su lugar, pero la mayoría de las empresas que no tienen los grandes casos de uso para justificar la atención y el soporte dedicados de los principales jugadores se dejan en sus propios dispositivos. En cambio, una oferta a pequeña escala que incorpore big data, edge e IoT dentro de un espacio reducido tendrá un impacto significativo, que también es fácilmente escalable sin necesidad de revisar la infraestructura existente.

Acerca del autor.
Peter Ruffley es el fundador de Software Zizo y tiene más de 40 años de amplia experiencia en la industria de TI, incluido el trabajo con algunas de las tecnologías de datos más importantes, como Oracle, IBM e Ingres. Con un gran interés en las tecnologías de análisis en la nube, entendió que el cambio hacia el análisis en la nube estaba en marcha y reunió a un equipo para crear un nuevo tipo de tecnología, adecuada para ofrecer análisis de big data y servicios de bases de datos de patrones a escala en la nube.