Desafíos técnicos para escalar el modelo de madurez de IoT

Exploremos los obstáculos tecnológicos que debemos superar para avanzar de una etapa a la siguiente en la escalada del modelo de madurez de IoT. Tenga en cuenta que este es un proceso acumulativo; cada etapa no solo se basa en las etapas anteriores, sino que también se vuelven cada vez más complejas. Piense en ello como una progresión de los cursos de matemáticas. Cada lección se basa en las anteriores, y la diferencia entre las matemáticas de la universidad y la secundaria es mucho mayor que la brecha entre los niveles de primaria y secundaria.

Y, al igual que hacer cálculo sería casi imposible sin dominar el álgebra, cualquier deficiencia técnica que no podamos superar en las etapas inferiores se magnifica a medida que avanzamos en el modelo de madurez.

¿Es un desafío construir un producto de IoT maduro? Seguro que lo es. Pero eso no significa que no sea posible.

¿Qué habilidades técnicas se requieren para progresar en el modelo de madurez de IoT?

Etapa 1: Dispositivos integrados

Comenzando en la parte inferior del modelo, tenemos dispositivos electrónicos especialmente diseñados. Estos productos no cuentan con conectividad, y la gente los ha estado construyendo desde Thomas Edison inventó la bombilla en 1879. Los dispositivos de la etapa uno son un poco más complicados ahora que entonces, pero aún ocupan un lugar bajo en el modelo de madurez.

Los desafíos tecnológicos para llegar a esta etapa son igualmente sencillos. Siempre que nuestros equipos tengan los conocimientos de ingeniería de hardware y software necesarios, podemos crear un producto.

Etapa 2: computación en la nube

Los dispositivos de la etapa dos se conectan a Internet. Esto significa que tenemos que agregar protocolos de comunicación, tarjetas de interfaz de red (NIC), y infraestructura de back-end. Esencialmente, los obstáculos técnicos de la etapa dos se suman a los de la etapa uno con un componente crucial: la creación de redes.

Necesitamos construir una infraestructura de servidor y aprovechar formas eficientes de administrarla. Otro corolario de la creación de redes es la seguridad cibernética. Dado que facilitamos conexiones seguras a través de una red pública no segura, Internet, también debemos invertir en talento de seguridad para un producto de etapa dos exitoso.

Etapa 3: Conectividad IoT

La tercera etapa es donde las soluciones de IoT realmente se destacan: la interconectividad. En este punto, los dispositivos se comunican entre sí y comenzamos a ver cómo toma forma un ecosistema conectado.

Los desafíos técnicos para construir un producto conectado son aún más difíciles. Por supuesto, todavía necesitamos toda la experiencia de las etapas uno y dos, pero ahora necesitamos un nivel de habilidad aún mayor para tener éxito.

Pedimos mucho a nuestros dispositivos conectados, pero estos sistemas integrados funcionan en hardware restringido. La integración de varios servicios, especialmente cuando sus puntos de origen son tan diferentes, es un obstáculo importante. La seguridad se vuelve aún más difícil, y realmente tenemos que pensar en construir con seguridad desde el principio; por ejemplo, querremos incrustar un módulo de seguridad de hardware (HSM) en nuestra placa de circuito.

Una de las partes más complejas del desarrollo de IoT es hacer que cada pequeña parte cuente. Si bien una computadora más poderosa puede darse el lujo de dedicar un poco de espacio en disco o potencia de procesamiento a aplicaciones que son agradables de tener o incluso innecesarias, los dispositivos IoT carecen de este lujo.

Es por eso que herramientas como Nervios es muy útil: nos permite construir un sistema Linux personalizado que solo tiene lo que necesitamos y nada más. Sin embargo, saber realmente qué incluir y qué eliminar requiere muchos conocimientos técnicos.

Etapa 4: análisis predictivo 

Esta es la etapa en la que realmente comenzamos a poner nuestros datos a trabajar. Analítica predictiva for IoT analiza tendencias como datos de sensores, participación del usuario y otras métricas que obtenemos de nuestros dispositivos. Luego podemos usar esos grandes datos para tareas como el mantenimiento predictivo para IoT industrial.

La etapa cuatro es donde los científicos de datos se vuelven más críticos. Estos profesionales utilizan herramientas como Python, PyTorchy Creador de salvia de AWS para construir, entrenar e implementar modelos de aprendizaje automático, pero eso es solo una pequeña parte del trabajo. Un marco analítico, una forma de pensar críticamente sobre los datos y los problemas comerciales, es fundamental para cualquier proyecto exitoso de ciencia de datos. A veces, la parte más difícil es simplemente encontrar las preguntas correctas para hacer.

Sin embargo, no podemos arrojar un montón de números a un científico de datos y esperar a cambio un modelo de análisis predictivo completo. Necesitamos una enfoque interdisciplinario donde nuestros científicos de datos trabajan en estrecha colaboración con nuestros equipos de ingeniería para desarrollar una canalización de datos. Después de todo, si nuestros ingenieros de hardware no saben qué datos quieren usar nuestros analistas, ¿cómo sabrán qué sensores elegir? Del mismo modo, nuestros desarrolladores de software deben comprender las prioridades de los científicos de datos para determinar si necesitan derivar variables, agregar datos o enviarlos a la nube e incluso qué puntos de datos deben ir a qué bases de datos.

Etapa 5: Analítica prescriptiva

Llevando nuestro enfoque basado en datos un paso más allá, esta etapa se define por análisis prescriptivo, que se basa en el poder predictivo del análisis de la etapa cuatro al recomendar futuros cursos de acción. Las empresas de IoT pueden usar análisis prescriptivos para ofrecer valor a largo plazo a los usuarios porque tienen el potencial de hacer que nuestras vidas sean más fáciles, convenientes y placenteras.

En el lado tecnológico de la ecuación, la etapa cinco incluye muchos de los mismos elementos de la etapa cuatro, pero todos son necesarios para funcionar a un nivel mucho más alto. Por ejemplo, cuando se trata de ciencia de datos, ampliamos drásticamente nuestro alcance; ya no usamos un modelo único, como la detección de anomalías para el mantenimiento preventivo. En su lugar, usamos un trabajo de colcha de modelos ML entrelazados para lograr algunas hazañas realmente espectaculares. Estos pueden incluir Procesamiento natural del lenguaje (NLP) para reconocimiento de voz/comandos de voz, algoritmos que optimizan según el modelo de personalidad OCÉANO, Y mucho más.

El resultado comienza a parecerse verdaderamente Inteligencia Artificial (AI), por lo que no es difícil ver cómo estos desafíos van más allá de la ciencia de datos. Nuestro equipo de hardware, por ejemplo, deberá encontrar formas creativas de integrar aún más potencia de procesamiento en los espacios más compactos, como con GPU para informática perimetral. Además, un producto de la etapa cinco nunca está realmente completo. Las prácticas ágiles como la integración continua/implementación continua (CI/CD) son cruciales si queremos continuar brindando una experiencia de IoT de clase mundial.

Etapa 6: Computación Ubicua

La etapa final del modelo de madurez de IoT es computación ubicua, un juego final en el que prácticamente todos los aspectos de la vida diaria incluyen alguna interacción con el mundo digital. Actualmente, esta etapa sólo existe en la ciencia ficción, pero Podríamos estar más cerca de lo que piensas.

La tecnología que se necesitaría para llegar aquí es inmensa, y todo lo que podemos hacer realmente es especular en este punto. Sin embargo, sabemos que se necesitará una obra maestra colectiva en ingeniería, desarrollo de software, ciencia de datos, diseño de experiencia de usuario y más. Crear una colección de talentos en estos dominios es el mayor obstáculo que nos impide ingresar al mundo de la computación ubicua.

Tenemos un largo camino por recorrer. Empecemos a construir. 

Conclusión

Ahora debería quedar claro cuánto más difícil es cada paso progresivo que el anterior. La transición de un dispositivo de etapa dos a un verdadero producto de IoT de etapa tres es un gran salto. Requiere experiencia en muchos dominios y nos obliga a dominar muchas tecnologías diferentes.

A pesar de que las empresas de tecnología más avanzadas de la actualidad cuentan con una madurez de etapa cinco, todavía no tenemos nada parecido a la computación ubicua. Afortunadamente, muchas de las mentes más brillantes de todo el mundo están trabajando para avanzar en miles de tecnologías diferentes.

Eso no significa que el estado del arte actual no esté cambiando el mundo.

Fuente: https://www.iotforall.com/technical-challenges-to-climbing-the-iot-maturity-model