Lee el artículo de hoy para saber cuáles son las recomendaciones de Gartner para mantener los datos de IoT y de producción libres de problemas.
Internet de las Cosas (IoT) se ha vuelto una de las tecnologías más importantes de la actualidad ya que reúne una amplia cantidad de datos en la red corporativa, desencadenando una serie de informaciones que necesitarán ser evaluadas, recolectadas, organizadas y analizadas por las corporaciones.
Ya existen cerca de 7 mil millones de dispositivos de IoT conectados. Sin embargo, según especialistas, la expectativa es que ese número crezca a 22 mil millones hasta el 2025.
A continuación, podrás conocer los siguientes tópicos:
- • Recomendaciones para enfrentar desafíos de IoT;
- • Suposición de planificación estratégica;
- • Impactos y recomendaciones;
- • Steps of Curating IoT Data Into Insights.
Continúa leyendo el artículo.
Los datos de IoT están transformando a las empresas del sector fabril en fábricas inteligentes, una vez que impulsan una serie de iniciativas de negocios digitales para optimizar procesos, orientar mejor los negocios y, consecuentemente, crear nuevas oportunidades de ingresos.
Con base en las informaciones obtenidas, las empresas consiguen perfeccionar la eficiencia operacional de los activos físicos en todo el sector, además de proporcionarles experiencias más satisfactorias a los usuarios.
Las empresas vienen modernizando sus procesos de producción utilizando tecnologías perfeccionadas de software e IoT, según sus principales necesidades y las dificultades enfrentadas.
Al introducir nuevos datos de IoT en tiempo real, el equipo de TI, así como gerentes y directores, entenderán perfectamente como operan los activos de producción y también verán formas de potenciar operaciones y solucionar eventuales problemas que puedan surgir con el paso del tiempo.
La investigación 2020 Gartner IoT Implementation Trends Survey señala que el 26% de las empresas han afirmado haber implementado IoT en ambientes de producción de gran escala, debido a los beneficios que la tecnología consigue ofrecerles.
Sin embargo, aunque sean muchas las ventajas, también existen desafíos que deben tomarse en consideración. La velocidad y el volumen de los datos de IoT amenazan sobrecargar la infraestructura y los procesos de negocios de las fábricas, así como comprometer las habilidades de los equipos.
La falta de un Data Lake habilitado para IoT y para los datos del sector de manufacturas, por ejemplo, causará aumentos considerables en los gastos operacionales, además de desencadenar vulnerabilidades en la seguridad e informaciones de baja calidad.
Además, muchas veces, las informaciones recolectadas no serán cruzadas con otros datos de producción y por eso generarán resultados imprecisos e incompletos, llevando a tomas de decisión equivocadas y favoreciendo la pérdida de lucros corporativos.
Para evitar que ocurran problemas como estos, hay algunas recomendaciones en el Gartner® Report, como:
Recomendaciones
Los CIOs centrados en la transformación digital y en innovación de la producción que buscan promover la iniciativa de fábrica inteligente deben:
- • Implementar un mecanismo de recopilación de datos que etiquetará los de IoT contextualizándolos en capas de datos calientes, tibios (con accesos frecuentes) o fríos (con raros accesos).
- • Establecer un data lake que combine los datos de IoT calientes, tibios y fríos contextualizados y los datos de producción según lo requerido por el esquema de datos.
- • Definir qué tipo de informaciones de negocios precisa cada responsable por la toma de decisiones, auditando los paneles existentes y evaluando el tipo de datos visuales que necesitan.
Previsión de Planificación Estratégica
Hasta 2025, el 55% de los fabricantes globales implementará un data lake habilitado para IoT que les proporcionará a los líderes empresariales información precisa, frente a los 25% actuales.
Impactos y Recomendaciones
Los datos de IoT no se utilizan por completo porque el volumen que crean los activos físicos dificulta que se generen y abstraigan conclusiones de impacto.
A medida que las inversiones en IoT se materializan totalmente en la fábrica, nuevos flujos de datos comienzan a ser recolectados. Estos flujos de datos de IoT son abundantes por naturaleza y son repetitivos, no son procesados y no son filtrados ni curados. Todos los datos de IoT son de telemetría, y tienen un bajo nivel de contextualización. Cuando los datos de IoT son obtenidos por primera vez sin procesar, son inmediatamente marcados como “calientes”.
Sin embargo, a medida que, con el tiempo, los datos de IoT son procesados, se agrega un mayor nivel de contextualización al combinarse con los datos de producción. A medida que pasan por el embudo de contextualización, los datos de IoT revelarán el nivel de uso y relevancia para el rol de cada responsable por la toma de decisiones de producción.
Pasos para Convertir Datos de IoT en Información
- • Etapa 1: Adquisición;
- • Etapa 2: Contextualización;
- • Etapa 3: Visualización.
Explicación Conceptual:
- • Adquisición: se refiere a los datos del endpoint sin procesar provenientes de los sensores. Los datos del endpoint que fluyen a través de una arquitectura de IoT generalmente lo hacen en gran volumen, velocidad y variedad. En el punto de agregación, los datos de IoT se etiquetan como “calientes”.
- • La contextualización se refiere a la combinación de datos de producción. Las funciones de contextualización pueden variar desde simples (por ejemplo, filtrado) hasta sofisticadas (por ejemplo, clasificación). Los datos de fabricación son combinados a los datos de IoT y los datos son marcados como calientes (simplistas) o fríos (sofisticados).
- • La visualización se refiere a una visualización descriptiva, predictiva y prescriptiva de los datos de producción e IoT seleccionados como un sub producto de todo el proceso de contextualización.
El modelo fue desarrollado para que los datos calientes tengan poca contextualización y los conocimientos que se producen a partir de los datos calientes sean específicos para determinado uso, mientras que los datos fríos exigen datos de producción y tienen varios usos para negocios. Por ejemplo, los datos calientes podrían representarse como datos de telemetría de series de tiempo que pueden desencadenar un apagado automático si la máquina alcanzar su límite considerado de sobrecalentamiento. Los datos fríos serían responsables por el tiempo de inactividad en varias máquinas de la fábrica y crearían información sobre por qué y con qué frecuencia las máquinas necesitarían repararse o mantenerse para evitar futuros periodos de inactividad no programados.
Recomendaciones
- • Organice un plan de alineación de “transformación digital” que consista en sistemas IoT/IT/OT para determinar desde qué activo de producción comenzar a integrar datos (consulta Análisis de investigación: alineación e Integración de TI/OT).
- • Al usar datos de IoT, clasifique los datos calientes en su categoría adecuada (por ejemplo, telemetría, eventos o series de tiempo) y marque los datos de IoT contextualizados como calientes o fríos de acuerdo con los requisitos del esquema de datos.
Conclusión
La IoT es una tecnología que se muestra cada vez más necesaria para extraer y explotar el valor de los negocios del sector fabril a partir del volumen de datos.
Es una tendencia que, según el informe Gartner, va a crecer exponencialmente durante los próximos años. La previsión es que serán comprados al menos 12 millones de dispositivos de endpoint IoT por día hasta el año 2022.
Este concepto puede ayudar particularmente en los procesos de producción modernos que originan una enorme cantidad de datos.
Cuando se recolectan y utilizan adecuadamente, los datos de IoT pueden traer informaciones valiosas para auxiliar en la toma de decisiones comerciales más inteligentes.
Por lo tanto, ésta es una buena táctica para las corporaciones que buscan alcanzar una ventaja competitiva para aprovechar aún más sus negocios.
