Procesa 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.

Tienes dispositivos en el campo — sensores en pisos de fábricas, cámaras en almacenes, monitores en equipos agrícolas, dispositivos portátiles en pacientes — generando datos que necesitan ser procesados, actuados y transmitidos selectivamente a la nube. La latencia hacia una región de la nube es demasiado alta para decisiones en tiempo real. El ancho de banda es demasiado caro o poco confiable para transmitir todo. Los dispositivos necesitan funcionar cuando la red está caída. Necesitas una arquitectura que distribuya la inteligencia a través de las capas de edge, fog y nube según dónde se deba tomar 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. Dispositivos edge recopilan datos de sensores y ejecutan inferencias ligeras (detección de anomalías, alertas de umbral). Nodos fog (puertas de enlace locales o servidores locales) agregan datos de múltiples dispositivos edge, ejecutan modelos más complejos y gestionan flotas de dispositivos. Servicios en la nube manejan el almacenamiento a largo plazo, el entrenamiento de modelos, análisis a nivel de flota y paneles de gestión. La arquitectura tiene en cuenta la conectividad intermitente, la heterogeneidad de dispositivos, las actualizaciones por aire 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 flujo (Apache NiFi, AWS Greengrass, o personalizado) para filtrar, agregar y enriquecer datos antes de enviarlos a la nube. La ingesta en la nube (Kinesis, IoT Core, o Event Hubs) dirige los datos a bases de datos de series temporales, lagos de datos y canalizaciones de entrenamiento de ML. Los comandos y actualizaciones OTA fluyen hacia abajo por el mismo camino. Un sistema de sombra/gemelo de dispositivos mantiene el estado conocido más reciente de cada dispositivo para consulta y reconciliación.
| Capa | Tecnologías |
|---|---|
| Dispositivos Edge | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, PCBs personalizados |
| Protocolos | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| Fog/Puerta de Enlace | 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 datos de alto volumen que es caro transmitir completamente | Todos los dispositivos tienen conectividad a la nube confiable y de baja latencia |
| Las decisiones en tiempo real necesitan respuesta < 100ms (seguridad, sistemas de control) | La carga de trabajo es puramente recolección de datos con procesamiento por lotes en la nube |
| Los dispositivos deben funcionar durante cortes de red | Tienes < 50 dispositivos y puedes gestionarlos individualmente |
| La privacidad/el cumplimiento requiere procesar 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 IoT con una perspectiva de "gravedad de datos" — mapeamos dónde necesita ser procesado cada tipo de dato (edge, fog o nube) basado en requisitos de latencia, costos de ancho de banda y granularidad de decisiones. No enviamos todo a la nube y filtramos después. Nuestras implementaciones en el edge incluyen aprovisionamiento automatizado de dispositivos con autenticación basada en certificados, canalizaciones de actualización OTA con implementaciones escalonadas y reversión automática, y paneles locales en nodos fog para operadores en sitio que no pueden esperar 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 dividir las cargas de trabajo entre el borde 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 borde, mientras que el entrenamiento de modelos, el análisis histórico y la agregación entre sitios permanecen en la nube. Ayudamos a los clientes a asignar cada caso de uso de IoT al nivel de computación adecuado durante nuestra fase de descubrimiento de arquitectura.
MicrocosmWorks diseña nodos de borde con persistencia local utilizando bases de datos ligeras como SQLite o TimescaleDB, combinado con store-and-forward queuing que almacena datos en búfer durante las interrupciones de conectividad y se sincroniza automáticamente cuando la conexión se restaura. Nuestro firmware de borde incluye lógica de resolución de conflictos para escenarios donde las decisiones locales tomadas sin conexión divergen del estado del lado de la nube. Esto garantiza cero pérdida de datos y operación continua incluso en entornos con conectividad intermitente como sitios industriales remotos o flotas móviles.
MicrocosmWorks selecciona hardware edge basándose en el perfil de carga de trabajo—NVIDIA Jetson para visión artificial e inferencia de ML, gateways compatibles con AWS IoT Greengrass para computación edge de propósito general, y PCs industriales robustecidos de proveedores como Advantech para entornos de fabricación hostiles. Mantenemos arquitecturas de referencia para cada plataforma que incluyen pilas de red, seguridad y telemetría preconfiguradas, lo que acelera la implementación entre un 40% y un 60%. Nuestro equipo evalúa el consumo de energía, el rango de temperatura de funcionamiento 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 edge computing que traducen protocolos heredados como Modbus y OPC-UA en flujos modernos de MQTT o gRPC sin interrumpir los sistemas de control existentes. Ejecutamos una arquitectura paralela durante la migración para que el SCADA heredado siga funcionando mientras la nueva pipeline edge-cloud se valida con datos de producción. Nuestras tarifas de consultoría para la modernización de IoT industrial comienzan en $20-$50/hora dependiendo de la complejidad del protocolo y los requisitos regulatorios involucrados.