Desafios técnicos para escalar o modelo de maturidade da IoT

Vamos explorar os obstáculos tecnológicos que precisamos superar para avançar de um estágio para o outro na escalada do modelo de maturidade da IoT. Tenha em mente que este é um processo cumulativo; cada estágio não apenas se baseia nos estágios anteriores, mas também se torna cada vez mais complexo. Pense nisso como uma progressão dos cursos de matemática. Cada lição se baseia nas anteriores, e a diferença entre a matemática da faculdade e do ensino médio é muito maior do que a diferença entre os níveis do ensino fundamental e médio.

E, assim como fazer cálculo será quase impossível sem o domínio da álgebra, quaisquer deficiências técnicas que não conseguimos superar nos estágios inferiores são ampliadas à medida que avançamos no modelo de maturidade.

Construir um produto IoT maduro é um desafio? Com certeza é. Mas isso não significa que não seja possível.

Quais habilidades técnicas são necessárias para progredir no modelo de maturidade da IoT?

Estágio 1: Dispositivos Incorporados

Começando pela parte inferior do modelo, temos dispositivos eletrônicos especialmente desenvolvidos. Esses produtos não apresentam conectividade e as pessoas os vêm construindo desde Thomas Edison inventou a lâmpada em 1879. Os dispositivos do estágio um são um pouco mais complicados agora do que antes, mas ainda têm uma classificação baixa no modelo de maturidade.

Os desafios tecnológicos para chegar a esta fase são igualmente simples. Contanto que nossas equipes tenham o conhecimento necessário de engenharia de hardware e software, podemos criar um produto.

Etapa 2: Computação em Nuvem

Os dispositivos do estágio dois se conectam à Internet. Isso significa que temos que adicionar protocolos de comunicação, placas de interface de rede (NICs), e infraestrutura de back-end. Essencialmente, os obstáculos técnicos do estágio dois se somam aos do estágio um com um componente crucial: networking.

Precisamos construir uma infraestrutura de servidores e aproveitar formas eficientes de gerenciá-la. Outro corolário da rede é cíber segurança. Uma vez que facilitamos ligações seguras através de uma rede pública e insegura – a Internet – também precisamos de investir em talentos de segurança para um produto de sucesso na segunda fase.

Etapa 3: Conectividade IoT

O terceiro estágio é onde as soluções de IoT realmente se destacam: a interconectividade. Neste ponto, os dispositivos conversam entre si e começamos a ver um ecossistema conectado tomar forma.

Os desafios técnicos para construir um produto conectado são ainda mais difíceis. É claro que ainda precisamos de toda a experiência das fases um e dois, mas agora precisamos de um nível de competências ainda maior para ter sucesso.

Pedimos muito aos nossos dispositivos conectados, mas esses sistemas embarcados funcionam em hardware restrito. A integração de vários serviços, especialmente quando os seus pontos de origem são tão diferentes, é um obstáculo significativo. A segurança torna-se ainda mais difícil e precisamos realmente de pensar construindo segurança desde o início; por exemplo, vamos querer incorporar um módulo de segurança de hardware (HSM) em nossa placa de circuito.

Uma das partes mais complexas do desenvolvimento da IoT é fazer com que cada detalhe conte. Embora um computador mais potente possa dedicar um pouco de espaço em disco ou capacidade de processamento a aplicativos que são agradáveis ​​de ter ou até mesmo desnecessários, os dispositivos IoT não têm esse luxo.

É por isso que ferramentas como Nervos é muito útil: nos permite construir um sistema Linux personalizado que tenha apenas o que precisamos e nada mais. No entanto, saber realmente o que incluir e o que descartar requer muito conhecimento técnico.

Etapa 4: Análise Preditiva 

Este é o estágio em que realmente começamos a colocar nossos dados para funcionar. Análise preditiva para IoT analisa tendências como dados de sensores, envolvimento do usuário e outras métricas que obtemos de nossos dispositivos. Podemos então usar esse big data para tarefas como manutenção preditiva para IoT industrial.

O estágio quatro é onde os cientistas de dados se tornam mais críticos. Esses profissionais utilizam ferramentas como Python, PyTorch e AWS SageMaker para construir, treinar e implantar modelos de aprendizado de máquina, mas isso é apenas uma pequena parte do trabalho. A base de qualquer projeto de ciência de dados bem-sucedido é uma estrutura analítica, uma forma de pensar criticamente sobre dados e problemas de negócios. Às vezes, a parte mais difícil é encontrar as perguntas certas para fazer.

No entanto, não podemos lançar um monte de números para um cientista de dados e esperar em troca um modelo de análise preditiva completo. precisamos de abordagem interdisciplinar onde nossos cientistas de dados trabalham em estreita colaboração com nossas equipes de engenharia para desenvolver um pipeline de dados. Afinal, se nossos engenheiros de hardware não sabem quais dados nossos analistas desejam usar, como saberão quais sensores escolher? Da mesma forma, nossos desenvolvedores de software precisam entender as prioridades do cientista de dados para descobrir se eles precisam derivar alguma variável, agregar dados ou enviá-los para a nuvem e até mesmo quais pontos de dados precisam ir para quais bancos de dados.

Etapa 5: Análise Prescritiva

Levando a nossa abordagem baseada em dados um passo adiante, esta etapa é definida por análise prescritiva, que aproveita o poder preditivo da análise do estágio quatro, recomendando cursos de ação futuros. As empresas de IoT podem usar análises prescritivas para oferecer valor de longo prazo aos usuários, porque elas têm o potencial de tornar nossas vidas mais fáceis, mais convenientes e mais agradáveis.

No lado tecnológico da equação, o estágio cinco inclui muitos dos mesmos elementos do estágio quatro, mas todos eles são obrigados a funcionar em um nível muito mais elevado. Por exemplo, quando se trata de ciência de dados, expandimos drasticamente o nosso escopo; não utilizamos mais um modelo único, como detecção de anomalias para manutenção preventiva. Em vez disso, usamos uma colcha de modelos de ML entrelaçados para realizar alguns feitos verdadeiramente espetaculares. Estes podem incluir Processamento de linguagem natural (NLP) para reconhecimento de fala/comandos de voz, algoritmos que otimizam de acordo com o Modelo de personalidade OCEANO, E muito mais.

O resultado começa a realmente se assemelhar Artificial Intelligence (AI), então não é difícil ver como esses desafios vão além da ciência de dados. Nossa equipe de hardware, por exemplo, precisará encontrar maneiras criativas de incorporar ainda mais poder de processamento nos espaços mais compactos, como GPUs para computação de ponta. Além disso, um produto do estágio cinco nunca está verdadeiramente completo. Práticas ágeis, como integração/implantação contínua (CI/CD), são cruciais se quisermos continuar a fornecer uma experiência de IoT de classe mundial.

Etapa 6: Computação Ubíqua

A fase final do modelo de maturidade da IoT é computação ubíqua, um jogo final onde praticamente todos os aspectos da vida diária incluem alguma interação com o mundo digital. Atualmente, esta fase só existe na ficção científica, mas podemos estar mais perto do que você pensa.

A tecnologia necessária para chegar aqui é imensa, e tudo o que podemos realmente fazer é especular neste momento. No entanto, sabemos que será necessária uma obra-prima coletiva em engenharia, desenvolvimento de software, ciência de dados, design de experiência do usuário e muito mais. Construir um conjunto de talentos nestes domínios é o maior obstáculo que nos impede de entrar no mundo da computação ubíqua.

Temos um longo caminho a percorrer. Vamos começar a construir. 

Conclusão

Agora deve estar claro o quanto cada passo progressivo é muito mais difícil do que o anterior. A transição de um dispositivo de estágio dois para um verdadeiro produto IoT de estágio três é um grande salto. Requer conhecimentos em muitos domínios e obriga-nos a dominar muitas tecnologias diferentes.

Embora as empresas de tecnologia mais avançadas de hoje possuam maturidade no estágio cinco, ainda não temos nada próximo da computação onipresente. Felizmente, muitas das maiores mentes do mundo estão trabalhando para desenvolver milhares de tecnologias diferentes.

Isso não significa que o estado da arte atual não esteja mudando o mundo.

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