M315 Industria MetalMecánica

DIGITALIZACIÓN E INDUSTRIA 4.0 50 ginación y la inteligencia colectiva lo permita. Como hemos visto anterior- mente, si contamos con una estrategia y un plan de transformación digital, aventurarnos en este viaje será algo más cómodo y seguro, no exento de riesgos y peligros, pero lleno de aprendizaje y potenciales beneficios personales y colectivos. La manera en que la fábrica inteligente funciona es a través del uso extensivo de Internet de las Cosas (IoT), un nuevo paradigma tecnológico previsto como una red global de máquinas y dispo- sitivos capaces de interactuar entre sí. Su verdadero valor se materializa cuando los dispositivos conectados son capaces de comunicarse entre sí e integrarse con los sistemas de ges- tión creados, ya sean de atención al cliente, aplicaciones de inteligencia empresarial o análisis de negocio. A pesar de la creciente popularidad de IoT, pocos estudios se han centrado en la categorización de los usos de la infor- mación obtenida de los IoT. Basándose en las tendencias tecnológicas y en la revisión de la literatura, (Lee and Lee 2015) identifica tres categorías de IoT para las aplicaciones empresariales: • Supervisión y control: recogen datos sobre el rendimiento de los equipos, el uso de la energía y las condiciones ambientales, y permiten a los gestores y a los controladores automatizados hacer un seguimiento constante del rendimiento en tiempo real en cualquier momento y lugar. • Big data y análisis empresarial: los dispositivos y máquinas dotados con sensores y actuadores integrados generan enormes cantidades de datos y los transmiten a las herra- mientas de inteligencia y análisis empresarial para soportar la toma de decisiones. • Intercambio de información y colaboración: pueden darse entre personas, entre personas y cosas, y entre cosas. En el ámbito de la cadena de suministro, el intercambio de información y la colaboración mejoran el conocimiento de la situa- ción y evitan el retraso y la distorsión de la información. Actualmente, los distintos avances en Inteligencia Artificial nos permi- ten sacar provecho de la información que recogemos en la fábrica a través de la aplicación de técnicas de Machine Learning (ML) y Deep Learning (DL). El ML es una rama de la inteligencia artificial que estudia los algoritmos capaces de aprender de forma autó- noma, directamente a partir de los datos de entrada. En la última década, las técnicas de ML han dado un gran salto hacia adelante, como demuestran los algoritmos de DL implementa- dos por los coches de conducción autónoma, o por las capacidades de identificación facial del software. De ahí que los investigadores hayan empe- zado a considerar el ML también para aplicaciones en el ámbito industrial, de hecho, muchos trabajos señalan el ML como uno de los principales habilitadores para hacer evolucionar un sistema de fabricación tradicional hasta el nivel de la Industria 4.0. Sin embargo, las aplicaciones industriales son todavía escasas y se limitan a un pequeño grupo de empresas inter- nacionales o centros de investigación. Una de las razones puede ser que cuando intentamos manejar grandes volúmenes de datos obtenidos de dis- tintos sensores dispuestos en diversas máquinas se nos pueden presentar algunos problemas. Estos son algunos de los más frecuentes relacionados con el manejo de datos para aplicaciones industriales: (Cui et al. 2020): • Gran escala: grandes volúmenes de datos con distintas características. • Frecuencias demuestreo omarcas de tiempo incoherentes: los sensores utilizan varias frecuencias y marcas de tiempo; La alta frecuencia de muestreo, en ocasiones innecesaria, afecta al rendimiento en tiempo real. • Datos por lotes y flujo de datos: la modificación y/o análisis de datos puede ser o no sensible al tiempo. • Registros faltantes: los registros pueden quedarse vacíos cuando hay una anomalía en el equipo, fallas de comunicación o fallas en el sensor. • Desbalanceo: datos de probabilidad pequeña en un conjunto de datos muy grande con la mayoría de datos normales.