A tecnologia passou da fase de desenvolvimento para a implementação de soluções práticas cujos resultados são cada vez mais evidentes
Não há como negar que a adoção da IoT está se acelerando em vários setores – desde a criação de fábricas conectadas com inteligência a edifícios de escritórios. A quarta edição do Congresso Mundial de Soluções para a Internet das Coisas (IoTSWC), que ocorreu em Barcelona no início de outubro, sinalizou um interesse crescente na tecnologia, com o número de participantes pulando em 25% ao ano, para 16.250. A variedade de tópicos discutidos mostra que a IoT está sendo adotada 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.
No entanto, enquanto a tecnologia está ganhando popularidade, fica claro que ainda não sabemos como aproveitar ao máximo os benefícios que ela oferece – estima-se que apenas 1% dos dados da IoT sejam analisados, enquanto o restante é coletado e desaparece na poeira do desconhecido.
Aqui listamos algumas das principais tendências que surgiram a partir dos debates no congresso.
1 – Trazendo ordem para o Babel de protocolos
Embora a seleção natural – talvez facilitada pela futura evolução 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, a representar 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, da The Linux Foundation, merece atenção), eles ainda não existem e não haverá soluções “plug and play” para IoT por algum um tempo.
2 – Inteligência Artificial para dar valor aos dados
A IA 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-la é recorrer às API dos serviços de operadoras de Cloud, 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 IA, no entanto, não será possível para todos.
3 – 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.
Há, portanto, uma tendência crescente para realocar parte do armazenamento e processamento de dados na periferia da rede, próximo a sensores e objetos conectados. A chamada “Edge Computing” será cada vez mais importante e cada vez mais inteligente, graças aos chips otimizados para Machine Learning e soluções capazes de trazer “localmente” os algoritmos IA, como o Amazon Greengrass e e a Cloud IoT Edge do Google (ainda na versão alfa), ou o Microsoft Azure IoT Edge.
4 – 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 estiver em produção ou algumas variáveis mudarem. Isso, de acordo com os proponentes da tecnologia, resultará em maior eficiência, menor time to market 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 pareçam, sistemas de Inteligência Artificial que substituam sensores em simulações do feedback esperado .
