La clave del IoT está en la administración remota, la configuración y los datos

Durante el IoT Solutions World Congress InfoPLC++ tuvo una agenda intensiva de encuentros para conocer la apuesta que hacen los principales proveedores de soluciones industriales en relación al internet de las cosas. La oferta es amplia y las necesidades también. Ahora sólo falta que unas encuentren a las otras en el marco de los tan demandados estándares.

¿Por qué está presente NI con stand propio en este evento?

La eclosión del IIoT es un hecho incontestable y NI es uno de los actores que contribuye a que se produzca esa tendencia. Con nuestra experiencia en la captación de datos en aplicaciones industriales, tenemos mucho que aportar en el futuro del IIoT. En un horizonte a 3 años, un estudio de Accenture revela que el 95% de los líderes empresariales esperan que su compañía utilice el IIoT.

¿Qué significa el IoT para el entorno industrial?

El desarrollo del IIoT es un reto importante que toma una compañía. Obviamente, aquí no hablamos de unas cuantas cosas, sino de miles de cosas que habrá que gestionar eficientemente, lo que no es una cuestión baladí. Por ejemplo, Jaguar Land Rover es uno de nuestros clientes. En su planta del Reino Unido puede llegar a recolectar hasta 500GB de datos diarios, que proceden del control y calibración de componentes que integran la cadena cinemática de sus vehículos.

En este caso, esa ingente cantidad de datos se canaliza desde 200 fuentes distintas, que actúan a modo de colectores de datos, en su mayoría procedentes de equipos heterogéneos, distintos fabricantes y épocas. Antes analizaban el 10% de los datos; ahora pueden extender su análisis hasta el 95% de los mismos. Esto permite maximizar el tiempo de operación e impulsar el rendimiento y la innovación de sus productos. A veces no es fácil, pero nosotros disponemos de experiencia y producto para facilitar que el cliente implemente y obtenga beneficios.

¿Cuál es su propuesta?

Para abordar este tema, una opción interesante es utilizar plataformas que incorporen las mejores prácticas de gestión IIoT. Estas plataformas tienen que actuar en un espacio propiamente OT, pero a la vez también estar fuertemente vinculadas con IT. En cualquier caso, deben de operar en ambos mundos sin afectar al negocio de la compañía.

¿Qué plataformas ofrece NI?

Ofrecemos dos plataformas IIoT totalmente independientes de otros productos NI. Una es la System Link, que puede considerarse nuestro entry level. Es posible utilizarla intuitivamente e incluye funcionalidades básicas para el análisis de datos. La otra opción es mucho más potente: Data Management Software Suite. Esta plataforma incorpora análisis y machine learning. Usted configura lo que desea y el sistema resuelve los problemas de protocolos heterogéneos y dispersión en la estructura de los datos de manera casi automática.

¿Cuáles son las claves para conseguir un despliegue exitoso del IIoT?

Nosotros pensamos que hay tres puntos esenciales para conseguir desplegar con éxito el IIoT: la administración remota de los sistemas, la configuración y la gestión propia de los datos.
Si hablamos de administrar sistemas, ya es práctica habitual monitorizar y controlar los equipos más críticos. Pero con la utilización de las nuevas tecnologías y la nube, los costes operacionales descienden y la gestión remota puede extenderse ampliamente hasta alcanzar a la mayoría de equipos y cosas que están en las fábricas e instalaciones. Ahora, por ejemplo, gestionar remotamente desde el aprovisionamiento, la configuración y el diagnóstico de dispositivos puede estar al alcance de muchas compañías. Es fácil cambiar parámetros en el equipo remoto, conocer la utilización de su CPU y el uso de memoria; también el estado de la conectividad, disponer de estadísticas de E/S o descubrir errores de software o posibles brechas de seguridad. Todo esto puede ayudar a minimizar tiempos muertos en multitud de activos y contribuir a su utilización más eficiente.

La configuración también es importante...

Efectivamente, el segundo punto pasa por resolver la gestión en la configuración del software. Antes había que actualizar el software de planta por métodos manuales o semi-manuales; ahora, ya no. Con el IIoT habrá miles de cosas que actualizar con frecuencia, en escenarios cambiantes, en entornos muy dinámicos y heterogéneos, donde obtener la mejor disponibilidad es clave. Habrá que modificar una y otra vez la funcionalidad o responder rápido frente a posibles vulnerabilidades de seguridad. En esas condiciones, la actualización del sistema es transcendental. Nuestras plataformas de software IIoT gestionan esa complejidad y simplifican el desempeño de esa monumental tarea.

¿Qué hay de la gestión masiva de datos?
Precisamente, este es el tercer aspecto clave para el despliegue del IIoT. ¿Cuánta información valiosa está oculta en esos océanos de datos que ahora o más adelante tendremos disponibles? Parte de ella, en muchos casos, ni la imaginamos. En volumen de datos, podemos estar hablando del orden de Terabytes e incluso Exabytes. Administrar esa ingente cantidad de datos es vital para comprender mejor el negocio e implantar mejoras a futuro. Una solución eficaz debe de pasar por incorporar los datos procedentes de múltiples fuentes distribuidas, para llegar a producir diferentes niveles de análisis, ofreciendo una información adecuada para cada una de las personas en la organización.

¿Edge o nube?
La estrategia debe de incluir funciones de análisis que operen tanto a nivel OT como IT. El edge computing es importante. Gestionar datos cerca de los sensores y actuadores. En NI, eso lo conocemos muy bien. No se puede bombear todo lo que se genera en campo hasta la nube. Hay que procesar y extraer significado cerca de los dispositivos de campo. Eso proporciona un sistema e infraestructura más equilibrados y reduce cuellos de botella. Basta decir que un estudio de IDC prevé que, en el año 2019, por lo menos el 40% de los datos creados por IoT serán almacenados, procesados, analizados e interpretados de forma distribuida.

¿Qué papel juega el machine learnig en todo esto?
Para aplicar el machine learning nos encontramos con lo mismo: muchos datos. Cuantos más, mejor; así los algoritmos de aprendizaje aflorarán más resultados que sean útiles.

Disponer de una recolección organizada de esos datos, tal como hemos comentado, es el primer paso para implantar la tecnología de aprendizaje de máquinas. Pero tampoco hay que perderse en el middleware. El machine learning será vital para la verificación y validación de activos, reducir los costes de mantenimiento, mejorar los rendimientos en la producción o disminuir el coste de I+D, entre otras posibilidades. Habrá que integrar las máquinas y el aprendizaje automático, con las plataformas y la nube. Pero también habrá que hacerlo en las propias máquinas, como en un tractor que opera en el campo, que puede pasar de terreno seco a húmedo, de un tipo de tierras a otro; debe de adaptar continuamente sus equipos y componentes, con tal de conseguir la máxima eficiencia en cada momento. Como ejemplo, en esta feria, NI está presente en la zona de testbeds, con una instalación junto a Flowserve, PTC y HP, en el que una bomba se adapta continuamente a la dinámica de cambio de las condiciones, entre otras particularidades