Los análisis perimetrales son un método de análisis de datos que se realiza en o cerca de la fuente de generación de datos, es decir, en el borde de la red, en lugar de en un almacén de procesamiento de datos centralizado o en la nube.
Este enfoque es especialmente útil en las aplicaciones de Internet de las cosas (IoT en las que los dispositivos y los sensores generan grandes cantidades de datos que deben procesarse con análisis de datos en tiempo real para permitir una toma de decisiones y unas respuestas rápidas.
Los análisis perimetrales modernos tienen un importante contraste con los análisis tradicionales basados en la nube, en los que los datos se recogen normalmente de diversas fuentes, se envían a la nube para su procesamiento y/o almacenamiento y luego se devuelven al usuario o la aplicación en forma de resultados de análisis.
Este procesamiento de datos en la fuente (con análisis perimetrales) ayuda a las empresas a reducir la latencia, mejorar la eficiencia del ancho de banda y mejorar la seguridad. Estos beneficios son de una importancia increíble en sectores como la fabricación, la atención sanitaria, los servicios públicos, la agricultura y las telecomunicaciones, que tienen que ser capaces de procesar cantidades enormes de datos muy rápidamente para seguir el ritmo de las demandas en rápida evolución de sus clientes.
Este artículo profundizará en todos los aspectos de los análisis perimetrales, incluidos lo que son, cómo funcionan, sus beneficios y sus aplicaciones del mundo real.
¿Cómo funcionan los análisis perimetrales?
El proceso de análisis perimetral implica recopilar, analizar y tomar decisiones sobre los datos en o cerca de la fuente de generación de datos, normalmente en dispositivos o sensores perimetrales.
Aquí tiene un desglose de cada paso del proceso:
- Recogida de datos
Los dispositivos perimetrales, como los sensores de IoT, las máquinas industriales o los dispositivos móviles, recogen datos de su entorno circundante. Estos datos pueden incluir varios tipos de información, como temperatura, presión, vibración, ubicación, imágenes, vídeos u otras lecturas de sensores. Los dispositivos perimetrales están equipados con sensores, procesadores y, a veces, capacidades de almacenamiento para capturar y almacenar datos localmente.
- Preprocesamiento de datos
Una vez que los dispositivos perimetrales recogen los datos, pueden pasar por tareas de preprocesamiento, como filtrado, agregación o compresión, para reducir el volumen de datos o mejorar su calidad. Estas tareas de preprocesamiento ayudan a optimizar los datos antes de enviarlos para su análisis, reduciendo los requisitos de ancho de banda y mejorando la eficiencia de los análisis posteriores.
- Análisis de datos
Los dispositivos perimetrales realizan análisis locales de los datos preprocesados para obtener información o detectar patrones. Las técnicas de análisis pueden variar en función de la aplicación y de la naturaleza de los datos, pero pueden incluir análisis estadísticos, algoritmos de aprendizaje automático o procesamiento basado en reglas.
El objetivo del análisis de datos en el borde es extraer información relevante e identificar información procesable en tiempo real.
- Toma de decisiones
Basándose en los resultados del análisis de datos, los dispositivos perimetrales pueden tomar decisiones autónomas o activar acciones directamente en el borde sin necesidad de enviar datos a un servidor centralizado. Los procesos de toma de decisiones pueden ser reglas predefinidas, modelos de aprendizaje automático o algoritmos programados en los dispositivos perimetrales.
Aplicaciones del mundo real de los análisis perimetrales
Veamos un poco más a fondo cómo los análisis perimetrales están transformando sectores como la fabricación, la atención sanitaria y el transporte, con casos de uso específicos.
Industria
Mantenimiento predictivo: Los análisis perimetrales permiten que los fabricantes predigan los fallos de los equipos antes de que ocurran analizando los datos de los sensores en tiempo real. Por ejemplo, un fabricante puede usar análisis perimetrales para supervisar los patrones de vibración de la maquinaria. Cualquier patrón anormal puede activar alertas de mantenimiento, lo que permite realizar reparaciones proactivas y minimizar los tiempos de inactividad.
Control de calidad: En los procesos de fabricación, los análisis perimetrales pueden analizar los datos de los sensores para identificar defectos o anomalías en tiempo real. Por ejemplo, en la fabricación de automóviles, los análisis perimetrales pueden analizar imágenes de las piezas de los vehículos para detectar defectos como arañazos o desalineaciones en la línea de montaje, lo que garantiza la calidad del producto y reduce los residuos.
Optimización de procesos: Los análisis perimetrales pueden optimizar los procesos de fabricación analizando los datos de los sensores integrados en los equipos de producción. Por ejemplo, en la fabricación de semiconductores, los análisis perimetrales pueden analizar la temperatura, la presión y otros parámetros del proceso para optimizar el rendimiento y reducir los defectos.
Sanidad
Supervisión remota del paciente: Los análisis perimetrales permiten la supervisión en tiempo real de las constantes vitales y los datos de salud de los pacientes desde dispositivos portátiles o sensores médicos — el Internet de las cosas médico (mIoT). Los profesionales sanitarios pueden usar estos datos para detectar los primeros signos de problemas de salud o anomalías, lo que permite intervenciones oportunas y planes de atención personalizados.
Respuesta de emergencia: En situaciones médicas de emergencia, los análisis perimetrales pueden analizar los datos de los dispositivos y sensores médicos para priorizar y clasificar a los pacientes en función de la gravedad de su afección. Por ejemplo, en un caso de víctima masiva, los análisis perimetrales pueden ayudar a los servicios de emergencia a identificar rápidamente a los pacientes que necesitan atención inmediata.
Análisis de imágenes médicas: Los análisis perimetrales pueden analizar los datos de las imágenes médicas, como los rayos X o las RM, en tiempo real, para ayudar a los radiólogos a diagnosticar afecciones como fracturas, tumores o anomalías. Esto puede mejorar la precisión del diagnóstico y reducir el tiempo que se tarda en interpretar las imágenes médicas.
Transporte
Mantenimiento predictivo de vehículos: Los análisis perimetrales permiten que las empresas de transporte supervisen el estado de los vehículos en tiempo real y predigan las necesidades de mantenimiento basándose en los datos de los sensores. Por ejemplo, los análisis perimetrales pueden analizar los datos de rendimiento del motor para detectar signos de desgaste y anticipar los requisitos de mantenimiento, reduciendo los tiempos de inactividad imprevistos y mejorando la eficiencia de la flota.
Gestión del tráfico: Los análisis perimetrales pueden analizar los datos de los sensores de tráfico, las cámaras y los dispositivos GPS para supervisar las condiciones del tráfico en tiempo real. Las autoridades de transporte pueden usar estos datos para optimizar el flujo de tráfico, detectar la congestión y mejorar la seguridad vial identificando áreas propensas a accidentes o condiciones viales peligrosas.
Vehículos autónomos: Los análisis perimetrales juegan un papel crucial para permitir que los vehículos autónomos tomen decisiones en tiempo real basadas en los datos de los sensores de las cámaras, el LiDAR, el radar y otros sensores integrados. Los algoritmos de análisis perimetral analizan estos datos para detectar obstáculos, peatones y otros vehículos, lo que permite que los vehículos autónomos naveguen de manera segura y eficiente.
A medida que la tecnología perimetral sigue evolucionando, podemos esperar ver más avances e innovaciones impulsados por los análisis perimetrales en una amplia gama de sectores.
La importancia y las ventajas de los análisis perimetrales
El mundo está cada vez más impulsado por los datos, generando cada vez más datos en todas partes, incluso en el borde, y gran parte de ellos son datos no estructurados.
Los análisis perimetrales permiten que las empresas aprovechen sus datos perimetrales cada vez más voluminosos gracias a:
- Información en tiempo real: Al analizar los datos en el borde, las organizaciones pueden obtener información en tiempo real sobre sus operaciones, lo que permite una toma de decisiones más rápida y una respuesta a los eventos a medida que se producen.
- Latencia reducida: Los análisis perimetrales reducen la latencia asociada con el envío de datos a una ubicación centralizada para su procesamiento. Esto es especialmente crucial en las aplicaciones en las que la respuesta en tiempo real es crítica, como en la fabricación, la atención sanitaria y los vehículos autónomos.
- Eficiencia del ancho de banda: El análisis de los datos en el borde reduce la cantidad de datos que hay que transmitir a través de las redes, ahorrando ancho de banda y reduciendo los costes y el consumo energético asociados con la transferencia y el almacenamiento de datos.
- Seguridad y privacidad mejoradas: Los análisis perimetrales pueden mejorar la seguridad y la privacidad al procesar los datos confidenciales localmente, sin necesidad de transmitirlos a través de redes potencialmente inseguras. Esto es especialmente importante en sectores como la asistencia sanitaria y las finanzas, en los que las normativas de privacidad de los datos son estrictas.
- Escalabilidad: Los análisis perimetrales permiten el procesamiento distribuido de los datos en múltiples dispositivos perimetrales, lo que permite la escalabilidad a medida que crecen los volúmenes de datos y los requisitos de procesamiento.
Conclusión
Los análisis perimetrales son un método de análisis de datos que se produce en o cerca de la fuente de generación de datos, como los dispositivos de IoT, en lugar de en almacenes de procesamiento de datos centralizados o en la nube. Es especialmente ventajoso en las aplicaciones de IoT en las que la toma de decisiones y las respuestas rápidas son esenciales. Al procesar los datos en el borde, las empresas pueden reducir la latencia, mejorar la eficiencia del ancho de banda y mejorar la seguridad.
Las aplicaciones del mundo real de los análisis perimetrales abarcan varios sectores. En la fabricación, permite el mantenimiento predictivo, el control de calidad y la optimización de procesos. En la asistencia sanitaria, facilita la supervisión remota del paciente, la respuesta a emergencias y el análisis de imágenes médicas. En el transporte, admite el mantenimiento predictivo de vehículos, la gestión del tráfico y el funcionamiento de vehículos autónomos.
Necesitará la base adecuada para apoyar sus esfuerzos de análisis perimetral. Las soluciones de Pure Storage pueden ayudarle a capitalizar sus inversiones en IA orientadas a los análisis y a acelerar y escalar su computación de alto rendimiento.
AIOps de Pure1® ayuda con los análisis de los paneles de control, ya que le permite aprovechar plenamente el aprendizaje automático y los análisis para optimizar y mejorar las operaciones de TI, como el centro de atención, la supervisión y la automatización. Portworx ® y Pure Cloud Block Store ™ proporcionan un soporte de infraestructura crucial para las aplicaciones de IoT.
