Fuentes de datos para el IoT industrial
Las máquinas no son las únicas fuentes de datos que abastecen los sistemas de información del IoT industrial. Aparte del conocimiento que se puede llegar a extraer de activos como bombas, motores de turbina y plataformas de perforación, existen otros recursos.
Los datos de procedentes de una máquina no cuentan una historia completa en todos los casos. Sin embargo, si se combina esa información con la procedente de otras fuentes de datos dispares, pueden generarse nuevas ideas y ganar una visión más completa del problema que se está tratando de resolver.
Tipos diferentes de fuentes de datos que pueden usarse para crear aplicaciones de IoT
Los avances en la tecnología de sensores han hecho que la transmisión de datos en tiempo real sea más fácil que nunca. Los sensores de temperatura, flujo, presión y humedad se han convertido en grandes fuentes de datos de IoT industrial. Además de estos recursos, las aplicaciones del IIoT pueden verse mejoradas gracias a la información procedente de:
1. Sistemas de control industrial. IoT hace posible aprovechar los datos almacenados en el sistema SCADA, donde, durante décadas, se ha acumulado información que hoy se puede usar retrospectivamente. Bastaría con aplicar un algoritmo de aprendizaje automático para predecir fallos en el sistema y obtener la perspectiva que hace posible el mantenimiento preventivo. IBM Watson o SAP HANA son algunos de los proveedores que facilitan alcanzar este objetivo. Además de estar preparados para un fallo o problema inminente, algunas soluciones de IoT industrial aprovechan el potencial de las fuentes de datos para impulsar acciones informadas en tiempo real.
2. Aplicaciones de negocio. Los silos de datos siguen siendo muy comunes en las organizaciones industriales. Y, si se tiene acceso a estas fuentes de datos cuando se necesitan es posible contextualizar, ganando, por ejemplo, una mejor comprensión de lo que le sucede al cliente. Con los datos de aplicaciones como el ERP o el CRM se puede mejorar en gran medida la experiencia de consumidores y usuarios. Basta con dar a los técnicos acceso a los datos de CRM para evitar tener que llamar a la oficina para responder las preguntas que hace el cliente. También pueden aprovecharse las ventajas del mantenimiento predictivo con datos de negocio. Cuando el algoritmo de aprendizaje automático predice una falla, se conecta al sistema y verifica la garantía, de este modo se reducen costes ya que, en vez de enviar un equipo de mantenimiento, se puede comunicar con el fabricante para solucionar el problema.
3. Wearables. Los datos de relojes inteligentes y rastreadores de actividad física no son tan útiles como los datos de la máquina para IoT. Pero hay una nueva generación de wearables industriales que puede marcar la diferencia. Estas fuentes de datos son las que consiguen que trabajos difíciles o peligrosos sean más seguros y fáciles gracias a la información de sensores de detección de gas portátiles, registro de temperatura o identificación de los niveles de fatiga del conductor un vehículo de transporte, datos que se obtienen de la monitorización de su actividad cerebral.
Datos de bases de datos, de sistemas empresariales, de dispositivos conectados, de wearables e incluso de fuentes de datos open source se ponen a disposición de los sistemas productivos para alcanzar nuevas cotas de eficiencia y seguridad. El mundo del big data cada día cobra más importancia, es por eso que en la actualidad se ofertan múltiples puestos de trabajo relacionados con la gestión de grandes volúmenes de datos.
Si te interesa este tema, descubre nuestro Máster en Big Data y Data Science.
