O compartilhamento do aplicativo na borda pode gerar problemas de atraso. Mas pesquisa do professor Marcelo Fernandes, do INCT ICoNIoT, tem mostrado que, dependendo do sistema de controle, o compartilhamento é viável
Historicamente, os sistemas de controle em plantas industriais (como tanques em indústria de processos químicos, motores em indústria, linhas de produção e outros) envolviam equipamentos fixos e dedicados para o controle, localizados perto da planta. No entanto, a grande maioria desses equipamentos está passando por um processo de virtualização, tornando-se software. Na arquitetura moderna de computação de borda, esses equipamentos de controle podem se transformar em micro serviços na forma de aplicativos que rodam nos servidores de borda. Essa transição oferece uma vantagem crucial: a capacidade de compartilhamento. Se antes era necessário um equipamento físico para cada elemento da planta (por exemplo, um equipamento para cada um dos tanques), agora o aplicativo na borda pode ser compartilhado por vários tanques. Isso leva a uma redução de custos e energia significativa.
No entanto, a mudança para micro serviços compartilhados traz um novo desafio: a latência. Antes, a proximidade dos equipamentos de controle e dos dispositivos de IoT industrial garantia a baixa latência. Ao compartilhar o aplicativo na borda, pode-se introduzir problemas de atraso. Contudo, a pesquisa do professor Marcelo Fernandes, do INCT ICoNIoT, tem mostrado que, dependendo do sistema de controle, o compartilhamento é viável. Por exemplo, sistemas naturalmente lentos, como o controle de temperatura ou de nível, toleram a latência e podem ser compartilhados sem problemas. A linha de trabalho de Marcelo Fernandes, focada em computação de borda e IoT industrial, visa justamente usar técnicas de IA para escalonamento horizontal. O escalonamento horizontal refere-se ao uso de IA para aumentar ou diminuir o número dessas aplicações de controle automaticamente, garantindo que o sistema continue funcionando da forma adequada.
Hipótese Comprovada e Próximos Passos
Artigos advindos da pesquisa de Fernandes comprovam a hipótese de que existe uma situação em que é possível compartilhar esses sistemas de controle (emulando plantas industriais) e eles continuarem a funcionar bem. O próximo passo é crucial: usar machine learning para realizar o escalonamento horizontal especificamente no contexto de plantas para IoT industrial. Isso é necessário porque os parâmetros analisados para o escalonamento horizontal diferem em cada situação específica.
——————————————————————————–
O trabalho do professor Marcelo Fernandes abrange também a colaboração com a professora Debora Saade (UFF) na área da saúde, demonstrando o potencial de trocas e interseções promovido pelo INCT ICoNIoT.