Copyright 2015-2016 Instituto Tecnológico de Informática (ITI). Prohibida la reproducción total o parcial sin permiso del ITI.
Digitalizando la
industria para
aumentar la
Eficiencia y la
Calidad
• Industria 4.0
www.iti.es
Comunicaciones
e Informática
Industrial
Aprendizaje
Automatico
Sistemas de
Optimización
Sistemas
Distribuidos
www.iti.es
@iti_tic iti viewitivideos
ITI - Instituto Tecnológico de Informática
I+D
Big Data
Cloud Computing
Seguridad
Visión Artificial
Reconocimiento de Patrones
Internet de lasCosas
Cyber Physical Systems
Industria4.0
Logistica
Sistemasempotrados
+I
Nuestra I+D+I
Equipos multidisciplinares
Del inglés Internet of Things, se refiere a:
• la inmensa red de objetos que pueblan nuestra vida diaria, (termostatos, lavadoras, cerraduras, bombas de riego, barreras de parking…)
0101 0101 01110101 0101 0111
• que hasta ahora han permanecido “desconectados” y que, gracias a los últimos avances tecnológicos, tendrán la habilidad de conectarse a internet para enviar información y recibirla
Introducción. Qué es IoT
Introducción. ¿Porqué ahora?
Las comunicaciones inalámbricas se han generalizado y están disponibles casi en
cualquier sitio
Se ha minimizado el consumo energético de
los dispositivos, permitiendo a todos
nuestros aparatos trabajar por más tiempo sin preocuparse por la
batería
El coste de producción de sensores y dispositivos de comunicación ha bajado
enormemente (acelerómetros a 800 eur...) y nos permite
ensamblarlos a lavadoras o semáforos sin que
apenas repercuta en el coste final
Hablamos de cosas: coches, juguetes, aviones, lavaplatos, turbinas, collares de perro... ¿cuántas cosas pueden generar datos?
(fuente “The Digital Universe of Opportunities”, IDC, Abril 2014)
Según IDC hablaremos de:
Trillones de sensores
De los “billones” de cosas:
2013: 20.000 Mill. conectados2020: 30.000 Mill. conectados
IoT en números
IoT como fuente de datos
2013: IoT = 2% del total de datos
2020: IoT = 10% del total de datos
El gasto en ICT tradicional subirá aproximadamente un 4%
El crecimiento en gasto relativo a IoT se espera que supere el 12%
(fuente “The Digital Universe of Opportunities”, IDC, Abril 2014)
IoT en números
Introducción. IoT como fuente de negocio
• Empresas cuyo negocio son los datos (aunque no lo supieran cuando la crearon...)
Big DataQué es Big Data
• Empresas cuyo negocio son los datos (aunque no lo supieran cuando la crearon...)
Big DataQué es Big Data
• Big Data no es nada complicado: es una extensión de lo que ya teníamos en el pasado. Aunque ahora le añadimos más Volumen, más Variedad y más Velocidad.
• Telecomunicaciones + Comercio Electrónico + Redes Sociales = muuuchos datos
Big DataQué es Big Data
Fuente: BigData en números. Sajid Abad (Online Business School)
Big Data Analytics: el comienzo
Big Data Analytics
Conocidos los nuevos mecanismos de consulta de datos...
...los estadísticos tardaron poco en ver su potencial
Tecnologías Big Data Machine Learning
• ¿Por dónde empezamos?
• Explorar la información
• Revisar todos nuestros sistemas: ERPs, CRMs, SCM, TPVS..
• Indexar la información
Big DataQué es Big Data
• ¿Por dónde seguimos?
• Dar sentido a la información. Crear corpus de dominios, taxonomías.
• Conservar (traducid vosotros “curate” si podéis...) la información. Limpiarla.
• Dotar a nuestros sistemas de capacidades cognitivas...
Big DataQué es Big Data
• ¿Y después?
• Hay que digerir esa información...
• Preprocesarla, crear nuevos índices, detectar metadatos...
• Dotar a nuestros sistemas de capacidades cognitivas
Big DataQué es Big Data
Copyright 2015-2016 Instituto Tecnológico de Informática (ITI). Prohibida la reproducción total o parcial sin permiso del ITI.
Introducción a la Industria 4.0
• ¿Qué nos lleva hacia esta nueva revolución?
Qué caracteriza a una solución para la industria 4.0
• Los CPS monitorizan procesos físicos, crean una copia digital/virtual del mundo físico y toman decisiones descentralizadas.
• Utilizando IoT, los CPS se identifican de forma unívoca y comunican y cooperan con otros sistemas y humanos en tiempo real.
• Con IoS, se crean y publican servicios tanto internos como externos, que se usarán por todos los participantes de la cadena de valor.
• Gracias a Cloud Computing y Big Data se gestionan, almacenan, procesan y analizan las grandes cantidades de información generadas.
• Las decisiones en base a la información y conocimiento generado se transforman en actuaciones sobre el proceso de negocio.
Principios de diseño para la industria 4.0
• Interoperabilidad: la Industria 4.0 ofrecerá la capacidad de interconexión de todos sus elementos, materiales y humanos, mediante el uso del IoT y sus estándares.
• Virtualización: la fábrica inteligente ha de tener una copia virtual mostrando toda la información de sensores y sistemas, además de modelos de simulación.
• Descentralización: dado que los objetos conectados en las fábricas inteligentes deberán tener capacidades de decisión autónoma.
• Capacidades de tiempo real: mediante la captura de datos, su análisis y su ayuda a la toma de decisiones en tiempo real, mejorando la inteligencia de negocio.
• Orientación al servicio: mediante la capacidad de ofrecer un catálogo de servicios que permita la interacción y creación de nuevas aplicaciones y, por ende, mayor valor añadido.
• Modularidad: con la flexibilidad máxima en la fábrica inteligente para la adición, sustracción o sustitución de cualquiera de sus elementos.
Fuente: Design Principles for Industrie 4.0 Scenarios: A Literature Review. Hermann, Mario; Pentek, Tobias; Otto,
Boris
Ecosistema de la Industria 4.0
• Mantenimiento
• Control de Producción
• Análisis de Procesos
• Logística
• Diseño, Planificación
• Sistemas de Virtualización y Cloud Computing
• Servidores
• CMMS
• EAM• Tecnologías
de alto nivel: Integración, Virtualización, Visualización
Contextos de aplicación
Mantenimiento
Análisis predictivo y
correctivo en base a datos de
comportamiento de máquina
en distintos modos de
operación.
Seguridad
Análisis de uso y localización
de activos para detectar
desviación de uso
Localización de personal
humano y maquinaria móvil
para evitar accidentes
Energía
Análisis de datos de
analizadores de consumo de
red, para predicción de
consumos futuros y
detección temprana de
anomalías
Contextos de aplicación
Stock
Control exhaustivo del stock
y stock intermedio.
Mecanismos que permitan la
trazabilidad del material que
se está produciendo.
Fuera del área de
manufactura
Hay mil áreas más de
aplicación. Desde gestión de
la distribución, a
personalización de los
productos, pasando por
reutilización de productos…
OEE
Monitorización de los datos
de máquina (tiempos da
parada, de trabajo, de
bloqueo…) en tiempo real,
para convertirlos en métricas
de medida de la eficiencia