Víctor Vallejo Carballo

Estamos inmersos en una revolución tecnológica sin precedentes en la que el análisis de datos ha tomado el protagonismo principal y más pronto que tarde va a provocar que todas las organizaciones empresariales, o al menos aquellas que quieran seguir siendo competitivas y rentables, se conviertan plenamente en organizaciones Data Driven. En el sector industrial, esta revolución tecnológica ha dado pie al término Industria 4.0, o cuarta revolución industrial, un nuevo escenario que se apalanca tanto en la automatización de procesos como en la interconexión de datos basada en la tecnología IIoT (Internet de las cosas aplicadas a la Industria). Se trata de un conjunto de herramientas, dispositivos y por supuesto, sensores, que se encargan tanto de la recopilación de datos como de su análisis para la posterior toma de decisiones en el plano operativo y de gestión dentro de la propia organización. Los sensores, componente imprescindible Los sensores, por tanto, se han convertido en un componente básico, puesto que, a través de la detección, medición y análisis de factores, permiten una mayor automatización de procesos industriales. Sus mediciones van a ser traducidas posteriormente en órdenes, que ejecutarán a continuación los componentes actuadores/ejecutores dentro de un plan de acción/respuesta bien delimitada. Pero la funcionalidad que ofrecen los sensores no se limita exclusivamente a incrementar la automatización de procesos; su empleo se convierte en esencial para el mantenimiento industrial, ya que estos activos pueden permitir un ahorro significativo en costes de mantenimiento o reparación producidos por paradas no planificadas en la producción, mejoras en la rentabilidad gracias a una monitorización constante durante todo el proceso de fabricación, generando por tanto mayores tasas de rendimiento en las líneas de producción, así como mejoras en la seguridad de los propios trabajadores industriales. Pero exactamente, ¿qué cosas miden los sensores? Foto: Arshad Pooloo / Unsplash Como cabe esperar, la respuesta a esta pregunta es una amplia gama de variables, que dependerán de las características específicas de lo que se fabrique, pero podemos agruparlas en variables ambientales (temperatura, humedad, luz, vibraciones…), mecánicas, derivadas de la propia maquinaria (posición, proximidad, velocidad, …), eléctricas de los consumos energéticos (voltaje, corriente, resistencia, potencia,…) y de procesos sobre las condiciones físicas o químicas generadas durante la fabricación (nivel de fluidos, incremento de temperatura en las máquinas y tiempos de refrigeración, nivel de residuos, densidades, …). Los sensores se han convertido en una de las piezas más sensibles en el proceso de captura de información temprana. Ante tal heterogeneidad de variables disponibles, se desprende que los sensores se han convertido en una de las piezas más sensibles en el proceso de captura de información temprana para dar una respuesta adecuada en tiempo y forma durante la fabricación. Es por ello por lo que tanto la identificación del tipo de sensor a instalar, su ubicación dentro de la cadena así como el mantenimiento de dichos sensores, se antojan cruciales para asegurar que las mediciones sean fiables y significativas, ya que mediciones incorrectas debido a algún defecto o fallo en el sensor pueden acabar derivando en desequilibrios en la composición de los bienes fabricados o incluso pueden suponer una parada total por un error crítico, ya sea por haber usado en exceso o en defecto componentes o ingredientes que son necesarios en su justa proporción para mantener la calidad esperada y aprobada en los estándares, protocolos y certificaciones. Cyber Security Vulnerabilidades, amenazas y ciberataques a sistemas industriales 24 de mayo de 2022 Entonces, ¿qué tipo de mantenimiento ha de realizarse? Foto: Mech Mind / Unsplash Existen diferentes aproximaciones para abordar esta pregunta, que podemos resumir en 4 tipos diferentes de mantenimiento, atendiendo a la estrategia de implementación: Correctivo, donde el sensor puede funcionar hasta que falle y en ese momento se procede a su reparación o sustitución Preventivo, que se realiza de modo sistemático mediante inspecciones, haya fallado o no el activo y que, junto con el mantenimiento correctivo son las estrategias más extendidas hasta ahora. Predictivo, que hace uso de algoritmos de predicción para estimar con antelación el momento de fallo del sensor, por lo que el mantenimiento se realizará solo cuando sea necesario, anticipándose al siniestro. Prescriptiva, que se basa en el mantenimiento predictivo e incorpora elementos de gestión de mantenimiento, costes etc. Una estrategia proactiva enfocada en anticipar y corregir permite conocer con mayor precisión y alargar la vida útil del equipamiento Con el abaratamiento de los sensores se sigue impulsando su implantación a lo largo de toda la cadena de producción, y esa interconexión de datos generados durante la fabricación, en combinación con técnicas de Inteligencia Artificial dentro del entorno tecnológico del Big Data, están provocando un trasvase desde la prevención hacia la previsión en los procesos de mantenimiento. Al desplegar un mantenimiento predictivo constante, será cada vez menos necesario detener los procesos para analizar los errores y/o solucionar problemas, puesto que, los modelos predictivos ejecutados en tiempo real utilizando datos históricos, inventariables y de procesos, se emplearán para modelar el esquema de averías mediante el aprendizaje de patrones que preceden a los fallos en una máquina, sensor, activo, etc. y, por consiguiente, prediciendo cuándo será necesario el mantenimiento o reemplazo del sensor o pieza antes de producirse el fallo funcional. Es decir, estaremos implementando una estrategia proactiva enfocada en anticipar y corregir y determinaremos con mayor precisión la vida útil de equipamientos, riesgos de fallo y potencial impacto en el sistema. Foto: Vaclav / Unsplash Esta estrategia proactiva basada en la ‘sensorización’ de la planta y la adopción de técnicas de aprendizaje automático contribuyen a que, en el largo plazo, el mantenimiento predictivo ofrezca menores costes recurrentes que otras estrategias de mantenimiento, puesto que la mayor inversión inicial se ve retornada en incrementos en el ROI, al incrementarse el número de incidencias detectadas con antelación, reduciendo por tanto la tasa de fallos críticos en la cadena. Un ejemplo claro de este cambio en la estrategia de mantenimiento se observa en aquellas industrias que tienen un uso intensivo de baterías eléctricas, tanto en entornos estáticos controlados (instalaciones industriales, sistemas telefónicos, etc.) como en entornos dinámicos de movilidad (entorno ferroviario, transporte electrificado, etc.), donde resulta de vital importancia estimar valores de aceptación – rechazo para baterías con una vida útil proyectada de varios años que asegure que ésta no se encontrará operando en el futuro próximo dentro de rangos críticos que comprometan su integridad. Foto: Lenny Kuhne / Unsplash En el caso de la automoción, cada vez más fabricantes de automóviles confían en el mantenimiento predictivo para monitorizar permanentemente el rendimiento de las baterías de vehículos eléctricos. Los sensores instalados en el coche aprovisionan datos de manera constante a un modelo virtual de la batería, lo que se conoce como gemelo digital, el cual permite modelar a gran escala y en un entorno de laboratorio, la prestación de servicio y estimación de la vida útil óptima de las baterías ante diferentes condiciones de uso. Los gemelos digitales son representaciones virtuales que reflejan el comportamiento de un producto o servicio físico. Esta estrategia de creación de baterías digitales conlleva un ahorro significativo en términos de tiempo, puesto que el testeo físico de las diferentes condiciones supone un hándicap por la larga vida útil de las baterías, y a su vez permite realizar múltiples simulaciones en paralelo sin la necesidad de desplegar complejos y costosos entornos de pruebas físicos. Conocer cuánto tiempo tardará en llegar a valores críticos que comprometan su buen funcionamiento permitirá desplegar acciones específicas para alargar la vida útil de las mismas, mediante el reemplazamiento de piezas y la mejora en los diseños de nuevas celdas y baterías. Además, esta optimización del rendimiento trae consigo un efecto positivo adicional, la reducción del impacto medioambiental, puesto que cada vez se desecharán menos residuos y se reutilizarán con mayor frecuencia, alargando la vida útil del vehículo y permitiendo que las baterías sean una palanca de cambio clave real en la descarbonización del transporte y parte de los procesos industriales. 🔵 Para más contenido sobre IoT e Inteligencia Artificial, no dudes en leer otros artículos de nuestra serie, cuyo primer artículo puedes encontrar aquí: AI OF THINGS AI of Things(I): Multiplicando el valor de las cosas conectadas 22 de febrero de 2022

La digitalización o, dicho de otra manera, el movimiento de transformación de procesos analógicos y objetos físicos en digitales, avanza a ritmo constante abarcando prácticamente todos los aspectos de nuestra vida diaria. Uno de los sectores donde mayor impacto está teniendo, a pesar de la existencia de algunas corrientes que vaticinaban su ocaso debido al auge de Internet y el marketing digital, no es otro que el de la publicidad exterior --OOH, acrónimo de Out Of Home en inglés--, que de esta manera se convierte en un engranaje más dentro del proceso de conversión urbana desde la ciudad tradicional a las Smart cities del futuro. Los Mupis o Mobiliario Urbano como Punto de Información, son sin duda, el dispositivo estrella sobre el que dicho proceso de digitalización se apalanca para tener éxito en las campañas de marketing/publicidad digital a pie de calle. Tradicionalmente, ha sido una de las herramientas empleadas para la cartelería y publicidad exterior en las ciudades, localizados en emplazamientos con gran visibilidad, tanto exterior como interior, para maximizar el número de impactos de las campañas. Ventajas de digitalizar la publicidad exterior La digitalización de dichos activos trae consigo una serie de ventajas, tales como la eliminación del coste de impresión y desplazamiento para cambiar la cartelería, pero sobre todo por la adaptación del mensaje comercial en distintas ubicaciones y tramos horarios o diarios. Esto mejora la captación de la atención del público objetivo en cada zona, gracias a las comunicaciones animadas específicas y creando campañas interactivas que midan la efectividad de la misma en tiempo real a través del sentimiento generado y tasas de conversión. Y todo ello con un coste contenido al poder planificar tramos de exposición en vez de tener la cartelería estática durante semanas o meses como ha ocurrido hasta ahora. Foto: Finn / Unsplash A su vez, el abaratamiento en la producción de dispositivos LCD no ha hecho más que empujar hacia la completa transformación de dichos activos que, junto con la integración de más tecnología en los terminales (WiFi, bluetooth, realidad aumentada, comunicación con RRSS, etc.) permiten ofrecer una experiencia más enriquecedora. Esto favorece el alineamiento entre diversos canales de comunicación con el cliente y, por ende, mejorando las tasas de conversión o alcanzando tu público objetivo con mayor efectividad. La pantallas inteligentes abren nuevas posibilidades y ubicaciones Este abaratamiento de costes también está abriendo la posibilidad a encontrar nuevas ubicaciones para Mupis digitales adaptados, tales como en gasolineras mientras se procede a repostar combustible, en áreas de cargadores eléctricos… Nuevos emplazamientos que pueden suponer una mejora del revenue para los negocios derivado de la colocación de estos Mupis, pero sobre todo permiten conectar mejor con los usuarios en momentos donde su capacidad de atención será mayor al no tener casi competencia de estímulos (no miras el móvil mientras se procede al repostaje etc.). Entonces, una de las claves principales para tener éxito en la comunicación y posterior conversión, pasa por identificar correctamente el público objetivo al que dirigirse y conocer cuáles son sus patrones generales de movilidad con la mayor granularidad posible. A saber: movilidad a nivel diaria, semanal, franja horaria, ubicaciones más frecuentadas y rutas más probables hasta llegar a ellas, recurrencia de las visitas, tiempos medios de permanencia y un largo etcétera nos permitirá modular y articular el mensaje proyectado de una manera sin precedentes. Foto: Yüksel Göz / Unsplash Si consigues identificar zonas donde clústeres de individuos de tu público objetivo se concentran o pasan recurrentemente, podrás comunicarte con ellos de forma más eficiente; además la adaptabilidad del mensaje permitirá por ejemplo que el mensaje de un lunes lluvioso sea muy diferente al de un viernes soleado por la tarde o tener mensajes diferentes en función de la ubicación del Mupi donde se proyectan. Big Data para adaptar el contenido de las pantallas inteligentes ¿Por qué no? Todos somos conscientes, que en mayor o menor nivel la meteorología, el día de la semana, el tramo horario y otros factores exógenos modifican nuestra percepción de la realidad y, por tanto, la sensibilidad y capacidad de reacción ante estímulos. Como bien decíamos antes, no siempre estamos igual de motivados, contentos o sensibles un día soleado que uno gris y lluvioso, o a las 8 de la mañana de un martes esperando el autobús que un domingo a mediodía cuando vamos de camino a realizar nuestra actividad favorita. Realmente solo necesitas tener preparadas diferentes comunicaciones para que cuando se den las condiciones adecuadas, ésas que juntan los clústeres de público objetivo con emplazamientos o ubicaciones, meteorología, calendario y estímulos ante los que reaccionan mejor, se visualice dicho contenido por pantalla o conjunto de pantallas diseminadas en un área geográfica determinada. La digitalización de los Mupis los convierte en plataformas programadas, donde la compra del espacio y la entrega del mensaje se produce en tiempo real. Esto que parece ciencia ficción ya es una realidad gracias al Big Data y a las soluciones de insights de movilidad, puesto que al trabajar con múltiples fuentes y grandes volúmenes de datos anonimizados y agregados nos permite perfilar y descubrir insights que antes pasaban desapercibidos, o detectar mejoras para situaciones o acciones que dábamos por seguras e inamovibles. Esta capacidad de perfilado de la audiencia y su posterior comunicación a través de los Mupis inteligentes, también queda a disposición de las administraciones públicas, las cuales pueden hacer campañas de concienciación ciudadana en diferentes ámbitos como la ecología, la sostenibilidad, el civismo, etc., para que cuando se den las condiciones óptimas se ejecuten dichas campañas, como por ejemplo ésta en Australia para potenciar hábitos alimenticios saludables para atajar la epidemia de obesidad entre sus ciudadanos. Foto: John Cameron / Unsplash Si quieres llegar a más gente, o mejor dicho si quieres llegar a la gente a la que realmente tienes que llegar, perfilar a los consumidores no solo por sus hábitos de consumo sino por sus criterios de movilidad general se antoja clave para conseguir atraer, convertir y/o fidelizar clientela con un coste contenido en este mundo que interconecta el plano físico con el digital en cada vez más facetas de la vida diaria cotidiana. Para más contenido sobre IoT e Inteligencia Artificial, no dudes en leer otros artículos de nuestra serie: AI OF THINGS AI of Things(I): Multiplicando el valor de las cosas conectadas 22 de febrero de 2022 IA & Data AI of Things (II): El agua, un mar de datos 16 de marzo de 2022 AI of Things Anomalías de IoT: cómo unos pocos datos erróneos pueden costarnos muy caro 18 de septiembre de 2023 AI of Things AI of Things (IV): Ya puedes maximizar el impacto de tus campañas en el espacio físico 26 de abril de 2022 AI OF THINGS AI of Things (VI): Inteligencia Artificial Generativa, creando música a ritmo de perceptrón 7 de junio de 2022