Em um cenário ideal de Internet das Coisas (Internet of Things – IoT) você poderia conectar sensores e câmeras à nuvem e obter respostas para as aplicações operacionais, de varejo e de segurança. Embora o modelo sensor/nuvem possa funcionar em alguns casos, quando há necessidade de uma resposta rápida existe a possibilidade de sobrecarregar a rede, aumentando a latência e atrasando a entrega.

Com a implantação do Edge Computing, os dados coletados por sensores e dispositivos são transmitidos para um dispositivo próximo de onde foram gerados – gateways – que coletam e processam localmente (borda) esses dados, entregando aos usuários insights e experiências em tempo real, fornecidos por aplicativos com reconhecimento de contexto e elevada capacidade de resposta.

E como a maioria dos dados se torna inútil alguns segundos após serem gerados, essa resposta em tempo real, possível a partir do processamento de dados local, garante uma menor latência entre os dados e a decisão, otimizando o desempenho entre a borda e a nuvem.

Empresas já percebem as vantagens do Edge Computing

Pesquisa efetuada pela consultoria Futurum Research avaliou como 500 grandes empresas norte-americanas estão lidando com essa nova tecnologia. O estudo, realizado no final de 2017, traz alguns insights sobre a adoção do Edge Computing:

E também identificou quais foram os maiores benefícios percebidos:

A melhor solução para o Brasil

Henrique Cecci, Diretor de Pesquisas do Gartner, destaca que “hoje, as estruturas das operações de TI consomem mais de 50% dos orçamentos de tecnologia das empresas. Por isso, precisam não apenas que sejam boas e eficientes, com baixos custos operacionais, mas também que se modernizem. Atualmente não é mais possível imaginar uma infraestrutura de TI fechada, isolada, e sim uma que se comunica e esteja distribuída em diversas plataformas”.

A grande vantagem do Edge Computing, apontada pela consultoria, é a possibilidade de diminuir a quantidade de informações que atravessam a rede e, consequentemente, racionalizar e melhorar a eficiência da operação. 

“Num país de dimensões continentais como o nosso, faz todo o sentido adotar uma estrutura que permita distribuir melhor a computação de dados e depender menos de processamento de dados centralizado e caro, localizados em sua maioria nos grandes centros”, observa Cecci. 

Menos custo e menor latência

Raj Talluri, Vice-Presidente Sênior de Gerenciamento de Produtos da Qualcomm, parceira da Microsoft no desenvolvimento de soluções baseadas em câmeras para a plataforma Azure IoT Edge, distribuída e implementada no Brasil com exclusividade pela Softline por especialistas altamente capacitados, lembra que “enquanto muitos dispositivos tecnológicos sempre conectados aproveitam a computação em nuvem, os desenvolvedores de aplicativos estão começando a descobrir os benefícios de ter mais computação, processamento de dados e análise nos próprios dispositivos. Esta abordagem de fazer mais no dispositivo ajuda a reduzir a latência para aplicações críticas e a dependência da nuvem, além de gerenciar melhor o enorme tráfego de dados gerados, por exemplo, pela IoT. Por meio de soluções locais que respondem mais rápido, o Edge Computing leva a uma experiência de melhor qualidade com tempos de resposta mais rápidos para os usuários finais”.

Segundo o VP, “o Edge Computing oferece um valor tangível nos casos de uso industrial e de consumo industrial. Isso pode ajudar a reduzir os custos de conectividade, enviando apenas as informações importantes em vez de todo o fluxo de dados dos sensores. Ao lidar com uma enorme quantidade de dados produzidos por sensores em uma instalação industrial ou uma operação de mineração, por exemplo, ter a capacidade de analisar e filtrar os dados antes de enviá-lo pode levar a grandes economias em recursos de rede e computação.

“O Edge Computing também reduz a latência e torna as aplicações conectadas mais sensíveis e robustas. Evitar as viagens de ida e volta dos dados do dispositivo para a nuvem é fundamental para aplicativos que usam visão computacional ou Machine Learning - por exemplo, um sistema de verificação de identidade empresarial ou um rastreamento e filmagem de um drone proprietário ou de um objeto”.