← Lumen Edge

Relatório técnico

Um motor de detecção de anomalias em C que aprende o comportamento normal de cada equipamento e roda dentro dele, em 11 KB de memória. Funciona com telemetria de servidores, GPUs, aparelhos Android e controladores industriais. Em GPUs, ele também age sozinho: reduz a carga, salva o estado do treino e o transfere antes da falha, inclusive num treino distribuído entre várias GPUs.

Evotech Creative Apps, Jundiaí, SP. Atualizado em outubro de 2026.

NVIDIA Inception ProgramMembro do programa NVIDIA Inception.
A Evotech Creative Apps, que desenvolve o Lumen Edge, foi aprovada no programa da NVIDIA para startups.

0 quedasdo treino de IA quando uma GPU NVIDIA dá defeito. Sem o Lumen Edge, o treino caiu 19 vezes nos mesmos testes.
96%da velocidade do treino mantida enquanto o Lumen Edge protegia a GPU com defeito
~20 minde antecedência nos vazamentos de memória de um aparelho Android
11 KBde memória, rodando dentro do equipamento, sem nuvem e sem GPU
GPU memory leak, NVIDIA T4 100%50%0% limite crítico 90% limiar de alerta Memória da GPU em uso Score do Lumen Edge 0 s 960 s aviso do Lumen Edge memória em 68% regra atual 130 s depois
Figura 1. Vazamento de memória provocado numa NVIDIA T4 sob carga normal de treino e inferência, com dados reais lidos uma vez por segundo. O Lumen Edge avisou com a memória em 68%. A regra usual de monitoramento, que dispara em 90%, avisou 130 segundos depois.

O problema

Os sistemas de alerta mais comuns comparam cada sinal com um limite fixo: temperatura acima de tanto, memória acima de tanto. Eles avisam quando o problema já chegou. As falhas que custam caro costumam aparecer antes, como uma mudança na relação entre sinais que, olhados um a um, ainda parecem normais.

O Lumen Edge aprende essas relações para cada equipamento e avisa quando elas mudam. Foi feito para rodar onde a telemetria nasce: no servidor, no gateway, no controlador ou no próprio aparelho, sem nuvem, sem GPU e sem alocação dinâmica de memória.

Hoje ele é aplicado em quatro frentes: servidores e datacenter, lendo CPU, memória, disco, rede e latência; infraestrutura de IA, lendo potência, temperatura, clocks e memória das GPUs pela NVML; aparelhos móveis, lendo memória, CPU, temperatura e bateria para avisar vazamento de memória, estrangulamento térmico e degradação de bateria, com a validação em aparelhos em andamento; e controladores industriais, lendo sensores de processo como pressão, vazão, corrente e vibração.

Resultados

Cada teste abaixo teve protocolo, métricas e critério de vitória gravados em histórico versionado antes de ser executado. Os modelos de comparação rodaram com o código oficial dos seus autores.

Telemetria de servidores, teste cego

Doze servidores que o motor nunca tinha visto, do conjunto público ASD. O limiar de alarme foi definido em outro conjunto de dados e congelado antes do teste, como seria numa instalação real.

DetectorIncidentes detectadosAlarmes falsos por dia
Lumen Edge39-41%0,58-0,64
USAD22%0,11
TranAD7%0,00
Tabela 1. Alarmes falsos por servidor por dia. Todos os detectores dentro do orçamento de 1 por dia, com o limiar de fábrica de cada um. O limiar é ajustável: menos alarmes falsos significa menos incidentes detectados. Faixa do Lumen Edge em 3 execuções.

GPU NVIDIA

Nove horas de telemetria NVML numa NVIDIA T4, com carga normal e falhas provocadas. Os três vazamentos de memória foram avisados 61, 40 e 130 segundos antes de a memória chegar a 90%, sem nenhum alarme falso (Figura 1).

Uma GPU com defeito, e o treino não cai

Num treino de IA com várias GPUs, uma GPU com defeito derruba o treino inteiro. O reinício padrão do PyTorch volta a rodar nas mesmas GPUs, o defeito volta junto e o treino entra num ciclo de quedas. Com um Lumen Edge em cada GPU, coordenados entre si, a GPU doente é percebida antes de falhar e protegida, o treino continua nas outras sem desacelerar, e o estado de todas é salvo no mesmo passo. Testamos com duas NVIDIA T4, um treino real em PyTorch distribuído, checkpoint de 300 segundos e um defeito de memória que volta a cada reinício, ora numa GPU, ora na outra, em duas sessões de nove blocos em ordem sorteada, com protocolo gravado antes de cada teste.

MétodoQuedas do treinoTrabalho perdido
Lumen Edge0144 s
Reinício padrão do PyTorch (torchrun)194.797 s
Regras de operação123.078 s
Tabela 2. Soma de duas sessões, com três blocos por método em cada. Nenhuma ação sem necessidade. Com o Lumen Edge, o treino não caiu nenhuma vez nas duas sessões, perdeu só 144 segundos de trabalho e manteve em média 95,8% da velocidade enquanto a GPU com defeito estava protegida. As 106 retomadas carregaram um estado idêntico ao salvo, e o lote do treino ficou constante. Nas versões anteriores deste teste, o Lumen Edge primeiro reduziu as quedas de 12 para 2 e depois zerou as quedas com 1.282 segundos perdidos numa sessão; a versão atual percebe o defeito mais cedo e perde 72 segundos por sessão. As duas GPUs estavam na mesma máquina, onde a comunicação entre elas limita a velocidade; num cluster maior, proteger uma GPU custa no máximo a parte dela. O próximo passo é validar com várias máquinas pela rede.

Proteção automática do treino

O Lumen Edge também age sozinho. Ao perceber o problema, ele pede um checkpoint do job e, se o sinal continua, transfere o job para um processo novo antes da falha. Testamos esse circuito completo numa NVIDIA T4 na AWS, com um job de treino real em PyTorch, vazamento de memória de GPU provocado e falta de memória real, em nove blocos em ordem sorteada, contra a regra usual de monitoramento e contra apenas o checkpoint periódico. Cada checkpoint leva 150 segundos, como o de um modelo grande.

MétodoTrabalho perdidoJobs derrubados
Lumen Edge633 s1 de 3
Regra de 90% da memória3.108 s3 de 3
Só checkpoint periódico3.238 s3 de 3
Tabela 3. Soma de três falhas por método, com protocolo gravado antes do teste. Nenhuma ação sem necessidade fora das falhas. O Lumen Edge agiu com a memória da GPU entre 55% e 78%; na única falha em que o job caiu, o checkpoint já tinha terminado e quase nada se perdeu. A regra de 90% deixa menos de um minuto e meio, pouco para um checkpoint de modelo grande; com checkpoints curtos, ela também salva o job. O mesmo circuito num Mac deu 633 s contra 2.722 s, sem nenhuma queda.

Autorreparo sem parar o trabalho

Quando salvar o estado demora mais que o aviso, salvar e transferir não basta: o job cai antes de o checkpoint terminar. Por isso o Lumen Edge age em camadas. Primeiro ele põe o próprio job em modo econômico, com lote menor e clock da GPU reduzido, e o trabalho continua. Ao mesmo tempo salva o estado e, se o sinal persiste, transfere o job. Testamos numa NVIDIA T4 na AWS, com um job de treino real em PyTorch, checkpoint assíncrono de 300 segundos, como o de um modelo grande, e um vazamento de memória de GPU que cresce a cada passada de treino, em nove blocos em ordem sorteada.

MétodoTrabalho perdidoJobs derrubados
Lumen Edge em camadas1.034 s0 de 3
Lumen Edge, só salvar e transferir2.810 s3 de 3
Regra de 90% da memória1.455 s1 de 3
Tabela 4. Soma de três falhas por método, com protocolo gravado antes do teste. Nenhuma ação sem necessidade fora das falhas. Salvando no mesmo instante, mas sem desacelerar, o job caiu nas três falhas, cerca de três minutos depois do aviso. Num dos blocos, a regra de 90% salvou tarde, mas o bloco acabou antes da queda, o que a favorece. O ganho vale para defeitos que acompanham o trabalho, como esse vazamento; contra um defeito que cresce só com o tempo, desacelerar não ajuda.

Aparelho Android

Sessão num aparelho Android com uso normal e falhas reais, usando um modelo treinado em outro dia. Os dois vazamentos de memória foram avisados cerca de 20 minutos antes de a memória disponível cair abaixo de 600 MB, com 2,6 GB ainda livres. O limiar estatístico por canal não avisou nenhum. As duas cargas térmicas foram percebidas em menos de 10 segundos, mas o aparelho não chegou a estrangular, então isso mostra detecção do estresse, não previsão de estrangulamento. Um único aparelho e quatro falhas: a validação em mais aparelhos está em andamento.

Processo industrial

SKAB, 34 ensaios de uma bancada hidráulica, com validação cruzada, contra o melhor modelo do placar público.

DetectorAlarme falsoAnomalia perdidaF1
Lumen Edge13,1%19,7%0,838
Conv-AE13,6%28,0%0,784
Tabela 5. Pela regra oficial do placar. Contando também as linhas que o Conv-AE não consegue prever, os dois empatam.

O que é preciso para rodar

Os modelos de comparação são pequenos em si, mas dependem de Python e PyTorch para executar e são treinados fora do equipamento. O Lumen Edge não depende de nada. Medição com o código oficial dos autores, 8 canais.

DetectorMemória em execuçãoDependênciasTreino no equipamento
Lumen Edge10,9 KBnenhumasim
USAD166 MBPython + PyTorch (296 MB)não
TranAD166 MBPython + PyTorch (296 MB)não
Tabela 6. Memória do processo em execução no macOS (arm64). Os pesos dos modelos rivais ocupam 12 KB (USAD) e 28 KB (TranAD) com 8 canais, e 41 KB e 498 KB com 38 canais; o custo está no ambiente necessário para rodá-los. O código do Lumen Edge, com as constantes, ocupa 37 KB.

Onde não indicamos

Em contadores de eventos discretos, como os atributos SMART de discos, regras simples tiveram desempenho melhor no nosso desenvolvimento. O motor é indicado para sinais contínuos com vários canais. Em GPUs, o foco é a memória: superaquecimento repentino e jobs travados não dão sinal antecipado na telemetria da NVML, e para eles os alarmes de limite que já existem continuam sendo a ferramenta certa.

Especificações

LinguagemC99, sem biblioteca padrão e sem dependências
Memória10.896 bytes por instância com 8 canais; nenhuma alocação dinâmica
Pilha e constantescerca de 400 bytes de pilha; 12 KB de constantes
Custo por amostracerca de 64 mil instruções em Cortex-M4F
Canaisaté 8 por instância; várias instâncias no mesmo dispositivo
Treinono próprio dispositivo, a partir do histórico; aprendizado contínuo opcional
Reprodutibilidaderesultado idêntico bit a bit entre PC, Cortex-M4F, Cortex-M33 e Android
Estabilidade10 milhões de amostras seguidas, sem deriva numérica
PlataformasCortex-M4F e M33; Android aarch64 (API 26+); Linux x86-64 e ARM64; macOS arm64
ColetoresNVML para GPUs NVIDIA; /proc e sysfs no Linux e no Android
Entregabiblioteca estática com API em C

Pilotos

Trabalhamos com pilotos em modo sombra. O Lumen Edge lê a mesma telemetria que o seu sistema de alerta, sem atuar em nada, e ao fim do período comparamos nos seus dados os incidentes avisados, a antecedência e os alarmes falsos. O critério de sucesso é combinado por escrito antes do início.

O relatório técnico completo, com as limitações conhecidas e os resultados desfavoráveis, é enviado sob acordo de confidencialidade.

Contato: contato@lumenedge.com.br