Necesitaremos 5G para implementar métodos de IA, Big Data e IoT

Fecha de publicación
Visualizaciones del artículo Leído  1289  veces

Dr.-Ing. Thorsten Marten, de la Cátedra de Diseño Ligero en Automoción (LiA) de la Universidad de Paderborn, analiza las tendencias tecnológicas actuales, el papel de la tecnología de medición y revela sus deseos para su trabajo futuro

Necesitaremos 5G para implementar métodos de IA, Big Data e IoT

Movilidad eléctrica, Internet de las cosas (IoT), Big Data, automatización, inteligencia artificial, conducción autónoma y 5G. ¿Cuál es tu tendencia favorita en la actualidad?

En términos generales, muchas de estas tendencias se influyen entre sí, y también existen muchas interacciones entre ellas. Como viajero, por ejemplo, estoy muy interesado en la conducción autónoma. Mientras conduzco, paso mucho tiempo inútilmente en el coche, tiempo que podría usar con más sensatez si el automóvil pudiera conducirse autónomamente.

En su opinión, ¿qué “mega tendencia” tiene el mayor potencial de cambiar el mundo a largo plazo?

Se debe tener una visión holística de la movilidad y de muchas de las otras “megatendencias” también. Un punto clave aquí es la infraestructura en tecnologías de la información (IT) que se requiere, especialmente en lo que respecta a la transmisión de datos. Si quiero controlar y regular mis procesos en tiempo real, eventualmente necesitaré velocidades de transmisión más rápidas que las que 5G puede proporcionar en la actualidad. Solo será posible implementar las otras grandes tendencias cuando la transmisión de datos tenga lugar en el rango de los terahercios (THz), en algún momento en el futuro. Es por eso que 5G es un factor crucial para la transmisión de datos.

¿Crees que 5G es la tendencia que tendrá el mayor impacto en todas las otras “megatendencias”?

Sí, porque necesitaremos 5G para implementar métodos de IA, Big Data e IoT. Por supuesto, el análisis estacionario es posible en todos estos casos, pero las aplicaciones móviles son muy interesantes, como la conducción autónoma, por ejemplo, o los drones. Porque tarde o temprano, tenemos que llegar al punto en el que los dispositivos puedan comunicarse entre sí en tiempo real.

Es por eso que 5G es la herramienta que hace posibles las otras tendencias en primer lugar. Sin embargo, el Big Data es otro tema extremadamente interesante: de una forma u otra, tenemos que recopilar los datos para que podamos aplicar métodos de inteligencia artificial (AI), por ejemplo. Pero no podemos implementar nada de esto en tiempo real a menos que podamos generar transmisión de datos a velocidades adecuadas.

¿Cuáles cree que son los principales riesgos derivados de esta tendencia?

El mayor desafío en esta área es el tema de la seguridad de los datos; me refiero al uso indebido de datos y la manipulación maliciosa de procesos. Para hacer todo y conectar todo en red digitalmente en tiempo real, para que todos se comuniquen con todos los participantes, necesitamos redes, interfaces de trabajo y protocolos abiertos. Al final del día, por supuesto, esto abre la posibilidad nuevamente de intervenciones manipuladoras.

¿Es ese también un tema que consideras particularmente importante en la universidad?

Naturalmente, la universidad tiene que participar en los trabajos sobre estos temas, y debemos generar conocimiento en este campo. La Universidad de Paderborn está en una excelente posición para hacer esto: nos enfocamos en varios temas en este campo, los principales son la optoelectrónica, la fotónica y los sistemas técnicos inteligentes. Tenemos acceso a un amplio “know-how” para poder encontrar respuestas a las preguntas fundamentales. Está muy claro que la universidad tiene que posicionarse en este campo porque, por supuesto, la seguridad de los datos también es un tema social.

¿También lo exigen sus clientes industriales?

No hace falta decir que este es un tema importante para la industria, por lo que está siendo impulsado por esa razón. Si observa la industria automotriz en su conjunto y los desarrollos en este sector, puede ver que hay mucho movimiento en el mercado. La conducción autónoma y las unidades electrificadas son las principales tendencias aquí. Y, por supuesto, esas tendencias se reflejan a escala 1:1 en nuestro trabajo. Como instituto de educación superior, generalmente proporcionamos respuestas neutrales en cuanto a valores a las preguntas más fundamentales y generamos el conocimiento relevante. Pero, naturalmente, los requisitos y los bienes puestos en juego también proceden de la industria, por lo que también deben tenerse en cuenta los aspectos económicos.

Trabaja con tecnología de sensores y acondicionamiento de señales todos los días. ¿Cuáles considera que son los principales desafíos para la tecnología de medición en su rutina de trabajo?

Aquí estamos en una universidad, no en un negocio industrial. Esto significa que trabajo junto con los estudiantes y el personal académico la mayor parte del tiempo. Son solo empleados temporales, con contratos por tiempo limitado, y vuelven a salir de la universidad después de graduarse. Así que el resultado es que los especialistas de nuestro personal cambian constantemente y usted tiene que instruirlos y capacitarlos una y otra vez. Es por eso que el esfuerzo de formación para la tecnología de medición que utilizamos tiene que ser lo más simple posible. Por las mismas razones, el equipo debe ser robusto y los usuarios deben poder operarlo de manera intuitiva.

Otro factor es la amplia variedad de equipos de medición que utilizamos. En nuestras instalaciones operan muchos departamentos especializados, y su investigación se centra en diferentes temas. En nuestro departamento, por ejemplo, los profesores hemos cubierto prácticamente todos los aspectos posibles, desde investigaciones cuasi - estáticas hasta choques; aquí usamos de todo, desde simples transductores de fuerza de galgas extensométricas hasta registradores muy rápidos. Eso significa que tenemos que realizar un seguimiento de una amplia gama de equipos.

¿Cómo se propone gestionar un volumen tan grande de datos de medición?

Sin duda, ese es otro punto importante. En el futuro, me gustaría ver una "Instalación para ensayos 4.0" completamente conectada en red para el funcionamiento de nuestro laboratorio. En otras palabras, nuestros datos de medición se transmitirían directamente desde la máquina a la nube. De esa manera, tendríamos acceso en tiempo real a todos los datos de medición en todo momento, por lo que podríamos echar un vistazo a lo que sucede en las pruebas.

Y eso nos lleva al tema del Big Data: por poner solo un ejemplo, realizamos de 100 a 200 ensayos de tracción cada semana. Es difícil realizar un seguimiento de la enorme cantidad de datos que generan. Los algoritmos innovadores nos ofrecen la única forma de identificar nuevas dependencias y relaciones entre datos. Por eso es muy importante administrar esos datos correctamente para que también se pueda trabajar con ellos.

¿Qué otros desafíos enfrentará la tecnología de medición en el futuro?

El tema principal que me viene a la mente es todo lo relativo a la regulación y control en tiempo real. Es un gran desafío integrar sensores en sistemas de medición altamente complejos y enviar los datos de medición a un sistema de nivel superior a las velocidades de transmisión de datos más altas posibles. Una posible solución sería combinar sensores y actuadores, en otras palabras, integrar pequeñas unidades informáticas descentralizadas. Eso nos permitiría monitorizar nuestros componentes con algoritmos de control inteligente, y también podríamos controlarlos y regularlos simultáneamente.

También trabaja con algunos productos de Kistler en su laboratorio. ¿Qué productos utiliza?

Durante más de diez años, hemos trabajado con sensores de fuerza, transductores de fuerza y amplificadores de carga de Kistler. Confiamos en los productos de esta empresa, especialmente para las pruebas de choque. Estamos muy satisfechos con ellos, y eso también se aplica al servicio. Es por eso que siempre estamos dispuestos a comprarle más productos.

Si pudiera pedir un solo deseo, ¿qué producto de tecnología de medición querría? ¿Qué facilitaría su trabajo?

Algo que facilitaría mucho nuestro trabajo sería un sistema de gestión de datos integral que pudiera subir todos los datos a la nube y gestionarlos, en tiempo real, durante la operación de medición. Entonces debería ser posible realizar análisis y evaluaciones allí. Es triste decirlo, todavía no hemos podido implementar eso aquí. Por el momento, nuestro personal científico tiene que almacenar sus datos de manera descentralizada y luego ingresarlos manualmente en una base de datos.

Sin duda, esa situación se puede optimizar. Como sabes, Kistler ha añadido a su gama un nuevo controlador que calcula la incertidumbre de medida de forma inmediata, entre otras características. Estaríamos muy interesados en ello. Un instrumento de medición que no necesite ampliarse con un gran número de tarjetas adicionales también sería ideal: un equipo en el que todo esté integrado. Lo mejor sería una solución completamente inalámbrica, por lo que no sería necesario instalar cables de medición.

Más información

  • Nombre
    Dr.-Ing. Thorsten Marten
  • Cargo
    Cátedra de Diseño Ligero en Automoción (LiA)
  • Empresa
    Universidad de Paderborn