Home  >  Negócios

4 tendências de IoT para 2019

Perspectivas incluem tecnologias de inteligência artificial, edge computing e gêmeos digitais

Andrea Grassi | IDG News Service

29/10/2018 às 14h11

internet das coisas
Foto: Shutterstock

A quarta edição do Congresso Mundial de Soluções para a Internet das Coisas (IoTSWC), que ocorreu em Barcelona (Espanha) no início deste mês, sinalizou um interesse crescente na tecnologia de IoT, com o número de participantes pulando em 25% ao ano, para 16.250. A variedade de tópicos discutidos mostra que o conceito IoT está sendo adotado por empresas de todos os setores e que a tecnologia passou da fase de desenvolvimento para a implementação de soluções práticas cujos resultados são cada vez mais evidentes.

Os 200 discursos e painéis foram divididos em áreas temáticas (manufatura, saúde, transporte conectado, energia e serviços públicos, edifícios e infra-estruturas e indústria aberta).

Listamos algumas das principais tendências que surgiram das apresentações, bem como a partir de entrevistas que realizamos.

Trazendo ordem para os protocolos

Embora a seleção natural - talvez facilitada pela evolução futura das redes 5G - provavelmente reduza o número, muitos padrões e protocolos de comunicação para a internet das coisas continuarão por muito tempo. A "tradução" dos sinais e a sua integração nos fluxos de informação continuarão, portanto representa uma oportunidade para os integradores de sistemas e empresas que operam neste setor. Embora frameworks e plataformas estejam surgindo para gerenciar e padronizar os diferentes sistemas periféricos (a proposta EdgeX Foundry de fonte aberta da Foundation merece atenção), eles ainda não existem e não haverá soluções "plug and play" para IoT por um tempo.

Inteligência artificial para dar valor aos dados

A inteligência artificial é o ingrediente fundamental necessário para compreender a grande quantidade de dados coletados nos dias de hoje e aumentar seu valor para os negócios. A maneira mais fácil de implementá-lo é recorrer aos serviços de API de operadores de nuvem, como Amazon, Google, Microsoft e IBM. O risco de usar soluções padrão acessíveis a todos é que elas reduzem a vantagem competitiva das empresas que as utilizam, já que elas podem ser facilmente implementadas pelos concorrentes. Criar uma plataforma proprietária de AI, no entanto, não será possível para todos.

Edge computing para superar os limites da nuvem

A nuvem, entretanto, está mostrando seus limites: conectividade rápida e constante nem sempre é possível, especialmente no caso de veículos conectados ou instalações em áreas remotas; a latência entre envio de dados, processamento e resposta nem sempre é compatível com certos aplicativos; e os custos de armazenamento são altos mesmo para dados que não são necessariamente indispensáveis.

data center

Há, portanto, uma tendência crescente para realocar parte do armazenamento e processamento de dados para a periferia da rede, próximo a sensores e objetos conectados. Essa chamada "computação de borda" (edge computing) será cada vez mais importante e cada vez mais inteligente, graças aos chips otimizados para aprendizado de máquina e soluções capazes de trazer "localmente" os algoritmos AI dos "suspeitos usuais", como o Amazon Greengrass e Google Cloud IoT.

Gêmeos digitais passam de objetos para fluxos de produção

A criação de um gêmeo digital, que graças aos dados coletados pelos sensores pode fornecer uma representação virtual realista de produtos e sistemas, será cada vez mais aplicada a processos produtivos inteiros, permitindo não só monitorar plantas inteiras, mas também prever o que acontecerá quando um novo modelo está em produção ou algumas variáveis ​​mudam. Isso, de acordo com os proponentes da tecnologia, resultará em maior eficiência, menor tempo de lançamento no mercado e menos falhas e problemas de não conformidade.

Para a produção de gêmeos digitais "preventivos", isto é, simulações de objetos ou plantas que ainda não existem, estamos usando algoritmos de modelagem física e, por mais paradoxais que pareça, sistemas de inteligência artificial que substituam sensores em simulações do feedback esperado.