introducción electronica

La fórmula para recopilar efectivamente datos del IoT

Hoy te presentamos la fórmula para recopilar efectivamente datos del IoT, ya que cada vez son más las fábricas que implementan tecnologías en sus procesos. Por lo que una buena contextualización de los datos es clave para mejorar la eficiencia operativa. Los datos de IoT están impulsando iniciativas empresariales digitales como la mejora de la eficiencia operativa de los activos físicos en la fabricación. Los CIOs de fabricación deben maximizar el valor de los datos de IoT etiquetándolos e integrándolos con los datos de fabricación para habilitar las fábricas inteligentes.

Visión general

Impactos

  • Los datos del Internet de las Cosas (IoT) no se utilizan plenamente porque el volumen generado por los activos físicos, como las bombas de calor, los controladores y los actuadores, dificulta el aprovechamiento de las perspectivas de impacto.
  • A menudo, los datos del IoT no se fusionan con otros datos de fabricación, como la información del MES, las bases de datos históricas, el SCADA y el ERP. Sin este contexto, los datos de IoT generarán resultados inexactos e incompletos, lo que conducirá a una mala toma de decisiones y, en última instancia, a la pérdida de beneficios.
  • Los responsables de la toma de decisiones en el ámbito de la fabricación tienen dificultades para entender los datos debido a la mala estructura o al proceso de visualización de los mismos.

Recomendaciones

Los CIOs centrados en la transformación digital de la fabricación y la innovación que están impulsando la iniciativa de la fábrica inteligente deberían:
  • Implementar un motor de recopilación de datos que etiquetará los datos de IoT contextualizándolos en niveles de datos calientes, cálidos o fríos.
  • Establecer un lago de datos que combine tanto los datos de IoT calientes, templados y fríos contextualizados como los datos de producción de fabricación según los requisitos del esquema de datos.
  • Definir el tipo de información empresarial que necesita cada responsable de la toma de decisiones críticas mediante la auditoría de los cuadros de mando existentes y la evaluación del tipo de visualizaciones de datos que necesitan.

Supuesto de planificación estratégica

  • Para el año 2025, el 55% de los fabricantes globales implementarán un data lake habilitado para IoT que proporcionará a los líderes empresariales perspectivas empresariales precisas, frente al 25% actual.

Introducción

Los datos de IoT están permitiendo la iniciativa de la fábrica inteligente al mejorar la eficiencia operativa de los activos físicos, mejorar la experiencia del cliente y crear nuevas oportunidades de ingresos. Durante casi una década, los fabricantes han estado modernizando sus procesos de fabricación con software y tecnologías de IoT. En la Encuesta de Tendencias de Implementación de IoT de Gartner de 2020,1 el 26% de los fabricantes indicaron que han desplegado IoT en entornos de producción a gran escala. Sin embargo, la velocidad y el volumen de los datos de IoT también amenazan con desbordar la infraestructura de fabricación y los procesos empresariales de estas organizaciones, así como las competencias de su personal (véase la nota 1). La ausencia de un data lake habilitado para IoT, la bifurcación de IoT y los datos de fabricación provocarán un aumento de los gastos operativos, vulnerabilidades de seguridad y una mala calidad de los datos. Mediante la introducción de nuevos datos de IoT en tiempo real, los CIOs de fabricación y los líderes de TI permitirán a los responsables de la toma de decisiones clave comprender íntimamente cómo funcionan los activos de fabricación. Sin embargo, si no cuentan con un lago de datos completo, todos los demás proyectos de modernización para mejorar los procesos y la automatización serán inútiles. Si no se curan adecuadamente los datos del IoT con otros datos de fabricación, se obtendrán conocimientos incompletos e imprecisos. Para evitar este posible problema, deben implementar un sólido lago de datos habilitado para IoT en el que se puedan recopilar, contextualizar y visualizar tanto los datos de IoT como los de fabricación.

Pasos para convertir los datos en información útil

gráfico de pasos para convertir datos en informaciónImpactos y recomendaciones

Los datos de IoT no se aprovechan plenamente porque el volumen que generan los activos físicos dificulta la generación y el resumen de perspectivas impactantes. A medida que las inversiones en IoT se materializan por completo en la planta de fabricación, se empiezan a recopilar nuevos flujos de datos. Estos flujos de datos de IoT son abundantes por naturaleza y están crudos, sin filtrar, repetitivos y sin curar. Todos los datos de IoT son telemétricos, y los datos tienen un bajo nivel de contextualización. Cuando los datos IoT se adquieren por primera vez en su forma bruta, se etiquetan inmediatamente como "calientes". Sin embargo, a medida que los datos del IoT se procesan con el tiempo, se añade un mayor nivel de contextualización con la mezcla de datos de fabricación. A medida que pasan por el embudo de contextualización, los datos de IoT revelarán el nivel de utilización y la relevancia para el papel de cada responsable de la fabricación.
  • La adquisición se refiere a los datos brutos de los puntos finales procedentes de los sensores. Los datos brutos de los puntos finales que fluyen a través de una arquitectura de IoT suelen ser de gran volumen, velocidad y variedad. En el punto de agregación, los datos de IoT se etiquetan como "calientes".
  • La contextualización se refiere a la mezcla de datos de fabricación. Las funciones de contextualización pueden ir desde las más simples (por ejemplo, el filtrado) hasta las más sofisticadas (por ejemplo, la clasificación). Los datos de fabricación se mezclan con los datos del IoT, y los datos se etiquetan como cálidos (simplistas) o fríos (sofisticados).
  • Visualizar se refiere a la visualización descriptiva, predictiva y prescriptiva de los datos curados de fabricación e IoT como subproducto de todo el proceso de contextualización.
El modelo está diseñado de manera que los hot data tienen muy poca contextualización y los conocimientos que se producen a partir de los hot data son específicos para caso de uso, mientras que los datos fríos requieren datos de fabricación y tienen varios casos de uso empresarial. Por ejemplo, los hot data podrían representarse como datos de telemetría de series temporales que pueden desencadenar un apagado automático si la máquina alcanza su umbral designado de sobrecalentamiento. Los datos en frío podrían contabilizar el tiempo de inactividad de varias máquinas en la fábrica y crear información sobre por qué y con qué frecuencia las máquinas necesitan ser reparadas o mantenidas para evitar futuros tiempos de inactividad no programados.
 
Ver esta publicación en Instagram
 

Una publicación compartida por Codigo IoT (@codigoiot)

Recomendaciones:

  • Organizar un plan de alineación de la "transformación digital" que conste de sistemas de IoT/TI/OT para determinar de qué activo de fabricación se deben empezar a integrar los datos (véase el análisis de la encuesta: alineación e integración de TI/OT).
  • Cuando ingiera datos de IoT, clasifique los datos calientes en su categoría adecuada (por ejemplo, telemetría, eventos o series temporales) y etiquete los datos de IoT contextualizados como calientes o fríos según los requisitos del esquema de datos.

Añadir los datos de fabricación de las bases de datos MES, Historian, ERP y SCADA a los datos IoT generará resultados más precisos y completos

Las empresas de fabricación llevan mucho tiempo agregando, almacenando y utilizando los datos de fabricación y financieros en un repositorio o almacén de datos. Sin embargo, lo que hace que un lago de datos habilitado para IoT sea diferente es la naturaleza en tiempo real de cómo se ingieren y curan los datos de IoT con los datos de fabricación. El concepto de lago de datos se considera un concepto innovador debido a la capacidad de curar los datos de IoT y de fabricación. Un esquema de datos es el lugar donde se pueden aplicar las reglas de negocio para asignar los datos de IoT a los datos de fabricación designados. El esquema de datos actúa como un marco de trabajo de cómo se utilizan los datos contextualizados y no contextualizados. gráfico de esquema de datos Los CIO y los líderes de TI del sector manufacturero deben empezar por comprender cuáles son los resultados empresariales objetivo de cada función/persona. Deben entender qué problemas operativos constantes experimenta cada función/persona y determinar cómo los datos de IoT contextualizados pueden resolver mejor sus problemas, como se indica en la última columna de la Tabla 1. Cada caso de uso determinará cómo se aprovechan los datos de IoT en cada nivel. Por ejemplo, los responsables de operaciones y equipos pueden experimentar paradas constantes de su maquinaria de fabricación. Esta parada puede deberse a una de varias razones, como la sobrecarga de la máquina durante la época de máxima producción o la sobrecarga de la máquina más allá de sus límites especificados. Los datos "calientes" de IoT que se transmiten desde el sensor son datos de series temporales que se utilizan como métricas de supervisión basadas en el estado. A medida que los datos del IoT pasan por su proceso de contextualización dentro del lago de datos habilitado para el IoT, se convierten en datos muy valorados por diferentes roles/personas para seguir solucionando el apagado involuntario de la maquinaria en la fábrica. Es imperativo que los CIOs de fabricación o los líderes de TI mapeen adecuadamente los datos de IoT con los datos de fabricación apropiados (MES, MoM, APM, EAM o ERP) para proporcionar de la mejor manera los conocimientos requeridos por cada tomador de decisiones específico.

Recomendaciones:

  • Identificar los casos de uso comunes requeridos por cada responsable de la toma de decisiones clave y asignar el tipo de datos de IoT necesarios a cada caso de uso. A continuación, desarrolle un marco de esquema de datos antes de construir un lago de datos habilitado para IoT.
  • Desarrollar un sólido lago de datos habilitado para IoT, ya sea construyéndolo internamente o asociándose con un integrador de IoT que garantice que los datos de producción de IoT y de fabricación puedan contextualizarse adecuadamente.

Los responsables de la toma de decisiones en el sector manufacturero tienen dificultades para entender los datos debido a la mala estructura o al proceso de presentación de los mismos

El paso final de presentar adecuadamente los datos de IoT recién curados en una forma visualmente interesante y valorada ha sido problemático para la TI de fabricación. Varios fabricantes invierten mucho en la ingesta de datos de IoT, la integración de los datos de IoT con los datos de fabricación y la mejora de la calidad de los datos (los datos son precisos y verdaderos). Sin embargo, muchos fabricantes fallan cuando se trata de crear datos visualizados que muestren de manera única la interconectividad de los datos relevantes que muestran la verdadera causa raíz del problema. Tradicionalmente, los cuadros de mando de fabricación han sido estáticos o se han centrado de forma miope en uno o dos elementos de datos que muestran las tendencias pero no cuentan toda la historia. Con el método avanzado de mezcla de datos de fabricación en un lago de datos habilitado para IoT, los líderes de CIO o TI de fabricación tienen la oportunidad de mostrar los datos de una manera más comprensible. Sin embargo, para presentar eficazmente los datos con perspectivas de alto valor, la analítica debe ser inteligente a fin de fusionar una visión completa del rendimiento de las operaciones de fabricación sin ninguna intervención de un científico de datos (véase la figura 3). gráfico de conglomeración de datos La figura 3 muestra cinco vistas de los datos de las series temporales del IoT de fabricación, pero con cinco perspectivas diferentes sobre los datos en función de la sofisticación de la IA integrada en el análisis del IoT. El responsable de la toma de decisiones de fabricación (líder de operaciones, de fabricación o de la C-suite) puede determinar las razones por las que una máquina de fabricación específica está experimentando anomalías durante su funcionamiento. Con la integración de los datos de IoT, el lago de datos habilitado para IoT puede determinar si hubo una reparación importante en la pieza de maquinaria de fabricación durante la anomalía de los datos. Los CIOs de fabricación y los líderes de TI deben trabajar con cada líder de departamento y construir una biblioteca basada en reglas de las métricas que cada tomador de decisiones requiere. La creación de una matriz de este tipo (véase la Tabla 2) impulsará la determinación de qué tipo de datos del IoT son necesarios para cada líder funcional.

Recomendaciones:

  • Colaborar con cada líder de departamento para construir la biblioteca de informes basada en reglas de las métricas que cada tomador de decisiones requiere.
  • Trazar el tipo de KPI y los datos que necesita cada responsable de la toma de decisiones.
  • Proporcionar sugerencias de gráficos de visualización de datos potenciales para estimular la colaboración, y crear una matriz como la que se muestra en la Tabla 2.
  • Auditar el tipo de métricas, informes y presentaciones clave que consume cada responsable de la toma de decisiones del departamento y, a continuación, desarrollar un plan de acción para poner fin a cualquier presentación de datos y/o KPI conflictivos.

Evidencia

Los resultados presentados se basan en la Encuesta de Tendencias de Implementación de IoT de Gartner de 2020, diseñada para ayudar a las empresas que implementan IoT a comprender mejor el uso, el impacto y el ROI de IoT, los gemelos digitales, la IA y otras innovaciones de TI en el futuro de las aplicaciones. La investigación primaria se llevó a cabo en línea desde junio de 2020 hasta julio de 2020 entre 402 encuestados de Norteamérica, EMEA y APAC. Las empresas fueron seleccionadas por tener ingresos anuales inferiores a 100 millones de dólares. También se requería que hubieran completado, o tuvieran previsto completar, el despliegue de al menos un caso de uso o proyecto de IoT para el año 21. Los encuestados debían tener un cargo directivo o superior y debían tener una participación y responsabilidad principal en la toma de decisiones en la implantación de IoT. El estudio fue desarrollado en colaboración por los analistas de Gartner y el equipo de investigación primaria. Descargo de responsabilidad: Los resultados de este estudio no representan al mercado en su conjunto, sino que son una simple media de los resultados de los segmentos de países, sectores y tamaños de empresa cubiertos por esta encuesta."

Nota 1: El efecto de red de los datos de IoT está relacionado con el crecimiento de los dispositivos de IoT y los activos de fabricación

El valor empresarial de IoT tiene que ver con los datos, concretamente con la extracción y explotación del valor empresarial de los enormes volúmenes de información generados por el gran número de sensores y dispositivos desplegados hoy en día. Se espera que este número crezca exponencialmente en los próximos años. Gartner prevé que en 2022 se adquirirán 12 millones de dispositivos de punto final de IoT cada día. Este valor crecerá exponencialmente dado el "efecto red", es decir, el concepto de que el valor de la información crece exponencialmente en relación con el número de conexiones o usuarios involucrados. La Ley de Metcalfe establece que este crecimiento del valor puede expresarse mediante la fórmula n (n-1)/2. En esta fórmula, n puede ser el número de dispositivos IoT en la red. Gartner postula que el IoT crea este efecto de red para los datos y la analítica. El crecimiento de los datos crea economías de escala del lado de la demanda: Cuantos más dispositivos tengamos, más conexiones de esos dispositivos crecerán exponencialmente, aumentando así el valor y el volumen (V + V) de los datos y los análisis.

Crecimiento de los datos y analítica V+V impulsados por el IoT

gráfico del crecimiento de data

Nota 2: Definiciones de datos calientes, cálidos y fríos

  • Hot data son datos de telemetría térmica basados en la condición que una plataforma de análisis de dispositivos consume para ayudar mejor al líder operativo a hacer su trabajo. Un caso de uso común sería la supervisión de una perforadora de producción que alcanza el umbral de sobrecalentamiento. Cuando el taladro alcanza los umbrales de sobrecalentamiento, el sistema de control SCADA reacciona instintivamente apagando el taladro tanto para prevenir más daños como para evitar futuras paradas de producción. Esta parada automática notificará al responsable funcional que, o bien la broca está defectuosa, o bien el material sobre el que está perforando es extraño y debe ser investigado. Los datos en caliente tienen un bajo nivel de contextualización debido a la naturaleza bruta de los datos en caliente que están más cerca de las cosas de fabricación para que la aplicación de mantenimiento basado en la condición del dispositivo (CBM) tome una decisión rápida sobre la tarea.
  • Los datos en caliente suelen ser datos históricos procedentes de una base de datos histórica, un MES o un SPC y una aplicación de mantenimiento predictivo. Los datos históricos con sello de tiempo pueden tener algoritmos analíticos avanzados incrustados en el procesamiento para añadir un mayor grado de contextualización. Un ejemplo es un líder de la cadena de suministro que necesita entender cuál es el rendimiento de la producción de la planta durante un período de tiempo para que el cliente final pueda ser informado de la fecha exacta de entrega. El algoritmo de análisis avanzado, combinado con los datos históricos, tendrá en cuenta cualquier interrupción o posible parada de la planta para que el responsable de la cadena de suministro pueda establecer unas expectativas de entrega realistas. Los datos en caliente suelen estar semicontextualizados debido a que los datos con sello de tiempo no son en tiempo real. Sin embargo, la mezcla de datos calientes con los datos de otros sistemas operativos, como un MES, aportará una contextualización semilibre a los datos.
  • Los datos fríos son datos por lotes mezclados con datos archivados, de inteligencia empresarial y de operaciones. Los datos fríos tienen un alto grado de complejidad cuando se trata de mezclar los datos para obtener información. Los datos fríos son relevantes para los líderes de nivel C que necesitan que los datos se mezclen con otros datos relevantes procedentes de los sistemas operativos de fabricación fragmentados y en silos para contextualizar adecuadamente los datos en una visión. Los datos de los sistemas operativos fragmentados pueden ser datos financieros, de calidad o de planificación de recursos. Los datos del IoT por lotes mezclados con una variedad de datos de sistemas operativos fragmentados pueden dar a los líderes de la C-suite una visión holística de la salud general de las plantas del fabricante en diferentes territorios para que se puedan tomar decisiones en toda la empresa.

Nota 3: Modelo de infraestructura de datos y análisis - Almacén frente a lago

La figura 5 ilustra el almacén frente al lago en el modelo de infraestructura de datos y análisis.
gráfico de la infraestructura de datos
Por: Scot Kim Texto recuperado el 14 de junio del 2022 de gartner.com

Entendiendo la Industria 4.0 y su contexto en México

¿Qué es la Revolución Industrial 4.0?

La cuarta revolución industrial, también llamada Industria 4.0, se refiere al  a la nueva evolución de la industria de manufactura. Si consideramos que la primera revolución industrial inicia con el telar mecánico y llega hasta la automatización (en gran medida con Controladores Lógicos Programables "PLCs"), la cuarta revolución se dirige al desarrollo de los Sistemas Inteligentes de Manufactura.

La cuarta revolución industrial se gesta dentro de la ola de la sociedad de la información y la economía del conocimiento. Cobra vida gracias al advenimiento de ciertas tecnologías y modelos de transferencia de conocimiento, principalmente de fuentes abiertas, que permiten la creación de ecosistemas de innovación acelerada, en gran medida de bajo costo, y que impactan directamente a la industria de transformación, y a la de tecnologías de información.

El movimiento de la cuarta revolución industrial es un concepto que también se identifica como Industrial Internet, Industria inteligente, Fabricas del futuro, Sistemas Inteligentes de Manufactura, Industria digital, entre otros.

¿Qué tecnologías representan Cuarta Revolución Industrial ?

Una tendencia de la visión de Industria 4.0 es la inter-conexión entre máquinas y sistemas de información de la línea de producción de una empresa, como con maquinas del exterior, creando fluidos de información en diferentes vías como (cliente - linea de producción - proveeduría -competidores).

Las tecnologías más representativas que detonan a la Industria 4.0 son Internet de las cosas, cloud computing, ciberseguridad, sensores digitales, impresión 3d, nanotecnología, vehículos autónomos, manufactura aditiva, producción en masa a la medida, energía verde, en síntesis, sistemas ciber-físicos de producción.

[rev_slider alias="cursoiot2"]

¿Cómo se transformará la vida industrial en México y el mundo en los próximos cinco años, gracias a I.4.0?

Industria 4.0 es un cambio de paradigma global, el cual brinda grandes oportunidades económicas para la industria de un país. Las industrias que se suban a este gran movimiento tendrán mayores posibilidades de sumarse a las cadenas globales de valor, que hoy por hoy demandan innovación y tecnología en los procesos productivos de las empresas que los integran.

Como ejemplo, podremos ver empresas que brindan a sus clientes el seguimiento de la producción a la medida desde un App, sensores conectados a la linea de producción que miden en tiempo real y a distancia lo que sucede en dicha línea, procesos de producción que se auto corrigen con base en lo que se esta censando en el momento (eliminación de fallas y mermas), inventarios de proveedores conectados con requerimientos de producción bajo demanda del cliente en tiempo real, piezas u objetos que en si mismos portan información sobre su estado en la línea de producción, así como la trazabilidad de dicho producto, por mencionar algunos.

Industria 4.0 es un cambio de paradigma global, el cual brinda grandes oportunidades económicas para la industria de un país. Las industrias que se suban a este gran movimiento tendrán mayores posibilidades de sumarse a las cadenas globales de valor, que hoy por hoy demandan innovación y tecnología en los procesos productivos de las empresas que los integran.

Como ejemplo, podremos ver empresas que brindan a sus clientes el seguimiento de la producción a la medida desde un App, sensores conectados a la linea de producción que miden en tiempo real y a distancia lo que sucede en dicha línea, procesos de producción que se auto corrigen con base en lo que se esta censando en el momento (eliminación de fallas y mermas), inventarios de proveedores conectados con requerimientos de producción bajo demanda del cliente en tiempo real, piezas u objetos que en si mismos portan información sobre su estado en la línea de producción, así como la trazabilidad de dicho producto, por mencionar algunos.

¿Qué necesitan las pymes y las grandes empresas para enfrentar estos cambios, adaptarse a ellos e integrarse a la nueva industria? ¿Qué oportunidades y retos habrá para ellas?

Las empresas grandes cada vez son más competitivas acelerando la velocidad gracias a su accionar como industrias de manufactura inteligente. En el sentido opuesto, las empresas Pymes corren el riesgo de perder competitividad en el corto y mediano plazo. El tiempo es un factor clave en la aceleración de innovación en las Pymes industriales de nuestro país y su inserción de Industria 4.0;

La transformación de las competencias de la industria dependerá de los esfuerzos que realicemos desde la visión de triple hélice. Las empresas transnacionales ya lo están haciendo, el reto esta en las empresas de la industria nacional, en su mayoría Pymes. El nivel de vinculación Industria-Academia para generar innovación y desarrollo es clave, sin embargo, la visión de la política pública al respecto es un componente que puede hacer la diferencia para el corto y mediano plazo en la industria nacional. Sin lugar a dudas, las Pymes requieren del impulso asertivo desde las instituciones públicas para entrar en el mundo de Industria 4.0, en caso contrario, el riesgo es la pérdida de mercado como consecuencia de la baja competitividad de estas.

En cuanto a mercado, es de suma importancia mitigar el riesgo de desatender el mercado interno y la no inserción de la industria nacional en las cadenas de mayor valor; de ser así, con respecto a la industria de tecnologías de información, se abre un escenario rico para crear habilitadores que den mayor eficiencia y competitividad con innovación para atender el mercado global y por ende, el interno.

Hasta ahora se había visto que las revoluciones pasadas no habían llegado a todos los sectores de la industria en el mundo. Con esta nueva revolución, ¿qué sectores se verán afectados y cómo se verán afectados?

Esta revolución es un cambio de paradigma global que tocará casi a todos los sectores industriales existentes. Encontramos nuevos modelos de negocio así como tecnologías, desde el sector médico, el automotriz y aeronáutico, hasta la resolución de problemáticas sociales con Industria Agro-alimentaria.

¿Cómo cambiarán los modelos de producción?

El gran reto que puede ser abordado con Industria 4.0 es la evolución de los modelos de producción de la industria de manufactura actual a sistemas flexibles, cambiando el paradigma de sistemas jerárquicos dirigidos por los grandes manufactureros de equipo original (driver-OEM) generadores de riqueza para oligopsonios, por no jerárquicos (driver-Industria) generadores de riqueza en la industria nacional.
La riqueza que generará la Industria 4.0 se centrará, como base, en la innovación y los servicios para generar alto valor en la cadena, muy por encima de la manufactura de bienes estandarizados (commodities).

En otro sentido, el ecosistema de Industria 4.0 generará tendencia a modelos productivos centrados en el cliente. Estos modelos van desde ideologías como “Hágalo usted mismo”, hasta modelos tipo “Prosumer” en donde los clientes o consumidores en algún momento del proceso toman el rol de productores.

¿Cómo afectará esta revolución al empleo en México? ¿Cómo tendrán que prepararse la mano de obra, los técnicos y los profesionales para poderse emplear en este tipo de industrias y tecnologías? ¿Qué tendrá que hacer el país en este ámbito para evitar un desempleo masivo?

Una de las perspectivas que se ha abordado en los foros mundiales de Industria 4.0 es la forma en que evolucionará el rol del ser humano en las fábricas inteligentes y en el entorno de la automatización de la industria. Cada vez más los empleos de tipo “mente-factura” serán requeridos, lo anterior conlleva a uno de los retos más importantes a superar: las competencias del individuo, la capacitación y la transferencia de conocimiento en el nuevo entorno económico-industrial. Esta revolución no es una sustitución de seres humanos por maquinas. Es una revolución que implica una gran variedad de áreas de conocimiento que están en constante cambio. Desde mi perspectiva, aquellas empresas que inicien su proceso de evolución, la única forma exitosa de hacerlo es junto con sus colaboradores y empleados. El desempleo se dará como consecuencia de la perdida de competitividad de las empresas que no evolucionen.

¿Cómo afectará esta industria a la educación en México y el mundo? ¿Cómo se capacitará a las nuevas generaciones?

Esta revolución implica que para el bien del país, la industria y la academia debemos colaborar muy de cerca. Los modelos de educación dual serán un pilar valioso para la vinculación, sin embargo, no es suficiente. El sector educativo debe generar planes de estudio en función de la proyectiva tecnológica, así como de las necesidades industriales y de mercado. Dichos modelos deben ser sumamente dinámicos y que generen innovación aplicada y transferida de forma eficaz a la industria.

¿Cómo se verá afectada la economía de México y del mundo con esta nueva revolución?

Esta revolución es parte de la revolución de la economía del conocimiento, en ese sentido es como nos beneficiaremos o no. Los principales obstáculos para la industria son la falta de vinculación con la academia, los centros de investigación y desarrollo, y el gobierno, así como el desconocimiento de las posibilidades que brinda el ecosistema de industria 4.0 en las empresas. El costo-país de no entrar a industria 4.0 es la baja atracción para la inversión de capital. El reto es invertir la ecuación anterior.

¿Habrá oportunidades para México, no sólo en la producción, sino también en la innovación?

Si, en definitiva, esta revolución esta iniciando, y la oportunidad es para todos. La pregunta es ¿qué tan rápido nos subiremos como país?, ¿con qué políticas y programas el gobierno instrumentará la estrategia y como apoyará a la industria?. Actualmente existen programas de I+D de instituciones como Conacyt y Secretaría de Economía que pueden ser habilitadores de Industria 4.0, sin embargo, otras instancias como SAGARPA, SCT y SENER también podrían habilitar programas para cubrir sus objetivos con esta visión de innovación pragmática.

Las revoluciones industriales anteriores se han caracterizado por depender de los combustibles fósiles. Con esta nueva revolución, ¿cómo podríamos lograr un uso eficiente de los recursos naturales, sin necesidad de sobreexplotarlos?

La energía verde y la auto-sustentabilidad son pilares de la visión del ecosistema de Industria 4.0. Cuando hablamos de Internet of Everything no podemos dejar de pensar en la energía que ocupa cualquier dispositivo, desde un sensor, hasta los servidores en la nube que no pueden ser desconectados ni una fracción de segundo. Hablamos de almacenamiento, costos y eficiencia energética, y por supuesto en los impactos que tiene el medio ambiente. El futuro y la industria estarán cada vez más vinculados a la visión verde de nuestro planeta.

 

Mtro. Nahim de Anda M.
@nahim1 

La revolución del Internet de las Cosas

Una revolución supone el cambio total -y a veces brutal- de los procesos tal como los conocemos. Ya sea desde un aspecto social, industrial o tecnológico, una revolución suele ponernos en jaque hasta que nos adaptamos a los cambios y comenzamos a visualizar el lado bueno de las cosas. ¿Pasa lo mismo con el Internet de las Cosas? El Internet de las Cosas (Internet of Things, en inglés) se refiere a la interconexión digital de objetos cotidianos con Internet. Desde su surgimiento hasta su popular implementación, el IoT ha disparado billones de datos que hoy son una gran herramienta para las empresas, aunque claro que esto implica múltiples riesgos, sobre todo de seguridad, en donde las amenazas incluyen el acceso no autorizado y el uso indebido de la información personal. Y es que el rápido crecimiento del IoT ha hecho que integradores, desarrolladores de software y fabricantes de hardware se olviden, en ocasiones, de un elemento primordial: la seguridad y la privacidad de los datos. El IoT, que nació en 1999 en el centro de Auto-ID del Instituto Tecnológico de Massachusetts (MIT), estaría conectando a casi 26 billones de dispositivos para 2020, según pronostica Gartner. ABI Research estima por su parte que serán más de 30 billones de dispositivos. De lograrse esas cifras, la cantidad de información que se generará representa un verdadero reto, sobre todo cuando se trate de medir, reunir y analizar estadísticas de comportamiento. Imaginemos nada más todo lo que se podrá conocer a partir de las ciudades inteligentes, por ejemplo. Claro que llegar a ese punto nos tomará tiempo. Ahora mismo, las redes 4G no son capaces de procesar miles de objetos conectados a la red y enviando datos en tiempo real, así como la frecuencia que usarían todos estos dispositivos y que no puede ser la actual, ya que consumen mucha energía.

La era de Internet de las Cosas es real

Combinada con el Big Data, el IoT ayudará a pronosticar mejor el clima, a prevenir y luchar contra distintas enfermedades, reducir el gasto energético y controlar el tránsito urbano, solo por citar algunos beneficios. Además tendrá un rol importante en alertar sobre catástrofes naturales y cooperará con la seguridad pública, la educación, el comercio, la economía y las finanzas. La capacidad de poder analizar toda esta información en altos volúmenes y en tiempo real, abre un espacio de análisis estratégico dentro de las compañías que realmente puede ayudar a tomar decisiones de negocio que cambien la dirección de una empresa o que la pongan un paso adelante en el mercado. En la actualidad, las compañías en Latinoamérica ya consideran a los datos como un activo con gran necesidad de gestión, aunque siguen trabajando en el proceso de transformarlos en decisiones valiosas que representen un retorno de inversión. El IoT, desde esta perspectiva, está destinado a ser más revolucionario para las empresas que lo que alguna vez fue Internet y brinda una oportunidad para empezar a considerar qué nuevos productos y servicios se pueden introducir en los modelos de negocio existentes. Los informes darán sentido a la nueva y enorme masa de datos que el IoT generará… ¿hay en el horizonte una oportunidad más brillante? Los costos del IoT están bajando y los dueños de la mayoría de los negocios no necesitan habilidades tecnológicas para desarrollar una buena estrategia, sin embargo, según Gartner, sólo el 7% de las empresas están dispuestas a adoptar el Internet de las cosas, lo que significa que el 93% está perdiendo su gran oportunidad.  

Los protagonistas del movimiento tecnológico Industria 4.0

Los protagonistas de la nombrada Cuarta Revolución Industrial son sensores, Internet de las Cosas (IoT), Big Data, automatización, Inteligencia Artificial (AI) y otras herramientas digitales que permiten a las máquinas participar y mejorar procesos productivos de las empresas. De acuerdo con la empresa tecnológica Comstor, las características de la Industria 4.0 que permiten beneficiar diferentes negocios son:
  • Interoperabilidad. Operación entre el hombre y la máquina.
  • Virtualización. Conexión entre datos y sensores que enseñan la forma correcta en el que la máquina debe trabajar.
  • Descentralización. El aprendizaje de las máquinas permite que los sistemas tomen sus propias decisiones basadas en repeticiones de patrones y programación de modelos.
  • Capacidad en tiempo real. Con innumerables sensores en todas las máquinas de la cadena productiva, se generan datos que agilizan el proceso en la toma de decisiones por parte de los administradores.
  • Orientación a servicios. Oferta de servicios a través de internet.
  • Modularidad. Flexibilidad de las fábricas inteligentes, que hace posible sustituir o expandir módulos individuales de producción.
Entre las fortalezas de la Industria 4.0 está el aumento de la productividad, la eficiencia y la competitividad global. A demás del crecimiento del número de empleados altamente calificados y mejor pagados. Automatización es la palabra clave entre las compañías que buscan mayor competitividad. Una vez que las industrias son altamente tecnológicas, son capaces de reducir errores de producción, minimizar el desperdicio de materiales y, por medio de la robótica, trabajar sin pausa durante los 365 días del año. Los expertos de Comstor señalan que las oportunidades de este movimiento son el monitoreo de toda la cadena productiva, desde la generación de las primeras piezas de un artículo hasta su llegada al consumidor final. También, posibilita el desarrollo de nuevos mercados para productos y servicios, al igual que incluye a micro y pequeñas empresas como abastecedoras de la cadena de suministros. Por otro lado, dentro de las amenazas y debilidades de la Industria 4.0 se identifican la ciberseguridad, la propiedad intelectual y la privacidad de los datos, además de la sustitución de mano de obra humana y de la vulnerabilidad de las cadenas de valor global. También es considerada como debilidad, la falta de infraestructura tecnológica y la ausencia de líneas de financiamiento para el desarrollo de fábricas inteligentes. Fuente: https://www.itbusiness-solutions.com.mx/industria-4.0-donde-la-productividad-se-optimiza-con-tecnologia

Ubuntu conecta todo destacándose en el IOT y Cloud Computing

Los entornos de servidor y los nuevos campos abiertos en la computación. Con el fin de resaltar los éxitos, Canonical ha publicado en su blog corporativo una infografía de la que se puede destacar dos campos específicos: el IoT y el Cloud Computing. De hecho, lo primero que uno se encuentra es la frase “Ubuntu conecta todo” en inglés, apareciendo debajo imágenes que hacen referencia a servidores, la computación en la nube, computadoras personales y SoC. Entre los éxitos mencionados en la infografía, además de la intención de llevar a Ubuntu 18.04 LTS a empresas, desarrolladores y todo tipo de dispositivos, se muestra su impacto en campos que en los últimos tiempos han tenido un fuerte empuje como la Inteligencia Artificial y el Aprendizaje Profundo. Ubuntu cuenta con una fuerte presencia en los blockchains, cuya trayectoria está estrechamente ligada a las criptodivisas. Los coches autónomos, además de distintos proveedores, también utilizan la distribución de Canonical para funcionar, algo que ya hemos visto implementado por parte de Uber. El 40% de los usuarios de Linux utilizan Ubuntu o Ubuntu Core para sus soluciones IoT, mientras que en el cloud computing se ha contado el lanzamiento de más de 450 millones de instancias de Ubuntu 16.04, 480 millones de instalaciones de Docker, una cuota del 43% de las implementaciones de OpenStack en la nube y 300 millones de lanzamientos en 2017 de Ubuntu a través de nubes públicas, nubes privadas y bare-metal. El soporte para Kubernetes, Azure, AWS y Google Cloud Platform ha podido ser un factor determinante para alcanzar estos números. Ubuntu ha sido elegido para ayudar en las operaciones llevadas a cabo por muchas multinacionales, entre las que se encuentran Netflix, Bloomberg, PayPal, Spotify, AT&T, ebay y Slack. Como ya hemos dicho al principio, ha sido en los servidores y el IoT donde Canonical ha encontrado sus nichos de mercado, por lo que la apuesta de estas compañías por las tecnologías ligadas a Ubuntu termina siendo un fuerte espaldarazo para esta distribución y la empresa que la desarrolla. Si desea consultar la infografía de clic AQUI Fuente: https://blog.ubuntu.com/2018/07/10/infographic-ubuntu-connects-everything