Procese los datos donde se generan. No todo necesita un viaje de ida y vuelta a la nube, y para muchas cargas de trabajo de IoT, no es posible.

Usted tiene dispositivos en el campo —sensores en plantas de fabricación, cámaras en almacenes, monitores en equipos agrícolas, wearables en pacientes— que generan datos que necesitan ser procesados, sobre los que hay que actuar y ser transmitidos selectivamente a la nube. La latencia a una región de la nube es demasiado alta para decisiones en tiempo real. El ancho de banda es demasiado caro o poco fiable para transmitir todo. Los dispositivos necesitan funcionar cuando la red está caída. Necesita una arquitectura que distribuya la inteligencia a través de las capas edge, fog y cloud según dónde deba tomarse cada decisión.
Explore more design patterns and system architectures
Nuestros arquitectos pueden ayudarle a diseñar y construir sistemas utilizando este patrón para sus requisitos específicos.
Ponte en ContactoLa arquitectura edge-fog-cloud distribuye la computación en tres niveles. Los dispositivos edge recopilan datos de sensores y ejecutan inferencias ligeras (detección de anomalías, alertas de umbral). Los nodos fog (gateways locales o servidores locales) agregan datos de múltiples dispositivos edge, ejecutan modelos más complejos y gestionan flotas de dispositivos. Los servicios cloud manejan el almacenamiento a largo plazo, el entrenamiento de modelos, el análisis a nivel de flota y los paneles de gestión. La arquitectura tiene en cuenta la conectividad intermitente, la heterogeneidad de los dispositivos, las actualizaciones OTA (over-the-air) y la seguridad en cada nivel.
Los datos fluyen hacia arriba a través de los niveles con inteligencia en cada capa. Los dispositivos edge publican lecturas de sensores a nodos fog a través de MQTT o CoAP. Los nodos fog ejecutan procesamiento de streaming (Apache NiFi, AWS Greengrass o personalizado) para filtrar, agregar y enriquecer datos antes de reenviarlos a la nube. La ingesta en la nube (Kinesis, IoT Core o Event Hubs) enruta los datos a bases de datos de series temporales, data lakes y pipelines de entrenamiento de ML. Los comandos y las actualizaciones OTA fluyen hacia abajo a través de la misma ruta. Un sistema de device shadow/twin mantiene el último estado conocido de cada dispositivo para consulta y conciliación.
| Capa | Tecnologías |
|---|---|
| Dispositivos Edge | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, PCBs personalizadas |
| Protocolos | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| Fog/Gateway | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker en PCs industriales |
| IoT en la Nube | AWS IoT Core, Azure IoT Hub, GCP IoT, brokers MQTT personalizados |
| Datos | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet para almacenamiento en frío |
| ML en el Edge | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| Usar Cuando | Evitar Cuando |
|---|---|
| Los dispositivos generan un alto volumen de datos cuya transmisión completa es costosa | Todos los dispositivos tienen conectividad a la nube fiable y de baja latencia |
| Las decisiones en tiempo real necesitan una respuesta < 100ms (seguridad, sistemas de control) | La carga de trabajo es puramente de recolección de datos con procesamiento por lotes en la nube |
| Los dispositivos deben funcionar durante interrupciones de red | Tiene < 50 dispositivos y puede gestionarlos individualmente |
| La privacidad/cumplimiento requiere procesar los datos localmente antes de la transmisión a la nube | El "edge" es en realidad un navegador web — esa es una arquitectura diferente |
MW diseña arquitecturas de IoT con una lente de "gravedad de datos" — mapeamos dónde necesita ser procesado cada tipo de dato (edge, fog o cloud) basándonos en los requisitos de latencia, los costos de ancho de banda y la granularidad de la decisión. No empujamos todo a la nube para filtrar después. Nuestras implementaciones edge incluyen aprovisionamiento automático de dispositivos con autenticación basada en certificados, pipelines de actualización OTA con despliegues escalonados y rollback automático, y paneles locales en nodos fog para operadores in situ que no pueden esperar los viajes de ida y vuelta a la nube.
La seguridad no es una característica que se añade después del lanzamiento. Es una propiedad arquitectónica: o el sistema fue diseñado para ella, o no lo fue.
MicrocosmWorks utiliza un marco de decisión basado en la sensibilidad a la latencia, el costo del ancho de banda y los requisitos de privacidad de los datos para particionar las cargas de trabajo entre el edge y la nube. Las tareas críticas en el tiempo, como la detección de anomalías en datos de sensores, los bucles de control locales y los cierres de seguridad, se ejecutan en el edge, mientras que el entrenamiento de modelos, el análisis histórico y la agregación entre sitios permanecen en la nube. Ayudamos a los clientes a mapear cada caso de uso de IoT al nivel de cómputo adecuado durante nuestra fase de descubrimiento de arquitectura.
MicrocosmWorks diseña nodos edge con persistencia local utilizando bases de datos ligeras como SQLite o TimescaleDB, combinadas con una cola de store-and-forward que almacena datos en búfer durante las interrupciones de conectividad y se sincroniza automáticamente cuando se restaura la conexión. Nuestro firmware edge incluye lógica de resolución de conflictos para escenarios donde las decisiones locales tomadas offline divergen del estado cloud-side. Esto asegura cero pérdida de datos y operación continua incluso en entornos con conectividad intermitente como sitios industriales remotos o flotas móviles.
MicrocosmWorks implementa pipelines de actualización OTA (over-the-air) con firma criptográfica, despliegues por fases y capacidades de rollback automático para asegurar que cada dispositivo edge reciba firmware verificado sin riesgo de downtime. Utilizamos autenticación mutual TLS entre los dispositivos edge y el servidor de actualización, con secure boot respaldado por hardware para evitar que se ejecute firmware manipulado. Nuestra estrategia de despliegue por fases actualiza los dispositivos en pequeños lotes con health checks entre etapas, de modo que una actualización defectuosa nunca llegue a toda su flota.
MicrocosmWorks selecciona hardware edge basado en el perfil de carga de trabajo (workload profile): NVIDIA Jetson para visión por computadora e inferencia de ML, gateways compatibles con AWS IoT Greengrass para computación edge de propósito general, y PCs industriales robustas de proveedores como Advantech para entornos de fabricación exigentes. Mantenemos arquitecturas de referencia para cada plataforma que incluyen stacks de red, seguridad y telemetría preconfigurados, lo que acelera el despliegue en un 40-60%. Nuestro equipo evalúa el consumo de energía, el rango de temperatura operativa y las opciones de conectividad para adaptarse a las condiciones específicas de su sitio.
MicrocosmWorks ha completado múltiples proyectos de modernización de SCADA donde superponemos gateways de computación edge que traducen protocolos heredados como Modbus y OPC-UA a streams modernos de MQTT o gRPC sin interrumpir los sistemas de control existentes. Ejecutamos una arquitectura paralela durante la migración para que el SCADA heredado continúe operando mientras el nuevo pipeline edge-cloud se valida contra datos de producción. Nuestras tarifas de consultoría para la modernización de IoT industrial comienzan en $20-$50/hr dependiendo de la complejidad del protocolo y los requisitos regulatorios involucrados.