ZYLK INNOVATION LABS
Solución de Edge Computing de bajo consumo y baja latencia para Industria 4.0, automoción y Smart Cities
Fractal
NECESIDAD
Salvar las desventajas de los entornos cloud en cuanto a tiempos de respuesta largos, alta necesidad de ancho de banda y altos consumos energéticos para un proyecto de computación en una infraestructura distribuida.
SOLUCIÓN
El proyecto FRACTAL desarrolla una solución innovadora en el Edge Computing de bajo consumo y baja latencia cuyo ámbito de aplicación puede ir desde sectores como la Industria 4.0, la automoción o las Smart Cities, entre otros.
Necesidad
FRACTAL es un proyecto enfocado en el Edge Computing, un paradigma de computación basado en una infraestructura distribuida, que acerca las aplicaciones y los procesos de cómputo al origen mismo de los datos (Edge) a través de dispositivos ligeros conocidos como Internet of Things (IoT) Devices.
Aunque los entornos Cloud son a día de hoy los más habituales, presentan desventajas claras como los tiempos de respuesta largos, una alta necesidad de ancho de banda y altos consumos energéticos, y son precisamente éstos los puntos fuertes del paradigma Edge.
En el Edge se emplean dispositivos eficientes que necesitan muy pocos recursos energéticos y optimizados para la ejecución de sus procesos, lo que, sumado a su cercanía a la fuente de datos, los dota de capacidad de respuesta en tiempo real.
De esta forma, el proyecto FRACTAL desarrolla una solución innovadora en el Edge de bajo consumo y baja latencia cuyo ámbito de aplicación puede ir desde sectores como la Industria 4.0, la automoción o las Smart Cities, entre muchos otros.
Solución
La distribución de procesos computacionales sobre múltiples dispositivos ligeros, en oposición al actual enfoque de potentes equipos centralizados en servidores, es un reto tecnológico que se aborda en FRACTAL.
Para ello, se ha diseñado una plataforma compuesta de dispositivos FPGA ligeros, interoperables y autónomos, sobre los que se despliega un stack tecnológico construido en entornos virtualizados (contenedores) que aportan universalidad y aislamiento de los procesos. De esta forma, nos aseguramos de que la solución obtenida es desplegable en cualquier dispositivo, escalable, y cibersegura.
El resultado de esta investigación es MLBuffet, un servidor de modelos de Machine Learning interoperable y disribuido, que acerca el procesado de datos junto con la Inteligencia Artificial al Edge. AMPLIAR INFORMACIÓN
Además, se ha realizado una profunda investigación en orquestación de contenedores y procesos, y se han implementado algoritmos de inteligencia artificial para la gestión autónoma de la plataforma, optimizando el uso de los recursos disponibles en cada nodos y asignando los procesos de forma eficiente. Así, se minimiza el consumo de energía y se hace un uso óptimo de los recursos disponibles.