El viaje
Este viaje comienza con la tecnología M2M (Machine-to-Machine), una innovación que ha dado a los dispositivos la posibilidad de enviar y recibir datos a través de una red y ha allanado el camino hacia un mundo cada vez más conectado y eficiente.
Pronto, las redes ganaron más capacidad y los dispositivos, que antes estaban limitados a algunas funciones específicas, ahora podían sentir o actuar con el entorno que los rodeaba. El auge del Internet de las cosas marcó una revolución.
Con la caída de los costos de los equipos y las nuevas posibilidades que trajo la computación en la nube, el IoT ganó escala, conectando millones de dispositivos a la red.
Los dispositivos se convirtieron en poderosas herramientas para capturar y transmitir cada vez más tipos de información, como temperatura, presión, ubicación, movimiento, sonido o luz.
Las empresas comenzaron a recopilar datos de una gran variedad de fuentes (hogares, fábricas, vehículos, ciudades e incluso personas con dispositivos wearables) y a supervisar o controlar sistemas de forma remota.
Se ha creado y se sigue creando mucho valor con M2M e IoT.
Sin embargo, estos sistemas siguen siendo pasivos y requieren la intervención humana, ya sea para tomar cualquier decisión o para transformar los datos en información valiosa.
Con el rápido crecimiento de los datos, es natural que el modelo tradicional de IoT pronto deje de ser capaz de satisfacer la demanda de automatización inteligente en muchas situaciones.
Aquí es donde entra en escena la IA y se une al IoT. Con esta simbiosis, los sensores dejan de ser meros testigos y se convierten en agentes inteligentes de cambio.
Los sistemas AIoT (Inteligencia Artificial de las Cosas) son capaces de aprender en tiempo real, realizar acciones autónomas, detectar anomalías y patrones, predecir resultados y tendencias, y adaptarse continuamente a los cambios del entorno.
La arquitectura
Para hacer posible la AIoT, necesitamos una arquitectura End-to-End (E2E) preparada y optimizada para definir cómo operan conjuntamente los sistemas inteligentes de IoT. Desde la generación de datos hasta la obtención de información útil.
Es esta arquitectura la que integra dispositivos físicos, capas de comunicación, infraestructura de datos, análisis, protocolos y aplicaciones en un ecosistema unificado y escalable.
Conceptualmente, podemos dividir esta arquitectura en capas:
- Física: sensores y actuadores.
- Conectividad: llevar la información del dispositivo a las capas de aplicación.
- Preprocesamiento: Edge, Fog o Cloud Computing
- Middleware: plataformas en la nube que agregan y procesan información y normalizan protocolos de diversas fuentes.
- Aplicación: herramientas y paneles de control que aportan todo el valor al usuario.
Capa física
Esta es la capa que interactúa con el mundo real, incluyendo sensores, actuadores, lectores, escáneres, medidores, controladores, cámaras y sistemas integrados que generan o responden a señales.
Protocolos como Modbus, Zigbee y BLE se utilizan mucho aquí.
Capa de conectividad
La capa de conectividad es crucial para el funcionamiento de un sistema AIoT, ya que garantiza la comunicación entre dispositivos y sistemas. Incluye protocolos y tecnologías como 5G, LTE, Wi-Fi 6 y LPWAN que facilitan la transmisión de datos en el lugar (LAN) y entre otras redes (WAN). El objetivo es garantizar una transmisión fiable, segura y eficiente, gestionando el ancho de banda, la latencia y la congestión del tráfico.
La capa de conectividad es un punto central en los sistemas AioT, ya que, sin ella, la información no fluye.
Capa de preprocesamiento
Se trata de una capa intermedia que limpia, formatea y transforma los datos brutos en entradas estructuradas para su análisis. El preprocesamiento puede realizarse en diferentes momentos:
· Con Edge AI, este trabajo puede realizarse en el propio dispositivo, todavía en la capa física, donde estaría integrada la tecnología.
· También puede realizarse en capas intermedias de la red (fog computing), como en gateways o computación distribuida.
· O, incluso, en las capas superiores, ya en la nube.
Estas tareas tienen un impacto considerable en la eficiencia, la velocidad y la seguridad de todo el sistema, y la elección de la topología depende de las necesidades del negocio.
Cabe señalar que, en algunos casos, la IA ya puede empezar a funcionar desde el principio del recorrido de los datos, utilizando conceptos como TinyML y aceleradores como TPU (Tensor Processing Units) o NPU (Neural Processing Units), lo que acerca aún más la inteligencia a la fuente.
Capa MidlleWare
Podemos considerarla como la capa de inteligencia. Aquí es donde se produce toda la magia de la interoperabilidad, donde los datos de diversas fuentes y protocolos se organizan y normalizan para que puedan interactuar entre sí.
Es aquí donde la IA y los análisis entran realmente en juego. Esto puede incluir la implementación de modelos de aprendizaje automático y aprendizaje profundo para tareas como la predicción, la clasificación, la detección de anomalías y la optimización. Además de admitir la actualización de modelos, el aprendizaje federado y el aprendizaje por refuerzo, con el objetivo de lograr una mejora continua.
Las plataformas robustas del mercado, como AWS IoT Core, Azure IoT Hub y Google IoT, son algunas de las más conocidas, pero además de ellas existen muchas otras opciones de nicho.
Capa de aplicación
En esta capa, el valor se entrega al usuario. La capa de aplicación transforma los conocimientos en acciones, visualizaciones o flujos de trabajo automatizados mediante paneles de control, API, interfaces de control y sistemas corporativos, como ERP, SCADA, WFM, facturación o CRM.
El usuario puede interactuar con la AIoT utilizando aplicaciones móviles, interfaces web o comandos de voz.
La función principal de la capa de aplicación es transformar los datos en valor para la toma de decisiones estratégicas y el retorno de la inversión.
Toda esta arquitectura debe estar diseñada para promover el modularidad y la abstracción, permitiendo que se integren o cambien nuevos componentes a medida que la tecnología evoluciona. Este enfoque garantiza que el sistema AIoT no solo sea reactivo, sino también inteligente, adaptativo y autónomo.
Continuaremos este tema en mi próximo artículo, no te lo pierdas.
