Evaluación de sistemas de distribución para la automatización de aplicaciones industriales inteligentes

Abstract

La transición de la Industria 4.0 al IoT Continuum refleja un cambio fundamental en los modelos de procesamiento de datos, que pasan de estar centrados en la nube a distribuirse progresivamente hacia el edge y los dispositivos, con el objetivo de reducir la latencia, aumentar la resiliencia y habilitar capacidades de decisión en tiempo real a lo largo de toda la arquitectura. Esta continuidad operativa plantea importantes retos en términos de interoperabilidad, latencia y rendimiento. En este contexto, tecnologías como DDS (Data Distribution Service) y Apache Kafka han demostrado ser eficaces, aunque en escenarios diferentes. DDS destaca por sus capacidades en entornos distribuidos con requisitos estrictos de comunicación en tiempo real, mientras que Kafka es ampliamente utilizado para procesar grandes volúmenes de datos en arquitecturas en la nube. Por lo tanto, la coexistencia de ambas tecnologías en un mismo sistema resulta un desafío. Este trabajo propone una arquitectura, capaz de integrar DDS y Kafka, combinando sus fortalezas para facilitar la comunicación entre sistemas heterogéneos. A través de un caso de uso basado en datos sensóricos simulados de vehículos inteligentes, se implementa una solución completa que conecta dispositivos embebidos y ubicados en el edge con plataformas que pudieran encontrarse en la nube, con un despliegue automatizado. Además, se incorporan mecanismos de monitorización y se analizan métricas de rendimiento, lo que permite evaluar la viabilidad de la propuesta en escenarios industriales.

The transition from Industry 4.0 to the IoT Continuum represents a fundamental shift in data processing models from cloud-centric to progressively distributed to the edge and devices, with the goal of reducing latency, increasing resiliency and enabling real-time decision capabilities across the entire architecture. This operational continuity poses significant challenges in terms of interoperability, latency and performance. In this context, technologies such as DDS (Data Distribution Service) and Apache Kafka have proven to be effective, albeit in different scenarios. DDS stands out for its capabilities in distributed environments with strict real-time communication requirements, while Kafka is widely used to process large volumes of data in cloud architectures. Therefore, the coexistence of both technologies in the same system is a challenge. This work proposes an architecture which integrates DDS and Kafka, combining their strengths to facilitate communication between heterogeneous systems. Through a use case based on simulated sensor data from smart vehicles, a complete solution is implemented that connects embedded and edge devices with platforms that could be found in the cloud, by means of an automated deployment. In addition, monitoring mechanisms are incorporated and performance metrics are analysed, allowing the feasibility of the proposal to be assessed in industrial scenarios.