Edge Computing: ¿qué es y por qué importa?
Jose R. Salvador
May 09, 2025
Más allá de la computación en la nube convencional, la computación en la periferia (edge computing) se está convirtiendo en un elemento transformador en el mundo del IoT. La reducción de la latencia, la capacidad de respuesta en tiempo real y la economía de ancho de banda son solo algunos de los beneficios que se obtienen al acercar el procesamiento y almacenamiento de datos al punto de generación.
Sin embargo, exploraremos la computación en la periferia con mayor profundidad. En comparación con la computación en la nube, ¿cuáles son sus beneficios? ¿Para qué usos es útil la computación en la periferia?
¿Qué es la Computación en la Periferia (Edge computing)?
Aunque la computación en la nube ha recibido probablemente mucha atención, la computación en la periferia es también un jugador importante. Mientras que la computación local procesa datos directamente en su dispositivo y la computación en la nube lo hace en centros de datos lejanos, la computación en la periferia ocupa un espacio intermedio y resuelve problemas que ninguno de los dos puede manejar por sí solo:
Reducción de Latencia. La computación en la periferia procesa datos en tiempo real o casi en tiempo real, disminuyendo la latencia de la transferencia de datos hacia la nube y de vuelta. Esto es ideal para aplicaciones como la automatización industrial o los vehículos autónomos que necesitan reaccionar rápidamente.
Reducción de la Carga de Red. Se transfiere menos datos a la nube, liberando capacidad de red, cuando las tareas de procesamiento de datos se manejan más cerca de la fuente.
Ahorro de Costos. Con el tiempo, los costos de ancho de banda se reducen al disminuir la transferencia de datos.
Mejora de la Privacidad y Seguridad de los Datos. Al procesar datos sensibles localmente o en dispositivos de periferia, se disminuye la posibilidad de exposición de datos durante la transmisión o almacenamiento en la nube.
Capacidades fuera de línea. Incluso cuando su dispositivo no está conectado a Internet, la computación en la periferia permite cierto nivel de procesamiento y cálculo de datos.
En esencia, la computación en la periferia permite un procesamiento de datos más rápido, efectivo y seguro al acercar la computación y el almacenamiento de datos al punto de demanda.
Arquitectura de Edge computing
Una configuración típica de computación en la periferia implica una estructura de tres niveles:
Capa de Nube: Es la conocida área de centros de datos lejanos encargados de procesar grandes cantidades de datos y almacenarlos durante períodos prolongados. Este es el lugar donde se realizan muchas analíticas complejas, aprendizaje automático y preservación de datos.
Capa de Periferia: Aquí es donde ocurre la mágica del procesamiento casi en tiempo real. Esta capa incluye servidores o gateways de periferia que se encuentran en redes locales o en las instalaciones, más cerca de las fuentes de datos. Para tomar decisiones rápidamente y minimizar la necesidad de transferir todo a la nube, la capa de periferia filtra, agrega y procesa datos localmente.
Capa de Dispositivos: En el borde de la red, esta capa incluye la amplia variedad de dispositivos y sensores conectados. Estos dispositivos generan datos sin procesar, como imágenes de cámaras de CCTV y medidas de temperatura de fábricas inteligentes. Aunque pueden realizar un procesamiento básico, estos dispositivos recopilan datos y los envían a la capa de periferia para un análisis más detallado.
Clasificaciones del Edge computing basadas en el Tipo de Procesador
La computación en la periferia se puede categorizar ampliamente en dos tipos según el procesador utilizado:
CPU de Periferia. Las Unidades Centrales de Proceso (CPU) manejan la mayoría de las tareas de computación de propósito general. Entre ellas se encuentran trabajos en el procesamiento de datos, gestión de redes e inferencia ligera de IA. El objetivo principal del diseño de CPU es encontrar un equilibrio entre el bajo consumo de energía y la potencia computacional de propósito general.
GPU de Periferia. Las Unidades de Procesamiento Gráfico (GPU) son especialmente competentes para cargas de trabajo de computación en paralelo de alto nivel. Estas tareas incluyen el manejo de modelos a gran escala, procesamiento gráfico y entrenamiento e inferencia en modelos de aprendizaje profundo. Las GPU se utilizan ampliamente en aplicaciones que requieren grandes cantidades de potencia computacional debido a su superioridad en el procesamiento paralelo.
¿De dónde provienen los datos utilizados para la computación?
Con el auge del Internet de las Cosas (IoT), las máquinas y equipos están volviéndose cada vez más inteligentes. Se requiere un poder computacional significativo y una inmensa cantidad de datos para esta inteligencia. En este contexto, la computación es la reina que controla cómo se utiliza la información, mientras que los datos son el rey.
Se necesita más datos para la inteligencia de máquinas y equipos. Aquí es donde se originan:
Datos de Tecnología Operacional (OT): Esto incluye información recopilada de sensores pertinentes en el equipo, así como datos producidos por las máquinas mismas, como el estado de operación y la información sobre fallos.
Datos de Tecnología de la Información (IT): Estos proporcionan un contexto más amplio que solo las actividades de las máquinas e incluyen datos recopilados de otros sistemas empresariales.
A través de la integración, análisis y comprensión de estos datos IT y OT, podemos crear aplicaciones inteligentes. Estas aplicaciones aumentan la inteligencia de la máquina, mejoran el control de calidad durante la operación del equipo o posibilitan el mantenimiento predictivo para evitar fallos no planificados.
La conectividad es la piedra angular de todo esto. La capacidad de conectar y comunicar es necesaria para todos estos datos. Por lo tanto, el primer y más importante paso para permitir la inteligencia de las máquinas y realizar el potencial completo del Internet de las Cosas es establecer conexiones confiables.
¿Qué escenarios requieren el uso del Edge computing?
La computación en la periferia es ideal en escenarios donde:
La baja latencia es crítica. La reducción de latencia que ofrece la computación en la periferia es ventajosa para aplicaciones como la automatización industrial, vehículos autónomos y cirugía remota, que requieren procesamiento y respuesta de datos en tiempo real o casi en tiempo real. No es lo suficientemente rápido enviar datos a una nube lejana y esperar una respuesta.
El ancho de banda es limitado o costoso. La computación en la periferia permite el procesamiento y análisis de datos más cerca de la fuente, minimizando la necesidad de enviar todo a la nube, si es difícil transportar grandes cantidades de datos a la nube debido a limitaciones de ancho de banda o costos.
La localización de datos importa. La computación en la periferia permite el procesamiento y almacenamiento local en escenarios donde los datos deben permanecer dentro de una ubicación geográfica determinada o en las instalaciones debido a restricciones de privacidad, seguridad o cumplimiento.
La conectividad es poco confiable. La computación en la periferia ofrece cierto grado de autonomía cuando las aplicaciones deben seguir funcionando incluso con conexiones de red esporádicas o inestables a la nube. Cuando se restablece la conectividad, los datos pueden sincronizarse posteriormente y las funciones críticas pueden continuar localmente.
¿Qué funciones necesita realizar el Edge computing en el sistema de Internet Industrial de las Cosas (IIoT)?
La arquitectura del IIoT se puede resumir como «final-tubería-periferia-aplicación.» Para alcanzar sus objetivos, la computación en la periferia en el IIoT necesita realizar las siguientes funciones clave:
Adquisición de Datos southbound (End). Esto implica recopilar información de diversos dispositivos, maquinaria y sensores. Para que las soluciones de computación en la periferia funcionen con una variedad de dispositivos, deben ser compatibles con una gran cantidad de protocolos industriales.
Comunicación northbound (Pipew). Los datos deben ser transferidos de manera segura a servidores en el sitio o en la nube después de la recopilación. Dependiendo de las necesidades de la aplicación, la computación en la periferia permite que los datos se enruten desde diversas fuentes a destinos distintos.
Motor de Computación (Periferia). La computación en la periferia no solo almacena y comunica datos; también los procesa y los analiza localmente. Esto implica admitir una variedad de bases de datos, implementar algoritmos de análisis de datos y ofrecer capacidades de visualización de datos para mejorar la eficiencia operativa y la resolución de problemas.
Motor de Desarrollo (Aplicación). Las aplicaciones para IIoT varían significativamente entre sectores y casos de uso. Una plataforma de computación abierta equipada con características como programación orientada a objetos, programación gráfica y lenguajes de alto nivel facilita la creación de aplicaciones únicas.Seguridad para Operaciones. Implementar procedimientos de seguridad sólidos que cumplan con los requisitos de ISO 27001 y IEC 62443-4-1.Múltiples Capas de Defensa. Establecer medidas de seguridad para la red, hardware, sistema y operaciones.Evaluación Frecuente de Penetración. La realización de pruebas de penetración de manera regular es fundamental para identificar vulnerabilidades y corregirlas de forma temprana.
Empresas como Robustel han reconocido la importancia de la seguridad y han desarrollado soluciones integrales para abordar estas preocupaciones.
Modelos de Servicio para la Computación en el Borde Industrial
Desde la perspectiva de la distribución de productos, la computación en el borde industrial ofrece los siguientes modelos de servicio:
Solo Hardware de Puerta de Enlace. Aunque carece de un sistema operativo o middleware, proporciona funciones básicas de conectividad y comunicación. Ideal en situaciones donde solo se necesita una transmisión mínima de datos.
Puerta de Enlace + SO. Al integrar un sistema operativo sobre la puerta de enlace, este modelo ofrece capacidades mejoradas de procesamiento y gestión de datos, permitiendo realizar tareas más complejas en el borde.
Puerta de Enlace + SO + Middleware (Herramientas). Este modelo integra aún más middleware y herramientas de desarrollo, facilitando a los clientes la creación y el despliegue de sus aplicaciones en la plataforma del borde.
Puerta de Enlace + SO + Middleware (Herramientas) + Aplicación. Una solución integral, todo en uno, que abarca hardware, software, middleware y una aplicación preconstruida. Aborda directamente las necesidades específicas del cliente, requiriendo un desarrollo adicional mínimo.
Estos modelos de servicio ofrecen flexibilidad, permitiendo a los usuarios seleccionar el nivel de servicio adecuado que se alinee con sus requisitos específicos y presupuesto.
Escenarios de Aplicación de la Computación en el Borde
La computación en el borde industrial ha encontrado una amplia adopción en diversas industrias. Algunas de las aplicaciones más comunes incluyen:
Manufactura Industrial. Los nodos de computación en el borde desplegados en el piso de la fábrica permiten el monitoreo en tiempo real y ajustes inteligentes en el proceso de producción. Esto conlleva a una mejora en la calidad del producto y una eficiencia de producción incrementada.
Edificios Inteligentes. La computación en el borde procesa datos de varios sensores dentro de los edificios para optimizar el uso de energía, mejorar prácticas de gestión y crear un ambiente de vida y trabajo más cómodo y productivo.
Energía y Nuevas Energías. En los sistemas de energía y nuevas energías, la computación en el borde facilita el monitoreo en tiempo real y el análisis predictivo de las condiciones de las redes eléctricas y el suministro de energía, contribuyendo a una mayor estabilidad y seguridad dentro de la infraestructura energética.
Nube vs. Borde: Decidiendo Dónde Procesar
Computación en el Borde:
Grandes Volúmenes de Datos + Necesidades en Tiempo Real. Aplicaciones que generan cantidades substanciales de datos y requieren información inmediata (por ejemplo, análisis de calidad, optimización de procesos, mantenimiento predictivo) son ideales para la computación en el borde. La reducción de la latencia al procesar datos localmente en el borde permite una toma de decisiones y respuestas más rápidas.
Computación Específica de la Industria. Cuando los requisitos computacionales están estrechamente vinculados a una industria o sector particular, y la localización de los datos es crucial debido a regulaciones o preocupaciones de privacidad, la computación en el borde puede ser ventajosa. Ejemplos incluyen análisis del piso de la fábrica, donde el procesamiento de datos en tiempo real impulsa acciones inmediatas, o monitoreo de plataformas petroleras en ubicaciones remotas con conectividad limitada.
Computación en la Nube:
Tareas Estandarizadas. Las aplicaciones con flujos de trabajo bien definidos y necesidades de computación estandarizadas pueden aprovechar eficazmente los recursos en la nube. La escalabilidad y el vasto poder de computación de la nube la hacen ideal para manejar tareas de procesamiento y análisis de datos a gran escala que no requieren respuestas en tiempo real.
Aplicaciones Livianas. Los sistemas de IIoT industrial con requisitos principalmente básicos de monitoreo y recolección de datos pueden ser gestionados adecuadamente por dispositivos o puertas de enlace livianas. Estos dispositivos pueden realizar un filtrado y agregación inicial de datos, mientras que un análisis más complejo o el almacenamiento a largo plazo de datos pueden ocurrir en la nube. Este enfoque híbrido optimiza la utilización de recursos y la eficiencia de costos.
Cómo la Computación en el Borde Sinergiza con la Computación en la Nube
En la búsqueda de la inteligencia de máquinas y equipos, la computación en el borde y la computación en la nube colaborarán cada vez más para lograr una mayor eficiencia y capacidades. Esta sinergia se manifiesta de varias maneras:
División del Trabajo: La computación en el borde maneja el procesamiento de datos en tiempo real y el análisis preliminar directamente en o cerca del equipo, reduciendo la latencia y los requisitos de ancho de banda. La información crítica o los datos que requieren un procesamiento más extenso se envían a la nube. La nube, con sus vastos recursos de computación y capacidad de almacenamiento, realiza minería de datos, análisis profundo y entrenamiento de modelos de aprendizaje automático.
Colaboración del Lado de la Nube: Este modelo aprovecha tanto las capacidades en tiempo real de la computación en el borde como las poderosas capacidades de procesamiento y almacenamiento de datos de la nube. Permite un manejo eficiente de datos en el borde mientras utiliza la nube para análisis avanzados y perspectivas.
Optimización Inteligente: Algoritmos y modelos de IA son entrenados en la nube utilizando datos históricos y agregados. Estos modelos entrenados se despliegan luego en dispositivos en el borde para inferencia, posibilitando la toma de decisiones autónomas y el control inteligente directamente en la fuente. Este enfoque mejora la inteligencia del equipo y la eficiencia operativa.
Por ejemplo, en fábricas inteligentes, los nodos de computación en el borde equipados con algoritmos de IA se despliegan en máquinas y equipos a lo largo de la línea de producción. Estos nodos permiten el monitoreo en tiempo real y el ajuste inteligente del proceso de producción, conduciendo a una mejora en la calidad del producto, un aumento en la eficiencia y una reducción del tiempo de inactividad. El borde maneja la toma de decisiones inmediatas, mientras que la nube proporciona almacenamiento centralizado de datos, análisis avanzados y actualizaciones de modelos.
La Conclusión
En resumen, la conectividad, la computación y los datos son los tres elementos centrales que impulsan la inteligencia de máquinas y dispositivos.
La conectividad sienta las bases para la adquisición de datos, los datos sirven como combustible para generar información, y la computación es la clave para transformar esos datos en inteligencia aplicable.
De cara al futuro, con el continuo avance de IoT, IA y otras tecnologías, sumado a la ampliación del rango de escenarios de aplicación, la computación en el borde asumirá un papel cada vez más crucial en la consecución de la inteligencia de máquinas y equipos. Impulsará aún más la profunda integración de la economía digital y la economía real, fomentando un desarrollo innovador y transformando industrias.
Reply