El poder de los gemelos digitales en tiempo real

Un gran avance para el análisis de transmisión en tiempo real

Los sistemas tradicionales de procesamiento continuo y complejo de procesamiento de eventos se centran en extraer patrones de la telemetría entrante, pero no pueden rastrear información dinámica sobre fuentes de datos individuales. Esto hace que sea mucho más difícil analizar completamente lo que dice la telemetría entrante. Por ejemplo, una aplicación de análisis predictivo de IoT que intenta evitar una falla inminente en una población de congeladores médicos debe analizar más que solo las tendencias en las lecturas de temperatura. Debe evaluar estas lecturas en el contexto del historial operativo de cada congelador, mantenimiento reciente y estado actual para obtener una imagen completa de la condición real del congelador.

Ahí es donde entra el poder de los gemelos digitales en tiempo real. Si bien los modelos de gemelos digitales se han utilizado durante varios años en la gestión del ciclo de vida del producto, su aplicación al procesamiento de flujo con estado solo ha sido posible gracias a los avances en la memoria escalable informática. A diferencia de los canales de transmisión tradicionales, como Apache Storm y Flink, los gemelos digitales en tiempo real ofrecen una técnica simple e intuitiva para organizar información de estado importante y en constante evolución sobre cada fuente de datos individual y usar esa información para mejorar el análisis en tiempo real de la telemetría entrante. Esto permite una introspección más profunda de lo que anteriormente era posible y conduce a una retroalimentación significativamente más efectiva, todo en milisegundos.

Igualmente, importante, el seguimiento de estado proporcionado por gemelos digitales en tiempo real permite realizar análisis agregados inmediatos cada pocos segundos. En lugar de diferir el análisis agregado para el procesamiento por lotes en Spark, los gemelos digitales en tiempo real permiten detectar, analizar y manejar rápidamente importantes patrones y tendencias. Esto mejora dramáticamente la conciencia situacional. Por ejemplo, si un corte de energía regional elimina a un grupo de congeladores médicos, la información precisa sobre el alcance del corte de energía puede surgir de inmediato y se puede implementar la respuesta adecuada.

Amplia gama de aplicaciones

Los gemelos digitales en tiempo real pueden mejorar la capacidad de cualquier aplicación de procesamiento de flujo para analizar el comportamiento dinámico de sus fuentes de datos y responder rápidamente. Estos son solo algunos ejemplos:

·         Monitoreo inteligente en tiempo real: rastreo de flota, monitoreo de seguridad, recuperación ante desastres

·         Servicios financieros: seguimiento de cartera, detección de fraude electrónico, pruebas de inventario

·         Internet de las cosas (IoT): seguimiento de dispositivos para fabricación, vehículos, dispositivos fijos y móviles

·         Cuidado de la salud: monitoreo de pacientes en tiempo real, seguimiento de dispositivos médicos y alertas

·         Logística: conciliación de inventario en tiempo real, optimización del flujo de fabricación

Los gemelos digitales en tiempo real permiten análisis de transmisión en tiempo real que anteriormente solo se podían realizar en procesamiento por lotes fuera de línea. Aquí están algunos ejemplos:

• ·       Ayudan a las aplicaciones de IoT a realizar un mejor trabajo de análisis predictivo al procesar mensajes de eventos mediante el seguimiento de los parámetros de cada dispositivo, cuándo se realizó el mantenimiento por última vez, anomalías conocidas y mucho más.

• ·     Ayudan a las aplicaciones de atención médica a interpretar la telemetría en tiempo real, como las lecturas de presión arterial y frecuencia cardíaca, en el contexto del historial médico de cada paciente, los medicamentos y los incidentes recientes, de modo que se puedan generar alertas más efectivas cuando se necesita atención.

• ·         Permiten que las aplicaciones de comercio electrónico interpreten los flujos de clics del sitio web con el conocimiento de la demografía de cada comprador, las preferencias de marca y las compras recientes para hacer recomendaciones de productos más específicas.

 Un ejemplo en el seguimiento de flotas

Considere el uso de gemelos digitales en tiempo real para rastrear el movimiento de vehículos en una flota nacional de automóviles o camiones. Cada gemelo puede rastrear un vehículo específico utilizando información contextual específica, como la ruta prevista, el perfil del conductor y el historial de mantenimiento del vehículo. Estos gemelos pueden alertar a los despachadores o conductores cuando se detectan problemas, como un conductor perdido o errático o un problema de mantenimiento inminente con un vehículo. Además, el análisis agregado en tiempo real puede detectar problemas regionales que afectan a varios vehículos, como retrasos climáticos y carreteras cerradas. Al aumentar la conciencia situacional, los gemelos digitales en tiempo real permiten a los despachadores enfocarse rápidamente en los problemas y reaccionar en segundos.

Todo en tiempo real

El servicio ScaleOut Digital Twin Streaming analiza y responde simultáneamente a los mensajes de eventos entrantes de fuentes de datos mientras realiza análisis agregados en todas las fuentes de datos. Esto significa que los gemelos digitales en tiempo real son dispositivos de seguimiento, también informan patrones y tendencias agregados para maximizar la conciencia situacional.

¿Gran carga de trabajo? No es un problema

Al emplear una arquitectura de software totalmente escalable y distribuida de forma transparente en la nube, el servicio ScaleOut Digital Twin Streaming Service puede manejar cargas de trabajo de rápido crecimiento al tiempo que mantiene una respuesta rápida a las fuentes de datos. La alta disponibilidad integrada mantiene el servicio en funcionamiento y protege los datos de misión crítica en todo momento.

Introspección más profunda para mejores respuestas

Las tuberías tradicionales de procesamiento de flujo y CEP, como Apache Storm y Flink, no tienen estado y carecen de conocimiento sobre el estado dinámico de cada fuente de datos para ayudar a interpretar la telemetría entrante. Los gemelos digitales en tiempo real superan esta limitación al rastrear información de estado para cada fuente de datos, abriendo la puerta a una introspección mucho más profunda y respuestas más efectivas en tiempo real. Estos gemelos pueden incorporar código algorítmico, motores de reglas o incluso aprendizaje automático para ayudar a realizar su análisis de los eventos entrantes.

Cree aplicaciones fácilmente

La próxima generación en Streaming Analytics

Los gemelos digitales en tiempo real simplifican el diseño de las aplicaciones de procesamiento de transmisión y mejoran la calidad de los análisis de transmisión. El enfoque tradicional se basa en particionar el código de la aplicación en múltiples pasos de canalización y usar técnicas ad hoc para acceder a cachés o bases de datos. Esto agrega complejidad y pone la carga sobre el desarrollador para garantizar un rendimiento rápido.

Los gemelos digitales en tiempo real evitan esta complejidad al ofrecer un modelo simple y directo para procesar la telemetría entrante basada en el seguimiento del estado dinámico de cada fuente de datos. Esto evita la necesidad de construir canales de transmisión, y la plataforma de ejecución garantiza automáticamente un alto rendimiento y tiempos de respuesta rápidos. El uso de técnicas de desarrollo bien orientadas y orientadas a objetos simplifica aún más el proceso de diseño.

¿Qué es un "gemelo digital en tiempo real"?

A diferencia de los modelos de gemelos digitales tradicionales, los gemelos digitales en tiempo real se centran en analizar los mensajes de eventos entrantes para proporcionar retroalimentación inmediata a sus fuentes de datos (por ejemplo, dispositivos) dentro de un sistema en vivo. Cada gemelo comprende un objeto de estado que contiene información dinámica sobre la fuente de datos y un método de procesamiento de mensajes definido por la aplicación que analiza los eventos entrantes y genera mensajes salientes.

A medida que los mensajes de eventos fluyen hacia el servicio ScaleOut Digital Twin Streaming, se crea un gemelo digital para cada fuente de datos única para procesar los mensajes entrantes de esa fuente de datos. El método de procesamiento de mensajes utiliza información en el objeto de estado para ayudar a analizar cada mensaje de evento y decidir qué acción tomar. Puede enviar un mensaje de regreso a la fuente de datos y / o enviar una alerta si se requieren acciones adicionales. (Algunos mensajes entrantes pueden tomar la forma de comandos, que se pueden reenviar a la fuente de datos). El método de procesamiento de mensajes también puede actualizar el objeto de estado para rastrear cambios dinámicos en la fuente de datos y ayudar a analizar eventos futuros.

El servicio en la nube puede procesar simultáneamente los mensajes entrantes de muchos miles (o incluso millones) de fuentes de datos únicas, y reenvía cada mensaje a su gemelo digital en tiempo real correspondiente. Además, puede realizar análisis agregados en todos los gemelos digitales extrayendo información de los objetos de estado, combinando esta información y presentando los resultados en varios tipos de cuadros y gráficos.

Creación de aplicaciones con modelos gemelos digitales en tiempo real

El kit de herramientas de software ScaleOut Digital Twin Builder ™ permite a los desarrolladores definir información de estado orientada a objetos y código analítico para rastrear la telemetría de cada tipo de fuente de datos (por ejemplo, una turbina eólica o una alarma de incendio). Este kit de herramientas proporciona API en Java, C # y JavaScript para construir "modelos" gemelos digitales en tiempo real, que luego se implementan en el servicio ScaleOut Digital Twin Streaming Service con solo unos pocos clics en su interfaz de usuario basada en web. Cada modelo define las propiedades que se almacenarán en los objetos de estado y el código analítico definido por el usuario necesario para procesar la telemetría entrante. Una vez implementado, el servicio en la nube utiliza estos modelos para crear automáticamente "instancias" únicas de gemelos digitales en tiempo real para todas las fuentes de datos a medida que procesa los mensajes de eventos entrantes.

Las definiciones familiares de clases orientadas a objetos en C #, Java y JavaScript simplifican el desarrollo de algoritmos de análisis avanzados y aprovechan todo lo que los desarrolladores ya saben sobre programación orientada a objetos. Igualmente, importante, aseguran una separación limpia entre el código específico de la aplicación y la orquestación de la plataforma del procesamiento de eventos. El resultado neto es que las aplicaciones son fáciles de escribir y ejecutar sin la necesidad de conocimiento especializado de API complejas o semántica de plataforma.

El siguiente diagrama muestra las instancias gemelas digitales en tiempo real creadas para manejar la telemetría entrante de los automóviles en una gran flota de automóviles de alquiler. Cada instancia podría tener un conocimiento detallado sobre el contrato de alquiler de cada automóvil, los datos demográficos y el registro de manejo del conductor, y los problemas de mantenimiento. Con esta información, el método de procesamiento de mensajes de la aplicación podría, por ejemplo, alertar a los gerentes cuando un conductor excede repetidamente el límite de velocidad de acuerdo con criterios específicos de la edad del conductor y el historial de manejo o viola otros términos del contrato de alquiler, proporcionando así nuevas ideas sobre telemetría recibido de vehículos que de otro modo no estarían disponibles en tiempo real.

Una aplicación puede definir múltiples modelos gemelos digitales en tiempo real para procesar telemetría desde diferentes tipos de dispositivos. Por ejemplo, una aplicación que analiza la telemetría de los componentes de una turbina eólica podría definir tres gemelos digitales en tiempo real que corresponden a diferentes componentes de la turbina eólica, como palas, generador y panel de control. Cada componente podría enviar telemetría a tres instancias gemelas digitales diferentes, una de cada tipo.

Implementación rápida en la nube

El kit de herramientas de software ScaleOut Digital Twin Builder ™ simplifica el desarrollo de modelos gemelos digitales en tiempo real basados ​​en Java, C # y JavaScript al proporcionar clases orientadas a objetos que sirven como base para definir estos modelos. El siguiente paso es implementar los modelos en el servicio en la nube de ScaleOut utilizando una interfaz de usuario basada en web. Una vez implementados, estos modelos esperan mensajes de eventos entrantes y crean instancias gemelas digitales en tiempo real a medida que se detectan nuevas fuentes de datos.

La interfaz de usuario del servicio ScaleOut Digital Twin Streaming permite al usuario conectar fácilmente el servicio en la nube a numerosos centros de mensajería populares, incluidos Microsoft Azure IoT Hub, Amazon AWS IoT Core, Kafka y un servicio web REST, con más conectores que se lanzarán pronto. Cuando las fuentes de datos envían mensajes de eventos a un centro conectado, estos mensajes se reenvían al servicio en la nube. Una vez autenticado, el servicio en la nube recibe mensajes de eventos entrantes y los entrega a sus gemelos digitales en tiempo real correspondientes. También envía mensajes salientes de gemelos a sus fuentes de datos correspondientes utilizando el concentrador conectado. Las conexiones en la nube a los centros de mensajería emplean una escalabilidad transparente para maximizar el rendimiento del procesamiento de flujo.

Maneje fácilmente escenarios complejos

Más allá del uso de gemelos digitales en tiempo real para modelar fuentes de datos físicos, se pueden organizar en una jerarquía para implementar subsistemas que operan en niveles sucesivamente más altos de abstracción dentro de una aplicación en tiempo real. Las alertas de gemelos digitales en tiempo real de nivel inferior pueden enviarse como telemetría a gemelos de nivel superior que manejan comportamientos abstractos.

APRENDE MÁS

Migrar sin problemas al borde

Las aplicaciones de IoT a menudo necesitan particionar la lógica de la aplicación entre la nube y el borde para evitar retrasos de WAN. Debido a su poderosa encapsulación de la lógica de la aplicación, los gemelos digitales en tiempo real pueden migrar de manera transparente la funcionalidad de manejo de eventos de bajo nivel al límite, donde viven los dispositivos, en lugar de volver a implementar el código de la aplicación.

Maximizar la conciencia situacional

Análisis agregado para la conciencia situacional

Las aplicaciones en tiempo real que rastrean miles de fuentes de datos, como vehículos en una flota o sensores en un perímetro de seguridad, deben ser capaces de identificar inmediatamente los puntos calientes y determinar si existe un patrón. Esto permite respuestas rápidas y estratégicas a las amenazas emergentes y el uso óptimo de los escasos recursos.

Considere una red de alerta de ciberseguridad para una red eléctrica regional. Esta red puede comprender miles de agentes de software distribuidos a través de servidores y controladores en la red, cada uno de los cuales evalúa los inicios de sesión y los comandos para determinar si se está produciendo un posible ataque. Para responder de manera efectiva, es crítico determinar de inmediato cuán extendido es un ataque y dónde se deben aplicar los recursos para contenerlo.

Los gemelos digitales en tiempo real proporcionan una potente arquitectura de software para enfrentar este desafío. Los agentes de software pueden enviar telemetría a gemelos digitales en tiempo real que rastrean el estado de los informes de todos los servidores y controladores, incluida una evaluación actual de la probabilidad de un ataque. Se pueden realizar análisis agregados en tiempo real en todos los objetos de estado para todos los gemelos para determinar el estado general de la red y, en el caso de un ataque, qué ubicaciones tienen la evaluación de amenazas más alta. Esto permite a los gerentes ver la situación completa y formular una respuesta rápida y estratégica.

No se requiere programación

La interfaz de usuario del servicio en la nube permite la creación rápida y fácil de análisis agregados en tiempo real que combinan el estado de todos los gemelos digitales en tiempo real de un tipo determinado y proporcionan retroalimentación gráfica inmediata. Cada "widget" de análisis se muestra como una barra, un pastel o un gráfico de líneas y se actualiza cada pocos segundos con resultados continuos en tiempo real.

Cada operación de análisis agregado se especifica fácilmente a través de la interfaz de usuario seleccionando los parámetros para un cálculo continuo "MapReduce" (similar a una tabla dinámica de Excel), que incluye:

• ·         el modelo gemelo digital en tiempo real
• ·         la propiedad dentro de los objetos de estado que se agregarán
• ·         el operador de agregación (promedio, mínimo, máximo, recuento)
• ·         Una propiedad opcional utilizada para agrupar los resultados
• ·         El tipo de gráfico (barra, columna, pastel, línea)

El servicio en la nube ejecuta esta operación cada cinco segundos para actualizar el contenido del gráfico con los últimos valores de los gemelos digitales en tiempo real. Esto garantiza que los usuarios siempre tengan la información más reciente sobre el estado agregado de sus gemelos digitales.

Potente plataforma de ejecución

El servicio ScaleOut Digital Twin Streaming despliega gemelos digitales en tiempo real en una plataforma informática en memoria altamente escalable en la nube y ejecuta tanto análisis de procesamiento continuo como análisis agregado utilizando un motor informático integrado. Esto ofrece tiempos de respuesta rápidos para dispositivos (generalmente de 1 a 3 milisegundos) y actualiza las estadísticas globales cada 5 segundos.

La plataforma informática en memoria de ScaleOut se basa en ScaleOut StreamServer y representa más de una década de desarrollo y refinamiento. Su arquitectura de software líder en la industria ofrece varios beneficios clave para alojar gemelos digitales en tiempo real:

• ·      correlación automática de los mensajes de eventos entrantes por fuente de datos para su entrega a sus instancias gemelas digitales en tiempo real correspondientes
• ·       Entrega y respuesta rápidas de eventos mediante un protocolo interno basado en las API de extensiones reactivas y diseñado para minimizar el  movimiento de datos
• ·        acceso rápido a objetos de estado mediante almacenamiento escalable, altamente disponible, basado en memoria
• ·        procesamiento de eventos de alta disponibilidad junto con el centro de mensajes conectado
• ·        ejecución integrada de MapReduce diseñada para minimizar el movimiento de datos
• ·    rendimiento de procesamiento de eventos escalable mediante la adición transparente de servidores basados ​​en la nube para mantener el procesamiento de eventos y el análisis agregado rápido a medida que crece la carga de trabajo