Edge computing

'Edge computing': dispositivos más rápidos, inteligentes y sostenibles

I+D+i

El edge computing procesa los datos cerca de donde se generan para que dispositivos, instalaciones e infraestructuras puedan responder con mayor rapidez. Esta tecnología impulsa la IA en tiempo real, el IoT industrial y las redes eléctricas inteligentes, y complementa la capacidad de análisis de la nube.

 

El edge computing puede contribuir a un uso más eficiente de los recursos digitales al filtrar datos localmente y reducir la necesidad de transmitir información innecesaria a centros de datos remotos.

La digitalización conecta millones de dispositivos, sensores y equipos capaces de generar información de forma continua. En una red eléctrica, una fábrica, un vehículo conectado o una instalación renovable, muchos de esos datos necesitan analizarse en el mismo instante en que se producen.

Aquí entra en juego el edge computing o computación en el borde: un modelo tecnológico que acerca la capacidad de procesamiento al lugar donde se generan los datos. En vez de enviar toda la información a centros de datos remotos, parte del análisis se realiza en el propio dispositivo, en una instalación cercana o en un nodo de comunicaciones próximo.

Este enfoque permite responder con mayor rapidez, optimizar el uso de las comunicaciones y reforzar la continuidad de determinados servicios. La Comisión Europea identifica la combinación de nube, edge, Internet de las cosas (IoT) e inteligencia artificial como una base tecnológica clave dentro de sus iniciativas de investigación e innovación y de su estrategia de datos.

¿Qué es el edge computing?


El edge computing es una arquitectura de computación distribuida que procesa los datos cerca de su fuente: un sensor, una cámara, un contador inteligente, una máquina industrial o un vehículo, entre otros dispositivos.

No sustituye a la computación en la nube (cloud computing), sino que la complementa. Mientras el borde permite ejecutar acciones inmediatas y filtrar información en el entorno local, la nube facilita el almacenamiento, el análisis a gran escala, el entrenamiento de modelos y la coordinación de múltiples activos. 

Diferencias entre edge computing y cloud computing

Importancia y retos del edge computing

El valor del edge computing reside en que permite acercar la inteligencia digital a los activos físicos. Esto resulta especialmente relevante cuando una decisión no puede esperar a que los datos viajen a un centro de procesamiento lejano.

  • Respuesta en tiempo real

    Reduce el tiempo entre la detección de un evento y la acción necesaria.

  • Uso más eficiente de las comunicaciones

    Filtra y prioriza información antes de enviarla a la nube, lo que ayuda a gestionar grandes volúmenes de datos.

  • Mayor resiliencia operativa

    Permite mantener determinadas capacidades locales aunque la conectividad con sistemas centrales se vea limitada.

  • Mejor conocimiento de los activos

    Facilita la monitorización de equipos, instalaciones e infraestructuras de forma más granular.

  • Operaciones más eficientes

    Puede contribuir a optimizar recursos y desplazamientos al identificar incidencias y necesidades de mantenimiento con antelación.

  • Menor latencia

    Procesa los datos cerca de su origen, reduciendo el tiempo necesario para enviar información a centros de datos remotos y recibir una respuesta.

El edge computing se presenta como una tecnología con múltiples ventajas. Sin embargo, para aprovechar todo su potencial es necesario abordar también aspectos relacionados con la seguridad, la gestión de los dispositivos y el gobierno de la información.

Retos para su despliegue

  • Ciberseguridad distribuida

    Al existir más dispositivos y puntos de procesamiento, es necesario proteger una superficie tecnológica más amplia y aplicar medidas de seguridad de forma coordinada.

  • Interoperabilidad

    La integración de dispositivos, sistemas y plataformas de diferentes fabricantes requiere estándares y arquitecturas que faciliten el intercambio de información.

  • Mantenimiento de dispositivos

    Los equipos desplegados en ubicaciones distribuidas necesitan supervisión, mantenimiento y sustitución cuando sea necesario para garantizar su disponibilidad.

  • Gobierno del dato

    Es importante establecer criterios sobre cómo se recopilan, almacenan, procesan y comparten los datos, así como sobre quién puede acceder a ellos y con qué finalidad.

  • Actualización de los modelos de IA

    Cuando el edge computing incorpora inteligencia artificial, los modelos deben mantenerse actualizados y supervisarse para asegurar su rendimiento y fiabilidad.

  • Escalabilidad

    Ampliar el número de dispositivos y aplicaciones requiere arquitecturas capaces de gestionar un entorno distribuido sin comprometer la seguridad, el rendimiento ni la capacidad de operación.

Cómo funciona la tecnología edge computing

El edge computing combina capacidad local y sistemas centrales para convertir los datos en decisiones útiles.

  • Los dispositivos captan información sobre su entorno y funcionamiento

  • Un equipo cercano filtra, analiza y prioriza los datos relevantes

  • El sistema puede detectar una incidencia, ajustar una operación o avisar a un equipo

  • Los datos seleccionados se integran en plataformas centrales para analizar tendencias y mejorar modelos

  • Más agilidad, resiliencia, eficiencia operativa y mejor servicio

Edge AI: inteligencia artificial en el borde

La evolución del edge computing ha dado lugar a la denominada edge AI: la aplicación de modelos de inteligencia artificial directamente en dispositivos o nodos cercanos a la operación. Así, cámaras, sensores o equipos conectados pueden reconocer patrones, clasificar eventos y generar alertas en tiempo real.

La edge AI permite tomar decisiones donde la rapidez, la disponibilidad y el contexto local son determinantes. Su despliegue debe incorporar ciberseguridad, supervisión humana, calidad del dato y modelos de gobierno que aseguren un uso responsable.

La Unión Europea se ha fijado como objetivo desplegar 10.000 nodos edge climáticamente neutros y altamente seguros antes de 2030, con el propósito de ofrecer servicios de datos de baja latencia. 

Por otro lado, la Agencia Internacional de la Energía (AIE) prevé que el consumo eléctrico mundial de los centros de datos supere los 945 TWh en 2030, más del doble que en la actualidad, impulsado principalmente por el crecimiento de la inteligencia artificial. Esta previsión pone de manifiesto la importancia de seguir desarrollando arquitecturas digitales eficientes. Además, en este contexto, la edge AI puede complementar el procesamiento en la nube al analizar localmente aquellos datos que requieren una respuesta inmediata, aunque su impacto sobre el consumo energético dependerá de cómo se diseñen y gestionen las infraestructuras y de las tareas que se ejecuten en cada entorno.

Aplicaciones del edge computing

Las virtudes del edge computing permitirán implementar numerosas tecnologías en nuestro entorno —hogar, vehículo, ciudad, etc. — y optimizar muchas otras. A continuación, repasamos algunas de ellas:

  • Vehículos autónomos

    Los coches inteligentes recogen información sobre su entorno mientras circulan —señales de tráfico, otros vehículos, peatones, etc. —. La velocidad de procesamiento facilitada por la computación en el borde es crucial para que los vehículos sin conductor puedan responder en tiempo real a las necesidades de la circulación y hacer viable este novedoso tipo de movilidad.

  • Redes eléctricas inteligentes

    Las redes eléctricas incorporan cada vez más recursos distribuidos: generación renovable, almacenamiento, autoconsumo, puntos de recarga, bombas de calor y contadores inteligentes. El procesamiento distribuido permite observar mejor el estado de la red, identificar incidencias y gestionar de forma más dinámica los flujos de energía.

  • Energías renovables

    Los parques eólicos, plantas fotovoltaicas y otras instalaciones energéticas generan información constante sobre su rendimiento y estado. Analizarla cerca del activo puede agilizar el mantenimiento predictivo, mejorar la operación y reforzar la seguridad de los equipos.

  • Fábricas inteligentes

    Gracias al análisis de todos los datos generados por la maquinaria de una fábrica, la Industria 4.0 puede beneficiarse de procesos de producción más inteligentes que aumenten la eficiencia, la calidad y la sostenibilidad, así como de una mejor interacción entre cobots (robots colaborativos) y humanos, previniendo accidentes y minimizando sus daños.

  • Smart cities

    Los vehículos conectados, la gestión del tráfico, el alumbrado inteligente o la recarga eléctrica requieren intercambiar y analizar información con rapidez. El edge computing ayuda a que los sistemas reaccionen a las condiciones reales de su entorno, transformando los ambientes urbanos en smart cities.

Iberdrola apuesta por unas redes eléctricas más inteligentes

En Iberdrola impulsamos la digitalización de nuestras redes eléctricas para avanzar hacia un sistema energético más eficiente, fiable y preparado para las necesidades del futuro. En este camino, desarrollamos soluciones basadas en edge computing que acercan la capacidad de análisis y decisión a nuestras infraestructuras energéticas.

Esta tecnología permite procesar información en puntos clave de la red, como los centros de transformación, y reforzar su gestión mediante la integración de datos, inteligencia artificial, IoT y automatización. Así, contribuimos a mejorar la calidad y continuidad del suministro, al tiempo que avanzamos en el desarrollo de redes inteligentes.

La digitalización forma parte de nuestro compromiso con la electrificación. Una red más conectada y flexible facilita la integración de energías renovables, almacenamiento energético, movilidad eléctrica y otros recursos esenciales para construir un modelo energético más limpio, sostenible y resiliente.