¿Qué tienen en común estas empresas y organizaciones: una cadena de supermercados que garantiza que sus productos favoritos nunca se agoten, una compañía petrolera que previene daños incalculables al medio ambiente y un hospital que salva vidas garantizando que las ambulancias nunca lleguen tarde? En pocas palabras, todos ellos son ejemplos de usuarios que aprovechan los análisis, los datos y las plataformas de Internet de las cosas (IoT).
El análisis de Internet de las cosas (IoT) es el uso de técnicas de ciencia de datos para obtener información útil a partir de los grandes volúmenes de información recopilados por los dispositivos de IoT. Las aplicaciones comunes de los análisis de IoT incluyen mantenimiento predictivo, gestión de la cadena de suministro y análisis prescriptivo.
A medida que más y más “cosas” pasan a formar parte del Internet de las cosas, el análisis de IoT se está convirtiendo en una parte integral del universo de dispositivos conectados. Los datos de su dispositivo portátil podrían alertarlo sobre una afección cardíaca inminente. Mientras están en la fábrica, los datos podrían usarse para optimizar procesos industriales que generen miles de millones de dólares en ahorros.
Centro Infra investiga el auge del análisis de IoT y cómo está permitiendo la toma de decisiones basada en datos tanto en pequeñas como en grandes empresas.
Por qué son importantes los análisis de Internet de las cosas (IoT)
Según Gartner, 14 mil millones de dispositivos estarán conectados a Internet en 2022. Estos dispositivos generan enormes cantidades de datos, y el mayor desafío que enfrentan las personas, las empresas y las organizaciones es aprovechar de manera sostenible los datos creados por estas redes de sistemas interconectados.
LEER MÁS: Dispositivos de Internet de las cosas (IoT): ¿Qué será inteligente en 2023?
Actualmente, se está produciendo un aumento en la cantidad de datos producidos por dispositivos de IoT, con volúmenes que se espera alcancen 79,4 zettabytes para 2025. Esto representa un aumento del 484% de la producción total de datos de las conexiones de IoT en 2019. Para poner esta cifra en perspectiva, uno zettabyte equivale a mil millones de terabytes o un billón de gigabytes.
El análisis de IoT tiene la capacidad de procesar grandes volúmenes de datos para detectar patrones y hacer predicciones, convirtiendo de manera efectiva los datos sin procesar en inteligencia y conocimientos útiles.
No sorprende entonces que el mercado de análisis de IoT esté valorado en 28.900 millones de dólares en 2022, y se prevé que alcance los 81.700 millones de dólares en 2026, lo que representa una tasa de crecimiento anual compuesta (CAGR) de casi el 30%.
Los dispositivos de IoT capturan datos en una variedad de formatos, como datos estructurados, semiestructurados y no estructurados. Sin embargo, lo interesante es que la mayor parte de esta información se recopila como datos no estructurados. Esta es una de las principales diferencias en comparación con el análisis tradicional, que se ocupa en gran medida de datos estructurados.
LEER MÁS: Lagos de datos: alojamiento de datos estructurados y no estructurados
Como los sensores pueden verse afectados por procesos físicos, es probable que les falten puntos de datos, mensajes corruptos y lecturas incorrectas, a diferencia de los datos ingresados por humanos.
Como se muestra a continuación, debido a una serie de factores, el análisis de IoT a menudo implica más datos, más complejidad y más automatización.
¿Qué hace que IoT Analytics sea diferente?
Fuente: Gartner.
Los datos se pueden recopilar en forma de señales analógicas, lecturas de sensores, metadatos de estado del dispositivo o archivos grandes que consisten en imágenes y videos. Dado que no existe homogeneidad en los datos recopilados de diferentes dispositivos de IoT, no existe un enfoque único para almacenar y analizar datos de IoT.
Es posible que algunas empresas necesiten utilizar los datos sólo en el momento de la recopilación y los utilicen poco después. Por ejemplo, las aplicaciones que mapean el clima en tiempo real se incluyen en este patrón de uso de datos.
De lo contrario, las empresas almacenarán los datos recopilados para analizarlos en un momento posterior. Todo, desde los patrones de tráfico en las intersecciones concurridas hasta los minoristas que predicen la demanda durante una temporada navideña ocupada, se puede clasificar bajo este patrón de uso de datos.
Análisis de Big Data e Internet de las cosas (IoT)
Los macrodatos nos permiten dar sentido a miles de millones de puntos de datos no estructurados en tiempo real registrados por dispositivos de IoT. Estas tecnologías y métodos para el análisis masivo de datos convierten conjuntos de datos que son demasiado grandes o complejos para ser procesados por herramientas de software de uso común en información que orienta a las empresas sobre cómo optimizar sus procesos.
A modo de ejemplo, el big data explica por qué los coches conectados, con más de 40 microprocesadores y decenas de sensores, enviarán 25 gigabytes de datos a la nube cada hora. Los fabricantes de automóviles pueden capturar y analizar datos de todo: velocidad, ruta, desgaste e incluso condiciones de la carretera.
LEER MÁS: Tecnología de Internet de las cosas (IoT) – Guía rápida y sencilla
Tipos de análisis de IoT
En general, existen cuatro tipos principales de análisis de Internet de las cosas (IoT):
- Análisis descriptivo: agrega y da sentido a datos en tiempo real provenientes de dispositivos IoT
- Análisis de diagnóstico: se basa en la comprensión inicial del análisis descriptivo y explica por qué suceden las cosas.
- Análisis predictivo: incorpora capacidades de aprendizaje automático (ML) para predecir eventos futuros basados en datos pasados.
- Análisis prescriptivo: proporciona información y acciones adicionales que se pueden tomar para mejorar la eficacia del análisis descriptivo, de diagnóstico o predictivo.
Ejemplos de análisis de IoT
El mayor potencial para el análisis de IoT reside en el Internet industrial de las cosas (IIoT). Las organizaciones pueden implementar sensores en todo, desde equipos de fabricación hasta tuberías, estaciones meteorológicas y camiones de reparto, con el fin de recopilar y analizar datos.
LEER MÁS: Cómo el Internet industrial de las cosas está transformando los negocios
Audi: análisis de fabricación y IoT
La fábrica de Audi en Neckarsulm es un ejemplo ilustrativo del poder del análisis de IoT en la fabricación. Aquí se ensamblan en la planta hasta 1.000 automóviles cada día, con 900 robots encargados de realizar 5.000 soldaduras en cada automóvil. De hecho, se trata de 5 millones de soldaduras en un solo día de producción, lo que imposibilita realizar operaciones manuales de control de calidad.
En asociación con Intel, Audi pudo crear una solución de análisis predictivo que transformó los datos de fábrica procedentes de los controladores de las pistolas de soldar en información valiosa. El proceso de inspección de soldaduras basado en datos dio como resultado una precisión mejorada y una reducción del 30 % al 50 % en los costos de mano de obra.
Levi Strauss: análisis de comercio minorista y de IoT
La distorsión del inventario es un problema en la industria minorista, que generalmente se manifiesta en forma de exceso de existencias, desabastecimiento y merma. Estas situaciones provocan pérdidas por valor de más de 1 billón de dólares cada año para los minoristas de todo el mundo.
LEER MÁS: Ejemplos de Internet de las cosas (IoT) por industria en 2023
Levi Strauss se asoció con Intel para implementar una solución de monitoreo de inventario en tiempo real en su tienda insignia en San Francisco, California. Al utilizar etiquetas de identificación por radiofrecuencia (RFID) en todos los artículos, Levi’s pudo localizar y contabilizar cada artículo en el piso de ventas en cualquier momento.
Los datos recopilados por las etiquetas RFID luego se enviaron a la nube para análisis, lo que generó una visibilidad del 100 % sobre el inventario que había en los estantes y mejoró la comprensión de la empresa sobre el comportamiento de compra de los clientes.
BP – Análisis de petróleo, gas y IoT
BP, una multinacional británica de petróleo y gas, decidió equipar 650 de sus miles de pozos petroleros con sensores de General Electric (GE). Específicamente, cada pozo estaba equipado con entre 20 y 30 sensores para medir la presión, la temperatura y otras métricas cruciales, enviando alrededor de 500.000 puntos de datos a la nube cada 15 segundos. A su vez, esta solución permitió a BP predecir los flujos de los pozos petroleros y la vida útil de cada pozo, lo que en última instancia ayudó a la empresa a determinar el rendimiento de un campo petrolero completo.
Deep Sky: análisis de agricultura e IoT
Las implementaciones de análisis de agricultura e IoT se han mostrado a través de una asociación entre Deep Sky, un viñedo para el vino, y Google Cloud. Utilizando hardware impulsado por Google Cloud en todo su viñedo en Arizona, Deep Sky pudo monitorear métricas como el flujo de agua y la humedad del suelo para mejorar el rendimiento de las uvas.
En general, esta solución de análisis de IoT aumentó el ahorro de energía del viñedo en un 15 %, la eficiencia de la mano de obra en un 30 % y la eficiencia de los cultivos en un 50 %, al tiempo que redujo los costos asociados con el error humano en un 75 %.
Análisis de borde en IoT
Por lo general, los análisis de IoT no se aplican a los datos sin procesar capturados a nivel de dispositivo. Las lecturas incorrectas y los valores duplicados son bastante comunes en los datos generados por sensores y se filtran en el momento de la recopilación de datos. Los dispositivos de puerta de enlace o los propios dispositivos de IoT a menudo determinan qué datos deben transmitirse a un motor de análisis.
El análisis de borde es el proceso de recopilación y análisis de datos en tiempo real, directamente desde los dispositivos de IoT que generan la información. Al hacerlo, la información procesable se puede acercar lo más posible a los dispositivos que producen los datos.
Uno de los principales factores que impulsa el uso de análisis de borde es la privacidad, especialmente cuando los dispositivos de IoT capturan información confidencial como datos de GPS o transmisiones de video en vivo.
Además, el análisis de borde ofrece baja latencia y reduce los requisitos de ancho de banda de una red, ya que no es necesario transmitir la misma cantidad de datos entre un dispositivo y la nube.
LEER MÁS: ¿Qué es un centro de datos perimetral? (Con ejemplos)
Atención médica: análisis de borde
La atención sanitaria es uno de los mayores beneficiarios del análisis de borde. Dada la actual escasez mundial de trabajadores de la salud, la tecnología está interviniendo para llenar el vacío con informática y análisis de vanguardia.
Por ejemplo, las máquinas portátiles de resonancia magnética (MRI) ahora pueden capturar escáneres cerebrales al lado de la cama del paciente, mientras que los algoritmos de aprendizaje automático (ML) procesan los escaneos e identifican anomalías, lo que permite a los radiólogos generar informes en tiempo real.
Vídeo: análisis de borde
El dispositivo Edge Analytics REA-C1000 de Sony es un ejemplo de dispositivo IoT de análisis de vídeo diseñado para consumidores y empresas. Específicamente, este dispositivo incorpora inteligencia artificial (IA) en la tecnología de procesamiento de video para ofrecer contenido más impactante mientras un usuario realiza una presentación en video.
En términos de funcionalidad, el dispositivo tiene una función de extracción de escritura a mano impulsada por tecnología de realidad aumentada (AR) para garantizar que cualquier palabra o diagrama escrito virtualmente en la pantalla permanezca a la vista de la audiencia. Además, el dispositivo tiene una función de superposición CG sin croma, que crea una pantalla verde para que un fondo virtual estático pueda reemplazar el fondo de la vida real del presentador. Finalmente, las capacidades del dispositivo también incluyen seguimiento automático PTZ y primer plano por gesto.
LEER MÁS: Internet de las cosas (IoT) Edge – Computación para dispositivos
Plataformas de análisis de IoT
Las plataformas de análisis de IoT permiten a las empresas agregar, analizar y visualizar los flujos masivos de datos capturados por los dispositivos de IoT. En particular, Google Cloud, Microsoft Azure, Cisco, ThingSpeak y Amazon Web Services (AWS) son algunos de los principales proveedores de plataformas de análisis de IoT.
Núcleo de IoT en la nube de Google
Google Cloud IoT Core es un servicio en la nube totalmente administrado para conectar, administrar e incorporar datos de miles de dispositivos de Internet de las cosas (IoT) repartidos por todo el mundo.
Utilizando la infraestructura de computación, almacenamiento y redes de Google Cloud como columna vertebral, el servicio IoT Core puede ofrecer servicios de mensajería perimetral, administración de dispositivos, análisis y la capacidad de obtener información valiosa utilizando las herramientas de inteligencia artificial (IA) y aprendizaje automático (ML) de Google Cloud.
Análisis de flujo de Azure
Microsoft ofrece un motor de análisis en tiempo real sin servidor con su solución Azure Stream Analytics. Este servicio facilita la ejecución de análisis sobre datos en streaming, desde la nube hasta el borde.
Azure Stream Analytics está diseñado para cargas de trabajo de misión crítica que se pueden ejecutar con latencias inferiores a 1 segundo. Además, el servicio se puede ampliar con código personalizado y capacidades de aprendizaje automático (ML) para escenarios más avanzados, como la detección de anomalías.
Cisco cinético
Cisco Kinetic facilita la conexión de dispositivos IoT distribuidos a la red. Luego, el servicio permite extraer, normalizar y mover datos de forma segura desde esos dispositivos a aplicaciones distribuidas. Además, esta plataforma de análisis de IoT puede hacer cumplir políticas de gobernanza definidas por los propietarios de datos, para que puedan controlar qué datos van a dónde y cuándo.
En general, la plataforma de análisis de IoT integrada de Cisco Kinetic permite a los usuarios i) implementar y administrar puertas de enlace de Cisco desde una ubicación remota y acceder a dispositivos a través de una conexión VPN segura, ii) transformar y filtrar datos de sensores, mientras envían los resultados a la nube, y iii) acceder a la computación en nodos distribuidos de la red, desde el borde hasta el destino.
LEER MÁS: Seguridad de Internet de las cosas (IoT): protección de próxima generación
CosaHabla
ThingSpeak es una plataforma de análisis de IoT de código abierto que permite la creación rápida de prototipos y la implementación de un sistema de IoT con análisis de datos. El servicio permite a los usuarios agregar, visualizar y analizar flujos de datos en vivo en la nube enviando datos a ThingSpeak.
Las características de ThingSpeak incluyen API RESTful y MQTT para transmitir datos de dispositivos IoT, así como widgets MATLAB para análisis y visualización. Además, ThingSpeak ofrece compatibilidad con diferentes plataformas y dispositivos IoT, como NodeMCU, Raspberry Pi y Arduino.
Amazon Web Services (AWS) Análisis de IoT
Amazon Web Services (AWS) IoT Analytics es un servicio totalmente administrado que permite ejecutar análisis complejos en grandes volúmenes de datos de IoT.
AWS IoT Analytics automatiza todos los desafiantes pasos involucrados en el análisis de datos de dispositivos IoT. Como se muestra a continuación, el servicio filtra, transforma y enriquece los datos de IoT antes de almacenarlos en un almacén de datos de series temporales para su análisis.
Posteriormente, los usuarios pueden analizar sus datos ejecutando consultas ad hoc o programadas utilizando un motor de consultas SQL integrado, así como realizar análisis más complejos. Por último, AWS IoT Analytics permite a las empresas ejecutar análisis de aprendizaje automático (ML), utilizando sus modelos prediseñados para casos de uso comunes de IoT.
Cómo funciona AWS IoT Analytics
Fuente: Servicios web de Amazon (AWS). Haga clic aquí para obtener una versión más grande de esta imagen.
AWS IoT Analytics es un servicio de pago por uso que se escala automáticamente para admitir hasta petabytes de datos de Internet de las cosas (IoT). Con este servicio, los usuarios pueden analizar toda su flota de dispositivos conectados sin administrar hardware o infraestructura.
LEER MÁS: Amazon Web Services (AWS) IoT – Conexión de dispositivos
Casos de uso de AWS IoT Analytics
A continuación se muestran cuatro ejemplos de cómo se pueden aprovechar los datos de Internet de las cosas (IoT) mediante la plataforma AWS IoT Analytics.
Mantenimiento predictivo
AWS IoT Analytics proporciona plantillas para que los usuarios creen modelos de mantenimiento predictivo y los apliquen a su flota de dispositivos IoT. Por ejemplo, AWS IoT Analytics se puede utilizar para predecir cuándo es probable que fallen los sistemas de calefacción y refrigeración en camionetas de carga conectadas, de modo que los vehículos puedan redirigirse para evitar daños en el envío.
Reposición proactiva de suministros
AWS IoT Analytics permite a los usuarios crear aplicaciones de IoT para el monitoreo de inventarios en tiempo real. Por ejemplo, una empresa de alimentos y bebidas puede utilizar datos analíticos de IoT de máquinas expendedoras y reordenar productos de manera proactiva cuando las existencias se están agotando.
Puntuación de eficiencia del proceso
Se pueden crear aplicaciones para monitorear y mejorar constantemente la eficiencia de diferentes procesos a través de AWS IoT Analytics. Por ejemplo, una empresa minera puede aumentar la eficiencia de sus camiones de mineral (por ejemplo, los utilizados para extraer cobre o hierro), a través del monitoreo/análisis de dispositivos IoT y, a su vez, maximizar la carga para cada viaje.
Agricultura inteligente
AWS IoT Analytics puede enriquecer los datos de los dispositivos IoT con metadatos contextuales utilizando datos de registro de AWS IoT o fuentes de datos públicos. De esta manera, el análisis de datos puede tener en cuenta el tiempo, la ubicación, la temperatura, la altitud y otras condiciones ambientales.
Por ejemplo, para determinar cuándo regar los campos, los sistemas de riego podrían enriquecer los datos de los sensores de humedad con datos sobre las precipitaciones, mejorando aún más la eficiencia del uso del agua.
