Home Blogs Explorando casos de uso de Edge AI
Applications

Explorando casos de uso de Edge AI

About The Author

Outline

En todo el panorama de la computación empresarial, dos tecnologías seguramente tendrán un gran impacto en los próximos años: La inteligencia artificial (IA) y la computación de borde. En una encuesta reciente, el 95% de los ejecutivos de C-suite dijeron que creen que sus organizaciones se beneficiarían de incorporar la IA en sus operaciones diarias. Del mismo modo, la investigación sobre la computación de borde muestra que el 54% de las organizaciones actualmente usan o planean usar una arquitectura de computación de borde durante los próximos 12 meses. Otro 30% tiene la intención de evaluar una arquitectura de borde en los próximos 24 meses.

Basado en el interés fuerte y casi universal en estas tecnologías, ciertamente no es muy difícil sugerir que la combinación de IA y computación de borde interesará a las organizaciones. Además, esta combinación abre una gama de nuevas y emocionantes áreas de aplicación que de otro modo no serían posibles. Este blog mostrará dos ejemplos.

En gran medida, los modelos y las aplicaciones de IA necesitan estar alojados y entrenados en la nube, lo que funciona bien para análisis en profundidad donde la latencia inherente involucrada con la nube no es un problema. Pero para las aplicaciones que requieren un sistema basado en IA para realizar acciones en tiempo real, la latencia involucrada con el movimiento de datos de ida y vuelta a un centro de datos, que podría estar a miles de millas de distancia, es un factor sobresaliente.

Ahí es donde la inteligencia de borde entra en la imagen. Al acercar el procesamiento a la fuente de generación de datos, la inteligencia de borde aborda varias limitaciones de la computación centralizada, como la latencia, el ancho de banda y la seguridad, al tiempo que conserva todas las ventajas de la nube, incluida la escalabilidad y la resiliencia. El modelo de inteligencia de borde también minimiza la dependencia de la conectividad de red externa, una consideración importante para las aplicaciones de misión crítica en ubicaciones remotas como minas o plataformas petroleras que regularmente enfrentan desafíos de conectividad.

Hemos construido la plataforma Edge AI totalmente integrada para ayudar a las organizaciones a adoptar e implementar estas tecnologías de manera eficiente. Es muy adecuado para una amplia gama de áreas de aplicación y casos de uso en la fabricación, el comercio minorista, la atención médica, los medios de comunicación y el entretenimiento, y mucho más. Las posibilidades son casi infinitas.

Con muchas organizaciones que ya están llevando a cabo iniciativas de computación de borde, gran parte de la infraestructura necesaria para implementar aplicaciones de inteligencia artificial de borde ya está en su lugar o lo estará pronto. Hemos diseñado Edge AI para que sea una plataforma de información procesable de datos y aprendizaje automático (ML) en tiempo real con interconexión agnóstica en la nube, lo que significa que una organización puede comenzar a aprovechar la plataforma hoy en día sin necesidad de una ciencia de datos profunda y experiencia en IA. Y, como ilustran los dos casos de uso siguientes, las soluciones basadas en Edge AI son fáciles de implementar, administrar y operar.

Autorización facial impulsada por IA

Incluso las cámaras de vigilancia y los mecanismos de control de acceso, como tarjetas de identificación, plantas de fabricación y otras instalaciones, luchan por actuar sobre estos datos en tiempo real para evitar que usuarios no autorizados accedan a lugares restringidos en violación de la política. Es demasiado fácil para un visitante no autorizado o incluso para un empleado obtener acceso al “trazar” (obtener entrada no autorizada a un área segura siguiendo de cerca a alguien con autoridad para entrar) a un empleado autorizado o al hacer una excusa de por qué se le debe permitir entrar en la instalación.

Más allá de los visitantes externos, algunas instalaciones de fabricación tienen políticas estrictas sobre las áreas a las que los empleados de otras partes de la tienda pueden acceder por razones de seguridad o control de calidad, entre otras. Para el personal de seguridad que supervisa la instalación, puede ser difícil saber con certeza qué empleados están autorizados a estar en qué lugares. Esta situación en la que simplemente no hay una buena solución, que también requiere una vigilancia constante, es ideal para una solución de reconocimiento facial basada en la plataforma Edge AI.

La implementación de un sistema de reconocimiento facial es un proceso relativamente sencillo. Comienza con la creación de una red de cámaras basadas en IP alrededor de la instalación. Para áreas restringidas dentro de un taller, por ejemplo, las cámaras se configuran con un límite suave sobre qué tan lejos puede ver la cámara. Cuando alguien está fuera de ese límite suave, la cámara los ignorará. El sistema detecta a cualquier persona que entra en una zona protegida y determina en tiempo real si la persona está o no autorizada para estar allí. Esto permite que un gran espacio de trabajo físico se divida en múltiples zonas lógicas de trabajo y se supervise con precisión.

En una encuesta reciente, el 95% de los ejecutivos de C-suite dijeron que creen que sus organizaciones se beneficiarían de incorporar IA en sus operaciones diarias.

La gestión y el funcionamiento del sistema de reconocimiento facial no requiere habilidades especiales o una formación extensa que podría impedir la adopción. Las caras y fotografías de los empleados suelen estar en los sistemas de recursos humanos y se pueden importar fácilmente en el sistema de reconocimiento facial junto con las reglas y políticas de acceso. Las autorizaciones temporales se gestionan como parte de los protocolos de seguridad estándar, y los dispositivos se pueden administrar y reubicar o reemplazar según sea necesario directamente dentro del sistema.

En comparación con las alternativas solo en la nube, una solución basada en el borde protege a las organizaciones de los posibles desafíos legales y de responsabilidad asociados con el envío de información personal, como las caras de las personas a la nube sin su permiso. Configurar el sistema para garantizar que todos los datos capturados no vayan a ningún lugar fuera de un campus evita tales desafíos.

Otra ventaja del reconocimiento facial basado en bordes es la inferencia en tiempo real. El sistema puede responder instantáneamente cuando se detecta un usuario no autorizado. Esto no sucede en tiempo casi real, sino en tiempo real con solo unos pocos milisegundos de latencia. Cualquier intruso es detectado inmediatamente, y una alerta es enviada sin demora al personal de seguridad a través de un Servicio de Mensajería Multimedia (MMS) con una toma de la cabeza del usuario no autorizado, lo que permite al equipo de seguridad tomar las acciones apropiadas.

En resumen, las ventajas de un sistema de reconocimiento facial basado en un modelo de computación de borde incluyen:

  • Monitorización precisa de grandes superficies de tiendas con múltiples áreas protegidas

  • Fácil gestión y configuración de dispositivos

  • Protección inteligente contra posibles responsabilidades legales debido al envío de información facial a la nube

  • Alertas verdaderas en tiempo real si se detecta un visitante no autorizado

La inspección óptica cumple con el borde

Otro caso de uso adecuado para Edge AI es la inspección óptica automatizada de varias piezas y ensamblajes a lo largo del proceso de fabricación. Los sistemas de visión tradicionales se han utilizado durante mucho tiempo para la inspección y validación de control de calidad para fabricar todo, desde sistemas electrónicos hasta productos farmacéuticos.

Si bien los sistemas de visión tradicionales pueden identificar con precisión los defectos y otros problemas de control de calidad, se basan en conjuntos de reglas en lugar de aprendizaje automático e IA para inspeccionar piezas y ensamblajes. Esto los limita a casos de uso y componentes específicos y limita la capacidad de escalar soluciones en varios tipos de productos. Los técnicos de terceros deben reprogramarlos para adaptarse a nuevos modelos o productos, y las cámaras y los brazos robóticos deben reposicionarse con precisión para minimizar la variabilidad. Y sin integración en la nube o capacidad de captura de datos, los sistemas tradicionales no pueden capturar datos para optimizar los procesos. Todo esto aumenta significativamente los costos y disminuye la capacidad de los fabricantes para responder a las demandas cambiantes del mercado de manera oportuna.

Un sistema basado en Edge AI supera estos desafíos y ofrece el potencial de transformar la inspección óptica automatizada tal como la conocemos hoy en día. Utilizando soluciones modernas basadas en IA y ML, los fabricantes pueden configurar de forma rápida y sencilla nuevos perfiles de inspección en toda una gama de productos e implementar modificaciones y refinamientos sobre la marcha.

Con una interfaz de usuario intuitiva basada en la web, un sistema de inspección óptica inteligente permite a los miembros del equipo de TI o de fabricación importar y adquirir las imágenes necesarias para la inspección e iniciar rutinas de capacitación con un solo clic.

Además, a medida que la IA recopila datos, la calidad de las inspecciones mejora para que pueda tolerar cambios en la iluminación o el campo de visión debido al movimiento de la cámara o los cambios de ubicación. Esta adaptabilidad también ayuda cuando llega el momento de configurar cámaras de inspección; el tipo de lente de colocación de la cámara determina el campo de visión y se puede ajustar para adaptarse a varias dimensiones del producto.

Un sistema basado en IA puede inspeccionar piezas ensambladas como un humano y entiende las desviaciones aceptables a un ritmo mucho más rápido con mayor consistencia. Así como una red neuronal puede diferenciar entre un gato y un perro, un sistema basado en IA puede percibir si un objeto en particular es aceptable o tiene componentes faltantes o algún daño físico. Con el reconocimiento óptico de caracteres (OCR) incorporado, la IA también puede escanear códigos de barras o números de serie.

Los sistemas de IA y ML requieren una capacidad de procesamiento y almacenamiento considerables, especialmente para la formación de los modelos. Es por eso que estos sistemas suelen estar alojados en un entorno de nube. Al igual que con muchas otras aplicaciones similares basadas en la nube, el desafío es la latencia que implica el envío de imágenes y datos de ida y vuelta a la nube: La aplicación final es demasiado lenta para ser de mucho valor en un entorno de fabricación acelerado. Y las grandes cantidades de transmisión de datos desde las cámaras aumentan significativamente los requisitos de almacenamiento en la nube y ancho de banda.

Alternativamente, con una aplicación Edge AI, el procesamiento y la inferencia ocurren en tiempo real en el perímetro utilizando modelos entrenados extraídos de la nube, y la mayor parte del contenido de transmisión se almacena localmente. Estas funciones de borde están totalmente integradas con la nube, que se utiliza para cargas de trabajo bien adaptadas a TI, como la capacitación de modelos intensivos en CPU y la gestión del ciclo de vida. Cada vez que se crean nuevos perfiles de inspección, las imágenes asociadas con el perfil se cargan automáticamente a la nube, y el modelo se entrena en la nube con esas imágenes. Una vez que se completa el entrenamiento, los modelos entrenados se despliegan automáticamente al borde para comenzar la inspección. Se pueden utilizar múltiples modelos entrenados en un solo perfil de inspección.

En resumen, las ventajas de una solución de inspección óptica automatizada basada en la plataforma Edge AI incluyen:

  • Interfaz web fácil de usar para configurar nuevos perfiles de inspección: No se necesita conocimiento de la ciencia de los datos ni de la IA

  • La capacitación rápida en modelos en la nube proporciona la flexibilidad para cambiar partes o procesos sin perder tiempo ni sacrificar la calidad

  • Alojamiento rápido a los cambios en la iluminación o los ángulos de la cámara

  • Inspección rápida de piezas completamente ensambladas para componentes faltantes o daños

  • Amplia captura de datos para un análisis posterior y para permitir mejoras y refinamiento del proceso

Como demuestran estos casos de uso, la combinación de las dos tendencias más candentes en la computación empresarial de hoy en día abre una gama de nuevas aplicaciones que requieren tanto la potencia de procesamiento y almacenamiento de la nube, junto con tiempos de respuesta de milisegundos.

Póngase en contacto con nosotros para conocer cómo su aplicación podría beneficiarse de nuestra plataforma de inteligencia Edge AI.