Categoría: Uncategorized

Proyecto global de digitalización

Cementos Portland Valderrivas es una empresa del grupo FCC dedicada a la fabricación y venta de cementos hormigón, áridos, mortero y otros derivados.

Dentro de su proyecto global de digitalización de diferentes plantas industriales en España, se propone IDboxRT como plataforma de monitorización e integradora de todas las instalaciones, con el objetivo de crear un sistema que permita la integración con datos del sistema SAP, lectura de diferentes tipos de ficheros con capacidad analítica de visualización de datos y de conectividad con software instalados del cliente, lo que la convierte en un herramienta colaborativa dentro de la corporación.

Retos principales

Los principales retos encontrados al inicio del desarrollo del proyecto se centraron en la adquisición de datos, la conectividad con el Sistema SAP, la extracción de históricos, así como la creación de cálculos complejos para el sistema FORTIA y la sincronización de envío de datos de los diferentes sistemas.

Solución propuesta

El punto inicial fueron siete plantas españolas, incluyendo también los datos generados en las Oficinas Centrales de la compañía.

La solución propuesta se realizó con el sistema de CIC IDboxRT Reporting Services, LUCA, con capacidad para visualizar los datos requeridos. Por un lado, se necesitaban dashboards de  producción mediante acumulados por tipo de producto, y por otro, comparativas entre las diferentes plantas de la compañía.

En cuanto a la parte técnica, el proyecto se desarrolló en tres ámbitos dependiendo de la tecnología de adquisición de datos: mediante ficheros planos extraídos de SAP, archivos de Excel de FORTIA y a través de la herramienta de históricos, APIRest. Para ello, se crearon tres drivers para la recogida de ficheros en el directorio compartido. Los datos se cargaban en el sistema y se desarrollaban complejos cálculos energéticos de los agrupados para su muestra posterior en la plataforma.

Resultados obtenidos

Como principales resultados, el desarrollo del proyecto aseguró la creación de Informes diferenciados por el rol de los usuarios, la adquisición integrada de datos de FORTIA, así como la generación de Informes que reducen el tiempo de ejecución de las tareas por parte del personal de la planta y nuevos mecanismos de sincronización de datos. Al mismo tiempo, se elaboró una comparación de los resultados de consumo y producción en las plantas, y se generó acceso a los datos de diferentes departamentos de clientes desde el mismo punto.

Consejos útiles

Para concluir, nos gustaría destacar varias conclusiones importantes para los desarrollos futuros: en primer lugar, es necesario llevar a cabo la validación de datos de manera más eficiente, independientemente de que la realice el cliente o nosotros mismos, dado que el tiempo de validación puede exceder el tiempo de desarrollo o de implementación; en segundo lugar, es necesario captar correctamente los requisitos del cliente al comienzo del proyecto para reducir el tiempo de desarrollo; y por último, es necesario buscar y ofrecer un diseño mejor adaptado a la empresa y a la imagen de marca.

La tecnología clave en la mejora del futuro presente

En la actualidad se está demostrando que la capacidad de sintetizar datos sensoriales, preservando las propiedades estadísticas deseadas, supone un gran éxito en diferentes industrias.

Muchos ejemplos se basan en este concepto y lo aplican a diversas industrias que utilizan tecnología. Uno de los más destacados es el caso de DeOldify, un programa de inteligencia artificial que traduce imágenes en blanco y negro a color, o Nvidia, con su propuesta de crear imágenes realistas de falsos paisajes o rostros de personas inexistentes, a partir de bocetos semánticos.

GANs: La idea más interesante en Machine Learning de la última década

Estos sistemas se basan en una arquitectura de red neuronal muy específica, denominada Generative Adversarial Network (GAN), unalgoritmo de inteligencia artificial que incide en que los datos sintetizados deben mantener tanto las propiedades estadísticas como ser indistinguibles de los datos reales, proceso similar a un test de Touring para datos.

Dichos conceptos tienen su origen tiempo atrás, donde la comparación se realizaba a través de simple inspección visual. Actualmente se emplean modelos de clasificación, llamados discriminadores, encargados de distinguir entre datos sintetizados y datos reales. De una forma más intuitiva se puede entender esta red como dos redes competidoras: la primera de ellas es la encargada de generar candidatos, datos sintetizados, mientras que la segunda evalúa si los datos son reales o sintetizados. El objetivo del entrenamiento es aumentar la tasa de error de la red discriminadora, es decir, engañar al discriminador.

La monitorización, el deep learning y sus beneficios para el negocio

Las soluciones descritas anteriormente se adaptan a diversos sectores como «Smart», «Industria 4.0» y «Energía» entre otros. El software de monitorización de activos en tiempo real comienza a utilizar estos avances tecnológicos para resolver problemas comunes, como, por ejemplo, los fallos de conexión. Suele pasar que algunos sensores que envían datos están parcialmente desconectados, lo que podría haberse evitado si un modelo generador-discriminador hubiera entrado en el juego, sustituyendo los datos que faltan por datos sintéticos. A partir de aquí podríamos considerar la posibilidad de sustituir algunos sensores completamente por piezas sintéticas, lo que aseguraría la mayor calidad posible y reduciría la infraestructura de hardware necesaria para una supervisión eficaz.

Actualmente, empresas españolas como CIC Consulting Informático, con su producto de monitorización de activos IDboxRT Inteligencia Operacional, consideran el Deep Learning como una herramienta destinada a facilitar la vida de sus clientes.

La serie de medidas en el ámbito de Deep Learning en materia de monitorización, desarrollada por CIC Consulting Informático, da lugar a importantes resultados positivos a diversos niveles. En primer lugar, proporciona condiciones económicas favorables, permitiendo ahorrar en la explotación y el mantenimiento de equipos específicos, evitando al mismo tiempo graves pérdidas de información. Por este motivo, existen ventajas asociadas a la eficiencia energética, como la reducción del consumo de energía resultante de la disminución del número de componentes físicos.

Regreso al futuro con el deep learning

Se espera que el Deep Learning revolucione la metodología de funcionamiento de las empresas en un futuro próximo, haciéndolas más eficientes en términos de consumo y rentabilidad, optimizando todos sus procesos y logrando resultados tangibles a escala mundial.

No es nada nuevo. No estamos hablando de una tecnología rompedora que aparezca con fuerza en 2020. El IoT es algo que llevaba ya muchos años en la cabeza de sus precursores desde los años 90, simplemente a la espera de que las técnicas de comunicaciones e integración de sistemas dieran soporte a sus ideas. 

Y es precisamente esa última palabra la clave para entender los motivos por los que su adopción en el ámbito industrial no haya sido tan rápida como lo vaticinado por las grandes consultoras a nivel mundial. Lo cierto es que no hablamos de una tecnología en sí, cuya mera aplicación sea capaz de resolver un problema, sino de un concepto de aplicación de varias tecnologías al servicio de una premisa base: una idea. 

Durante los primeros años del boom IoT, se han vivido situaciones en las que medianas y grandes compañías no daban pasos, sino auténticos saltos hacia la “aplicación” del IoT en entornos industriales. El problema es que esos saltos se basaban simplemente en realizar una fuerte inversión en dispositivos IoT, cuyos datos resultaban ser anecdóticos o accesorios. 

Desde la experiencia acumulada por nuestro equipo de IDboxRT, suscribimos la máxima “Lo que no se puede medir no se puede mejorar”. Pero el hype que vive el IIoT no nos debe arrastrar a un afán injustificado por recolectar datos inservibles, la contrapartida a esa máxima es que debemos medir única y exclusivamente aquellos parámetros que nos permitan alcanzar el ROI esperado. 

Sobre esta base sólida, aparece ante los líderes de estas iniciativas una marea de fabricantes de dispositivos, modelos, protocolos, etc.  En este sentido, es difícil prever cuál de ellos dominará el mercado a medio plazo, por lo que es imprescindible contar con una plataforma IoT abierta que permita comunicar con variedad de dispositivos de forma sencilla, ya que esto facilita mucho la elección del dispositivo adecuado para cada uso, sin miedo a que ciertos datos se queden aislados a medida que la tecnología evoluciona. 

A nivel de protocolos de comunicación, encontramos variedad de protocolos ligeros que permiten comunicación con dispositivos remotos alimentados por baterías, cuya duración puede llegar a varios años dependiendo del protocolo utilizado y la frecuencia de refresco. Desde el conocido MQTT, pasando por CoAP, hasta otros menos reconocibles como BACnet, nos encontraremos multitud de protocolos implementados por distintos dispositivos, que pueden crear dudas en aquellos que cuenten con plataformas de tratamiento de datos con baja flexibilidad. 

Es precisamente esta naturaleza abierta lo que hace que la herramienta de Inteligencia Operacional que desarrollamos en CIC Consulting Informático de Cantabria, IDboxRT, apareciera como una de las referencias en el Competitve Landscape: IoT Platform Vendors de Gartner en 2018. Sin poder considerarse únicamente una plataforma IoT, la capacidad de ingesta de datos desde cualquier dispositivo, independientemente del protocolo, hace de IDbox una de las apuestas más seguras en este sentido, ya que tome la dirección que tome el sector, nuestros clientes siempre podrán integrar sus datos, combinando distintos protocolos. 

La posibilidad de combinar datos de nuestro “parque IoT” con datos de proceso directamente recogidos de PLCs, SCADAs, bases de datos o incluso WebServices de terceros permite a los clientes de IDboxRT contextualizar la información, implementar modelos matemáticos, combinando todos estos datos, y analizar los resultados para mejorar la toma de decisiones en tiempo real. 

En definitiva, desde el equipo de IDboxRT, estamos seguros de que la implantación de iniciativas IoT en el ámbito industrial traerá, sin lugar a duda, mejoras sustanciales tanto a nivel de control, como de optimización de procesos, siempre y cuando pongamos el acento en el valor que cada dato puede aportar al corazón de toda iniciativa: una idea. 

Los tiempos cambian, nosotros también

Hemos desarrollado un nuevo estilo visual para encontrar un equilibrio entre lo antiguo y lo nuevo, lo clásico y lo innovador. Algunos aspectos de nuestra marca han cambiado enormemente, y otros, como son nuestro deseo de permanecer profesionales, seguir siendo receptivos y mantener el sentido del humor, permanecen inalterados para siempre. Por ello, hemos elegido el contraste entre el blanco y el negro, diluido con patrones geométricos y nuestros colores, históricamente importantes, como la línea principal de nuestro estilo.

Nuestros colores se han fusionado en uno

Tres procesos – un gradiente.

IDboxRT es conocido por su famoso eslogan: «Integra, Procesa y Analiza«, el cual refleja los tres principales procesos indivisibles de nuestro software de monitorización. De aquí proviene nuestro gradiente característico, que representa el flujo de información y su transición de una fase a otra.

Nuestro nuevo logo

Mismo nombre, nueva firma.

El signo de nuestra marca ha sido cambiado y mejorado. Nuestro histórico logo ha sido simplificado y rediseñado usando un carácter fresco, reconocible, minimalista y moderno para maximizar nuestra presencia digital y física en una nueva era.

Nuevos patrones

Un símbolo de cómo nos comunicamos.

Nuestros nuevos elementos gráficos, los patrones, fueron creados para simbolizar nuestro enfoque de asociación con nuestros clientes de una manera abierta, dinámica y flexible.

Fotografía y gráfica

Claridad y simplicidad.

Introducimos un estilo audaz y reconocible de imágenes y símbolos gráficos, dando preferencia al blanco y negro, al contraste y al enfoque intenso para aportar claridad y singularidad a nuestra marca.

Tipografía

Ser comprensible, ser accesible.

En este aspecto, decidimos atenernos a las buenas y antiguas tradiciones y dejar nuestra fuente principal a la querida vieja Montserrat, una tipografía geométrica sans-serif. Este tipo de letra es excelente por su simplicidad, comprensibilidad, ¡y además sabemos que la adoráis!

Uniendo todo

Una identidad equilibrada y justificada.

En combinación, todos los elementos mencionados, nos ayudan a sobresalir y mantener el ritmo, desarrollándonos, mejorando cada día y, lo más importante, permaneciendo nosotros mismos, pase lo que pase.

La transformación digital y la digitalización del negocio comenzó a tomar importancia hace muchos años y hoy en día se ha convertido en la clave para la supervivencia de la empresa. Una empresa necesita adaptarse a los cambios para poder destacar frente a su competencia. En este proceso de transformación, la Tecnología nos permite estar a la vanguardia de los cambios que viven los negocios en la actualidad.  

La Tecnología aporta la velocidad y la agilidad que necesita un negocio para destacar. 

Grandes organizaciones están desarrollando sus acciones de transformación digital para impulsar la innovación, mejorar la ventaja competitiva, aumentar la productividad y reducir los costos, utilizando las nuevas tecnologías y utilizando plataformas de TI innovadoras. 

Con tendencias como la Monitorización, la Inteligencia Operacional, el Cloud, los dispositivos móviles, el Big Data, el Internet de las cosas (IoT) o el Indsutrial IoT (IIoT), y la gran cantidad de datos que cambian la forma en que los consumidores se conectan con las empresas, muchos negocios se enfrentan a desafíos relacionados con la adaptación de sus tecnologías a las necesidades actuales.  

La necesidad de la transformación digital surge en gran medida de los grandes volúmenes de datos generados por los dispositivos de IoT.  

Aquí surge la necesidad de disponer de un sistema de monitorización, el cual aprovecha al máximo los datos obteniendo información de cualquier entorno para su posterior análisis. Gracias a este análisis, la toma de decisiones será más eficaz.  

Además, con los sistemas de monitorización se podrá asegurar la calidad a través del mantenimiento predictivo, y monitorear las operaciones desde cualquier lugar. 

¿Aun no sabes cómo afrontar la transformación digital de tu negocio? ¿Aun no has implantado un sistema de monitorización de señales? Te invitamos a la VI edición del Madrid Monitoring Day.  

VI edición de Madrid Monitoring Day #MMD19, evento de referencia en Soluciones de Monitorización e Inteligencia Operacional 

A través del #MMD19 será posible conocer las herramientas de monitorización necesarias para la transformación digital de tu negocio, además de descubrir los beneficios y el importante impacto económico que supone su implantación.  

También pondremos en valor el proceso de monitorización en entornos críticos, y trataremos la problemática dentro de diversos sectores a través de casos reales en grandes organizaciones. 

Un evento de referencia centrado en las soluciones de monitorización de señales en diversos entornos: Energía, Smart City e Industria 4.0. 

 El Madrid Monitoring Day #MMD19 es un evento que en todas sus ediciones ha tenido muy buena acogida, con más de 300 asistentes anualmente. Entre los perfiles que acuden al evento podemos encontrar a directivos de empresas tecnológicas, directores de TI, CTOs y CIOs, project managers, empresas de servicios y soluciones energéticas, consultorías, ingenierías y ayuntamientos, entre otros.  

En Madrid Monitoring Day se destacarán los beneficios de las plataformas de monitorización y control de información, como herramientas para la Transformación Digital del negocio. 

Este año la agenda viene cargada de novedades. Podrás conocer a través de ponencias y demostraciones, varios proyectos en torno a la monitorización. 

En la VI edición participarán ponentes procedentes de organizaciones como Vodafone y Cepsa. 

Esta edición contará con media jornada de ponencias de expertos de diferentes ámbitos que presentarán su experiencia con los sistemas de monitorización y los beneficios que este tipo de plataformas han supuesto dentro de su negocio.  

El encuentro también dispondrá de un área de exposición, con un espacio de Stands dedicados a la presentación de productos y soluciones relacionados con la transformación digital. También habrá una sala de demos donde podrás descubrir las oportunidades que ofrecen las herramientas de análisis de datos en Tiempo Real y de Inteligencia Operacional. 

Se potenciará un ambiente de networking para el intercambio de ideas entre asistentes y ponentes a lo largo de la jornada.  

Para finalizar el evento, se ofrecerá un Lunch y una degustación de Gin&Tonic de la mano de los mejores cocteleros. 

Los datos generados por la máquina hacen que el análisis del Big Data sea realmente interesante. Entre otras cosas, permiten mejorar la experiencia del usuario, aumentar la estabilidad TI, detectar amenazas de seguridad e incluso analizar el comportamiento del cliente. Pero para eso, la información primero debe ser encontrada y revisada.

¿Qué es la inteligencia operacional (IO)?

IO se puede definir como una forma de análisis comercial en tiempo real que ofrece una visibilidad procesable y un conocimiento y gestión de todas las operaciones comerciales. Los datos producidos por la inteligencia operacional en tiempo real permiten a los operadores comprender el rendimiento de la infraestructura distribuida, hacer predicciones, mejorar la eficiencia e incluso prevenir desastres. Esto da una mayor capacidad para tomar las decisiones operativas correctas e involucrar a partes interesadas importantes. Es importante destacar que el software IO aprende de las acciones pasadas a través de la inteligencia artificial (específicamente, el aprendizaje automático) y, por lo tanto, puede mejorar sus propios procesos de toma de decisiones.

La inteligencia operacional, junto con los datos generados por la máquina, proporciona la capacidad de comprender exactamente lo que está sucediendo en los sistemas individuales de la infraestructura de TI, en tiempo real. Por lo tanto, las plataformas modernas de Big Data o grandes volúmenes de datos para inteligencia operacional capaz de procesar más de 100 terabytes de datos de la máquina todos los días, que luego sirven como un requisito previo para tomar decisiones informadas en diferentes procesos de negocio: los gerentes de producto pueden introducir aplicaciones y servicios al mercado más rápido, los gerentes mejoran la disponibilidad y el rendimiento de las soluciones de TI internas, mientras que los equipos de ventas tienen la capacidad de adaptar los servicios y productos al comportamiento del cliente. Las oportunidades para la optimización de procesos comerciales son infinitas.

Cómo funciona la inteligencia operativa

La inteligencia operacional juega directamente con la propia TI: Allí se produce una gran cantidad de información de diferentes segmentos de TI para solucionar problemas exactos como los de rendimiento. Esta información generalmente incluye registros de infraestructura web, datos de red, diagnósticos de aplicaciones o información de servicios en la nube. Poco después de la consolidación de estos datos, es posible realizar una investigación de causas y reaccionar ante incidentes, fallos y otros problemas específicos. Los mecanismos de supervisión y las alarmas permiten controlar toda la infraestructura de TI, incluidas las aplicaciones, mediante la identificación de condiciones específicas, tendencias y patrones complejos. Con este informe en tiempo real de las «salas de máquinas» de una organización, los administradores de TI podrán desarrollar una visión orientada a los servicios de su entorno de TI. Esto permite informes sobre la marcha y visualizaciones de datos que proporcionan una visión general de los eventos desde diferentes perspectivas. Esto incluye información sobre cómo las aplicaciones, servidores o dispositivos están conectados a servicios de TI de misión crítica.

Las principales características de un Software de Inteligencia Operacional

• Monitorización de todos los procesos de negocio en tiempo real.
• Detección de todo tipo de situaciones a lo largo de un proceso operativo en tiempo real.
• Control y análisis de Big Data. Nuestro Software de inteligencia operacional monitorea y analiza continuamente la variedad de fuentes de Big Data de alta velocidad y alto volumen.
• Análisis de diferentes situaciones, tendencias, la raíz de los problemas.
• Diferentes usuarios pueden ver los tableros de datos en tiempo real.

Conclusión

Las aplicaciones, los sensores, los servidores y los clientes generan constantemente datos. Esta información de la máquina se puede utilizar para las transacciones del usuario, el comportamiento del cliente, la actividad del sensor, el comportamiento de la máquina, las amenazas de seguridad, la actividad fraudulenta y otras medidas. Para un análisis significativo y la posterior toma de decisiones, las plataformas de inteligencia operacional especiales son adecuadas. Le permiten descubrir el valor de la información oculta recopilando, indexando, buscando, analizando y visualizando la gran cantidad de información. Ofrece a las empresas información en tiempo real sobre el mundo empresarial cada vez más digitalizado que puede utilizarse para la toma de decisiones y el gobierno corporativo.

Todos somos testigos del boom del internet industrial de las cosas (IIoT) y la demanda de “digitalización” dentro de la industria 4.0. Sin embargo, tenemos preguntas basadas en los sistemas SCADA relacionadas con el IoT que parecen ignoradas o no tener respuesta. ¿El IoT reemplazará los sistemas supervisión, Control y Adquisición de Datos? ¿Pueden integrarse los dos? SCADA y Distributed Control Systems (DCS) son claramente estándares de automatización predominantes, pero en esta nueva ola de datos de las superficies de IoT ¿qué papel van a jugar en las fábricas del futuro?

El origen de los sistemas SCADA

El propósito de los primeros sistemas SCADA de estado sólido, era recopilar datos y monitorizar procesos a través de ordenadores o mainframe lentos y costosos. Esto allanó el camino para la tecnología de registro de datos. Los historiadores fueron presentados para hacer justamente eso; almacenar y analizar la gran cantidad de datos capturados por el sistema SCADA. Ahora, sin embargo, con los equipos de 64 bits, las herramientas de configuración masiva y las interfaces gráficas de usuario del próximo nivel, nativas de la mayoría de los productos SCADA, ya no existen barreras tradicionales para la entrada. La pregunta es, ¿cuál será el papel de estos sistemas de control de procesos cuando pasemos a la siguiente fase de fabricación, también llamada industria 4.0?

SCADA en la fábrica inteligente

La realidad es que SCADA como una interfaz de operador, y las características que lo hacen obligatorio (como visualización esquemática, alarmas, registro de datos, control en tiempo real y el paso de datos a los historiadores de datos), no van a ser completamente negadas por la tecnología IoT.

No cabe duda de que Edge Computer, sistema que procesa o almacena datos críticos localmente y empuja todos los datos recibidos a un centro de datos o repositorio de almacenamiento en la nube, comenzará a englobar ciertas funciones de control y racionalizará la cantidad de datos que decidamos introducir en la nube a lo largo del tiempo, pero el Internet Industrial of Things no negará la necesidad de abrir y cerrar válvulas, iniciar o detener motores de forma segura o restablecer un actuador.

En definitiva, uno no puede comparar el IIoT únicamente con la Adquisición de Datos (DA) y olvidarse del Control de Supervisión (SC) y la necesidad de confiabilidad, seguridad, agregación rápida y almacenamiento de datos complejos.

4ª generación SCADA: La adopción de IoT

Una tendencia que se está destacando en Industria 4.0 es el movimiento hacia la nube IIoT. Tradicionalmente, los datos recopilados de los sensores industriales se desplazan desde los Controladores lógicos programables (PLC) patentados hasta los Sistemas de control de supervisión y Adquisición de datos (SCADA) para el análisis, con muchas capas intermedias. Pero cloud IIoT está abriendo todo esto y reduciendo la cantidad de capas desde la captura de datos hasta la inteligencia procesable.

IoT y SCADA, tecnologías complementarias para Industria 4.0

La digitalización está generando cambios en la forma en que operan los fabricantes. La naturaleza jerárquica está cambiando lentamente a medida que se abre un modelo de igual a igual a través del IoT.

Entonces, ¿reemplazará IIoT a los sistemas SCADA? Para procesos industriales críticos de alto valor, concluyo que no. ¿Pueden los dos conceptos integrarse alguna vez? Si, a pesar de los sistemas SCADA tradicionales que operan en el entorno «micro» de la fabricación, la recopilación y visualización de las operaciones cotidianas de una fábrica o proceso, un SCADA más poderoso está llegando para quedarse. Y sí, la industria 4.0 y IIoT pertenecen al entorno «macro».

La información generada a partir de los sistemas SCADA actúa como una de las fuentes de datos para IoT. El enfoque de SCADA es en monitoreo y control. El enfoque de IoT está firmemente centrado en el análisis de datos de la máquina para mejorar su productividad e impactar su línea superior. ¿Cómo podemos satisfacer las necesidades del consumidor más rápido, más barato y con mejor calidad? Las plataformas SCADA / IoT son la visualización de la cuarta generación que responderá a esta pregunta.

A medida que el planeta continúa calentándose, los impactos del cambio climático empeoran, pero tenemos una nueva herramienta para ayudarnos a gestionar mejor los impactos y proteger el planeta: inteligencia artificial (IA). IA se refiere a los sistemas informáticos que pueden sentir su entorno, pensar, aprender y actuar en respuesta a lo que perciben y sus objetivos programados.

En India, la Inteligencia Artificial ha ayudado a los agricultores a obtener rendimientos con el cacahuete un 30 por ciento más altos por hectárea al proporcionar información sobre la preparación de la tierra, la aplicación de fertilizantes y la elección de las fechas de siembra. En Noruega, la IA ayudó a crear una red eléctrica flexible y autónoma, integrando más energía renovable. La Inteligencia Artificial consigue identificar ciclones tropicales, frentes meteorológicos, ríos atmosféricos, estos últimos pueden causar precipitaciones intensas y, a menudo, es difícil para los humanos identificarse solos. IA también mejora las predicciones meteorológicas, y pueden ayudar a mantener a las personas seguras.

¿Qué son la inteligencia artificial, machine learning y el deep learning o aprendizaje profundo?

Las capacidades de Inteligencia Artificial están mejorando rápidamente gracias a varios factores: la gran cantidad de datos que se recopilan mediante sensores, satélites e Internet; el desarrollo de ordenadores más potentes y rápidos; la disponibilidad de software y datos de código abierto; y el aumento en el almacenamiento abundante y barato. La Inteligencia artificial ahora puede percibir rápidamente patrones que los humanos no pueden, hacer predicciones de manera más eficiente y recomendar mejores acciones.

Lo que existe hoy en día es una inteligencia artificial “estrecha”, que está orientada a tareas y es capaz de hacer algunas cosas, algunas veces mejor que lo que los humanos pueden hacer, como reconocer el habla o las imágenes y pronosticar el clima. Jugar al ajedrez y clasificar imágenes, como en el etiquetado de personas en Facebook, son ejemplos de inteligencia artificial limitada.

Cuando Netflix y Amazon recomiendan programas y productos basados en nuestro historial de compras, utilizan Machine Learning o aprendizaje automático. El aprendizaje automático, que se desarrolló a partir de una IA anterior, implica el uso de algoritmos (conjuntos de reglas a seguir para resolver un problema) que pueden aprender de los datos. Cuantos más datos analiza el sistema, más preciso se vuelve a medida que el sistema desarrolla sus propias reglas y el software evoluciona para lograr su objetivo.

Por ejemplo, el Deep Learning o Aprendizaje Profundo permitió que un sistema informático averiguara cómo identificar a un gato, sin ningún aporte humano sobre las características del gato, después de «ver» 10 millones de imágenes aleatorias de YouTube.

La inteligencia artificial es un cambio en el ecosistema

Microsoft cree que la inteligencia artificial, que a menudo abarca el machine Learning y el Deep Learning, es un «cambio de juego» para el cambio climático y los problemas ambientales.

Los vientos pueden causar en numerosos países grandes catástrofes, llegando a destruir diferentes especies de árboles. Pero ¿cómo es posible diferenciar una especie de otra mirando una masa verde desde arriba sobre un área tan grande? El ojo humano podría hacerlo teóricamente, pero tomaría una eternidad procesar miles de imágenes. Para ello, hoy en día se está utilizando la inteligencia artificial para analizar las fotografías de alta resolución y unirlas con los datos, se mapea e identifica cada árbol en cada parcela.

Comprender cómo cambia la distribución y composición de los bosques en respuesta a los huracanes es importante porque cuando los bosques se dañan, la vegetación se descompone y emite más CO2 a la atmósfera. A medida que los árboles vuelven a crecer, ya que son más pequeños, almacenan menos carbono. Si el cambio climático resulta en tormentas más extremas, algunos bosques no se recuperarán, se almacenará menos carbono y quedará más carbono en la atmósfera, lo que agravará el calentamiento global. Pero todo esto está en un proceso de cambio con la Inteligencia Artificial.

Otro caso muy atractivo de la Inteligencia Artificial es como puede llegar a mejorar nuestro ecosistema, recogiendo datos sobre el crecimiento de los animales, rastreando movimientos, monitorizando las condiciones meteorológicas. Todo este proceso conseguirá un modelo que ayudará a mejorar el ecosistema, el manejo de los criaderos, la cosecha la protección del hábitat …etc.

Cómo se usa la Inteligencia Artificial para la energía

La IA se utiliza cada vez más para gestionar la energía renovable de manera que se pueda incorporar más energía en la red; también puede manejar las fluctuaciones de potencia y mejorar el almacenamiento.

Los laboratorios de energía utilizan el aprendizaje automático o Machine Learning y la Inteligencia Artificial para identificar vulnerabilidades en la red, fortalecerlas antes de posibles fallos y restablecer la energía más rápidamente cuando ocurran fallos.

Los sistemas primero estudian parte de la red, analizando datos de fuentes de energía renovables, almacenamiento de batería e imágenes satelitales que pueden mostrar dónde los árboles que crecen sobre las líneas eléctricas podrían causar problemas en una tormenta. El objetivo es desarrollar una grilla que pueda gestionar automáticamente la energía renovable sin interrupción y recuperarse de los fallos del sistema con poca participación humana.

Las empresas eólicas están utilizando la Inteligencia Artificial para que la hélice de cada turbina produzca más electricidad por rotación incorporando datos meteorológicos y operacionales en tiempo real. En grandes parques eólicos, las hélices de la primera fila crean una estela que disminuye la eficiencia de los que están detrás de ellos. IA habilitará cada hélice individual para determinar la velocidad del viento y la dirección proveniente de otras hélices, y ajustar en consecuencia.

La Inteligencia Artificial también puede mejorar la eficiencia energética. Google utilizó el aprendizaje automático para ayudar a predecir cuándo la energía de sus centros de datos era más demandada. El sistema analizó y predijo cuándo era más probable que los usuarios vieran videos de Youtube consumidores de muchos datos, por ejemplo, y podría optimizar la refrigeración necesaria. Como resultado, Google redujo su uso de energía en un 40 por ciento.

Hacer ciudades más habitables y sostenibles

La Inteligencia Artificial también puede mejorar la eficiencia energética a escala de ciudad incorporando datos de medidores inteligentes e Internet de las cosas (Internet de dispositivos informáticos que están integrados en objetos cotidianos, lo que les permite enviar y recibir datos) para pronosticar la demanda de energía. Además, los sistemas de inteligencia artificial ayudan con la planificación urbana y la preparación para desastres. Una visión para una ciudad sostenible es crear un «tablero urbano» que consista en datos en tiempo real sobre el consumo y la disponibilidad de energía y agua, el tráfico y el clima para hacer que las ciudades sean más eficientes y habitables.

La IA puede pronosticar la contaminación del aire, rastrear las fuentes de contaminación y generar posibles estrategias para reducirlo. Puede determinar si, por ejemplo, sería más efectivo restringir el número de controladores o cerrar ciertas plantas de energía para reducir la contaminación en un área particular.

Una agricultura inteligente

Los datos de los sensores en el campo que monitorean la humedad del cultivo, la composición del suelo y la temperatura ayudan a la IA a mejorar la producción y a saber cuándo los cultivos necesitan riego. La incorporación de esta información con la de los drones, que también se utilizan para controlar las condiciones, puede ayudar a que los sistemas de IA cada vez más automáticos conozcan los mejores momentos para plantar, pulverizar y cosechar cultivos, y cuándo evitar enfermedades y otros problemas. Esto dará como resultado una mayor eficiencia, mayores rendimientos y un menor uso de agua, fertilizantes y pesticidas.

Un transporte más sostenible e inteligente

A medida que los vehículos se puedan comunicar entre sí y con la infraestructura, la inteligencia artificial ayudará a los conductores a evitar los peligros y atascos de tráfico. En algunas ciudades se han implantado sistemas de inteligencia artificial que incorporan sensores y cámaras que monitorizan el flujo del tráfico ajustándose a los semáforos cuando es necesario. Menos tiempo de inactividad, por supuesto, significa menos emisiones de gases de efecto invernadero.

La IA tiene muchos otros usos

La Inteligencia Artificial puede monitorear la calidad del agua potable, gestionar el uso de agua residencial, detectar fugas subterráneas en los sistemas de suministro de agua potable y predecir cuándo las plantas de agua necesitan mantenimiento. También puede simular eventos climáticos y desastres naturales para encontrar vulnerabilidades en la planificación de desastres, determinar qué estrategias para la respuesta a desastres son más efectivas y proporcionar coordinación de respuesta en caso de desastres en tiempo real.

Industria 4.0 e Internet of Things (IoT) son sinónimos de dispositivos conectados que permiten al propietario obtener más eficiencia y productividad de sus equipos. La capacidad de regular los interruptores de luz en un hogar con un comando de voz, camisetas que reconocen el ritmo cardíaco mientras se hace ejercicio, utilizar tecnología inteligente en su nevera para saber cuándo necesita más leche o ajustar su HVAC remotamente utilizando un termostato inteligente. Cada una de estas soluciones ofrece un camino claro para aumentar su productividad y ahorrarle dinero.

El mundo de IoT en la fabricación, a menudo llamado IIoT (Industrial Internet of Things) no es diferente. Los sensores inteligentes, la tecnología de control y la capacidad de interactuar en tiempo real crean una utilización más eficiente y efectiva de los equipos y los procesos de producción.

Cuando hablamos de IoT en la industria debemos de considerar todas las herramientas necesarias para una operación de fabricación: Seguridad, Solución, Sustentabilidad y Éxito.
La seguridad es una oferta clave en una solución de IoT. El hardware de IoT industrializado ofrece múltiples ventajas a la organización de TI mediante la microsegmentación de una celda de máquina con todos los equipos acompañados, ofreciendo firewall, traducción de direcciones IP y encriptación de 256 bits a una verdadera nube privada segura en la red troncal de Internet. Los métodos de seguridad que dependen de contraseñas cambiantes, una infraestructura de TI sólida con servidores en el sitio y desarrollo, aumentan la carga de trabajo de un departamento de TI ya sobrecargado. Además, aquellos que no requieren la separación de redes de máquinas y archivos de red de la compañía crean rutas adicionales para problemas de seguridad. Las soluciones de IoT deberían permitir la conexión directa al equipo a través de una conexión siempre conectada.

Los beneficios y desafíos más importantes de IoT industrial

Los sectores que más se benefician de las soluciones de IoT industrial incluyen en la actualidad la fabricación, la asistencia sanitaria, la producción de energía, la logística y el transporte, el petróleo y el gas, y la agricultura.

Las soluciones industriales de IoT permiten una forma más eficiente, económica y fácil de mantener los procesos.

Actualmente, la mayoría de las empresas adoptan un modus operandi muy simple: si algo se rompe, lo arreglan. El uso de sensores inteligentes y el software adecuado, sin embargo, permitirá la predicción correcta de fallas futuras. El equipo se puede reemplazar y mantener de una manera mucho más efectiva, reduciendo el riesgo de averías y procesos industriales que se detienen.

• Administración de instalaciones: Los sensores pueden usarse para aumentar la efectividad de la administración de las instalaciones. El equipo de fabricación es propenso al desgaste. También es susceptible a condiciones específicas. Los sensores pueden monitorizar la temperatura, las vibraciones y otros factores que podrían llevar a condiciones de operación menos que óptimas.
• Gestión de inventario: las soluciones de IoT también pueden ser muy beneficiosas a la hora de reducir el riesgo de errores de gestión de inventario. Los eventos serán fáciles de monitorizar en toda la cadena de suministro, ofreciendo a las compañías una visión completa del inventario. Las estimaciones de los materiales y suministros disponibles son precisas, lo que evita ralentizaciones.

• Seguridad industrial: El Internet de las Cosas se combina de manera efectiva con el análisis de Big Data. Por lo tanto, se pueden monitorizar constantemente los indicadores de rendimiento clave de salud y seguridad para garantizar mejores condiciones en el lugar de trabajo. Los indicadores retrospectivos como el número de accidentes se pueden abordar de inmediato.
• Optimización de la logística y la cadena de suministro: la información de la cadena de suministro en tiempo real también estará disponible a través de la dependencia de una solución de IoT. Los productos y suministros serán mucho más fáciles de rastrear, identificando ralentizaciones e ineficiencias. En cierto sentido, las plantas se conectarán a los proveedores a través de la nube. Todas las partes interesadas pueden rastrear la información requerida para predecir problemas y abordar las reducciones de inventario lo más rápido posible.
• Medición inteligente: los medidores inteligentes pueden monitorizar el consumo de recursos como electricidad, agua, combustibles, etc. Mediante el uso de sensores IoT, los fabricantes sabrán cuánto se consume y para qué. A través de una gestión eficaz, el gasto operativo se puede reducir significativamente.

IoT permite acumular conocimiento predictivo relevante. El costo del tiempo de inactividad en el mundo industrial puede ser abrumador. El tiempo de inactividad no planificado le está costando a las empresas industriales grandes cantidades de dinero por hora.

El IoT industrial facilita la identificación de problemas y condiciones antes de que estos puedan contribuir a paradas masivas en el proceso industrial.

El futuro del internet industrial de las cosas

En el futuro, los expertos sugieren que IoT industrial prosperará aún más los niveles de producción y se convertirá en la fuerza impulsora detrás de varios tipos de innovación. La fuerza de trabajo en sí misma también se transformará como parte del extenso proceso de automatización.

Si bien aún habrá que superar una serie de desafíos de adopción, el análisis predictivo sugiere que el mundo tendrá 50 mil millones de dispositivos conectados para 2020. Sería una pena que una red tan masiva no se utilizara en los intentos de mejorar los procesos industriales. Recuerde que IoT industrial no se trata del desarrollo inteligente de productos. Más bien, ayudará a un mayor nivel de eficiencia y a intervenciones más predictivas que reaccionarias, un problema principal en el que las industrias de todo el mundo están luchando hoy en día.