Category Archive Industria IoT

ByMaximiliano Gonzalez Kunz Chachu

Internet de las cosas y los viñedos: crecen los frutos de la innovación

La innovación es una empresa principio compartido tanto por IBM y E. & J. Gallo Winery, el más grande del mundo, la bodega de propiedad familiar con sede en Modesto, California. Mientras que el Internet de las cosas (IoT) y el vino no parecen obvios asociados, las dos compañías encontraron un propósito común centrado en el cultivo de las mejores uvas de calidad al tiempo que optimiza la cantidad de agua aplicada a la viña.

 

En el núcleo de E. & J. Gallo Winery es un fuerte compromiso para producir vinos de alta calidad si bien está consciente de cómo la tierra se cultiva. Esto sólo es posible mediante el pago de una atención cuidadosa a cada paso en el proceso de cultivo de la uva. También requiere una comprensión íntima de viñedo, y condiciones de cultivo, incluyendo el clima, la exposición a la luz solar, la calidad del suelo, la pendiente y la topografía. Gallo tiene una larga tradición de fomento y adherirse a las prácticas sostenibles que sean ecológicamente racionales. Este objetivo es primordial para la conservación del agua en todos sus viñedos en California y Washington.

 

Gallo estaba trabajando en 2012 en el mejoramiento de la eficiencia del uso del agua mediante teledetección. El concepto de utilizar imágenes de satélite de la NASA para determinar parral tamaño y estado de las aguas, así como para determinar el uso de agua de vid. El equipo de Gallo notó un alto grado de variabilidad en el uso del agua de vid a través de sus viñedos, que les llevó a buscar un colaborador en IBM Research.

 

IBM ha aplicado su experiencia en IoT, física y cognitiva analítica de las tecnologías informáticas para co-desarrollar un método de riego de precisión y prototipo de sistema e instalarlo en un viñedo de 10 hectáreas. Este trabajo proporciona la primera evaluación científica a gran escala de Grapevine respuesta a Hyper-local el riego de precisión, y demostró que este método podría reducir el uso del agua en un 25 por ciento.

ByMaximiliano Gonzalez Kunz Chachu

Datos y más datos: cómo IoT podría afectar las vidas de las personas con diabetes

Si usted piensa acerca de la vida de un diabético tipo 1 (T1D) abunda en datos. Por ejemplo, es recomendable que la mayoría de los diabéticos tipo 1 realice una prueba sus niveles de glucosa en la sangre (BG) al menos 5-6 veces al día. Así que 5-6 puntos de datos cada día.

He sido un T1D durante más de 33 años. No puedo decir que siempre he hecho lo que era recomendable, pero, si tengo un promedio de 3 pinchazos al día, lo que sería el total de 36,135 gotas de sangre y tiras de prueba (36,135). Ouch! Pero lo que es más importante, hay más de 36,135 puntos de datos con esos 36,135 gotas de sangre y los 36,135 mediciones de glucosa en la sangre.

Hay un montón de otros factores involucrados en el manejo de la diabetes en el día a día. Tasa basal, la sensibilidad a la insulina, los carbohidratos a la insulina ratio, y la ingesta de carbohidratos son sólo algunos de los factores que pueden ser especificados y/o medido. Y hay un sinnúmero de otros factores que son menos medibles, estrés, hormonas, la actividad, la enfermedad del sueño, etc.

Se puede imaginar la dificultad de tratar de relacionar todas estas dimensiones, analizarlas y, a continuación, tomar decisiones informadas basadas en ellos. Mi cabeza gira a veces sólo pensarlo (aunque tengo que hacer cada día). Aquí están algunos ejemplos de los datos que estoy recogiendo y compartiendo con mi endocrinólogo entre las visitas.

Aún con todos estos datos en la palma de la mano, el manejo de mi diabetes no es fácil, y es muy difícil de predecir. Yo podría hacer la misma cosa, comer exactamente lo mismo al mismo tiempo y tratarla con exactamente la misma cantidad de insulina – y puedo garantizarle que no voy a obtener los mismos resultados. Hay veces cuando mis niveles de glucosa en sangre realmente me sorprende, especialmente a los muy graves, y esos son los peligrosos.

 

IBM Watson y diabetes

IBM está colaborando con el líder de dispositivos médicos Medtronic Diabetes predictivo en una solución de administración. En un proyecto piloto para ver cómo Watson puede ayudar a las personas con diabetes, Medtronic e IBM tomaron 600 casos anteriores del paciente y análisis cognitivo aplicado a los datos de las bombas de insulina de Medtronic y monitores de glucosa. Watson fue capaz de predecir la hipoglucemia (azúcar bajo en la sangre extrema – hasta tres horas antes de su inicio, con la antelación suficiente para que una persona pueda tomar medidas para prevenir un suceso potencialmente peligrosos para la salud.

Wow, tres horas de antelación, de manera que yo pudiera hacer algo al respecto.

 

ByMaximiliano Gonzalez Kunz Chachu

Estamos en medio de una revolución industrial

Organizaciones en el sector industrial y, en particular, la fabricación se están transformando y perturbado por la fuerza irresistible de cloud computing, y la Internet de las cosas cognitiva. Este fenómeno, caracterizado como la cuarta revolución industrial después de la robótica y la automatización, es un tema candente para los fabricantes de todo el mundo que tratan de comprender cómo se convierten en los endocrinos en lugar de la perturbación. La Internet de las cosas, en particular, constituirán la piedra angular de esta revolución, ya que proporciona los medios para supervisar constantemente la producción.

 

¿Cómo podemos ser alteradores en una revolución?

Sin embargo, la gran pregunta es cómo y por dónde empezar? La mejor respuesta es una combinación de led de dirección empresarial (“de arriba hacia abajo”) y la exploración de la tecnología (“bottom up“). La vista superior proporciona el enfoque -por ejemplo, priorizando un fracaso recurrente porque incurre regularmente a través de las mayores pérdidas se detiene en la línea de producción. El Fondo proporciona los medios para identificar las causas mediante una mejor instrumentación. Para muchos, simplemente use equipo de medición y comprensión de la verdadera eficacia de su funcionamiento es un salto hacia adelante.

Mientras que unos pocos afortunados pueden darse el lujo de construir una nueva fábrica, la realidad es que muchos fabricantes ya han invertido considerablemente en equipo y las habilidades para operar a lo largo de muchos años. En esos “escenarios” brownfield, por lo tanto, el fabricante es poco probable que pueda justificar un rip-y-Reemplazar estrategia para tomar ventaja de las nuevas tecnologías. Además, los equipos instalados serán de una época donde la instrumentación digital no está incorporada, o la instrumentación disponible es deliberadamente muy encerrado en sistemas patentados que sirve un punto objetivo.

Optimización de los marcos existentes con instrumentación complementaria

en ambos casos, la mejor estrategia es agregar instrumentación complementaria, ya sea en forma de add-on sensores externos (por ejemplo, la vibración, el sonido, la temperatura) o, si es posible, tomando un feed de cualquier propietario de sensores a bordo de modo que los datos ya están siendo capturadas pueden ser cosechados en un contexto más amplio. Los sensores que son necesarios pueden requerir alguna exploración. Informes anecdóticos de los operadores pueden proporcionar la clave – por ejemplo, si hay una regla general que un fracaso concreto se produce en los días calurosos, además de algunos buenos antiguo sentido común. Si una línea de producción es a menudo interrumpida sin advertencia porque la presión ha sido superada en el montaje de un motor, podemos suponer razonablemente que midiendo la presión sobre una base continua, podría surgir una tendencia que podemos capitalizar.

La buena noticia es que este proceso pueda comenzar pequeño y crecer con la experiencia.

ByMaximiliano Gonzalez Kunz Chachu

4.0 la industria cumple con la IoT cognitiva

Industria 4.0 es un término que se refiere a la cuarta fase de la innovación industrial que está realizando actualmente. El término “Industrie 4.0” procede de un proyecto en la estrategia de alta tecnología del gobierno alemán, popularizado en la Feria de Hannover, 2011. Yo se abstengan de utilizar la palabra “revolución”, y si prefiere “fase”, ya que el progreso tecnológico es continuo, y es la culminación o confluencia de un conjunto de tecnologías que marca una nueva fase en lugar de un repentino cambio de paso (como en la “revolución”). La primera fase de la industria (1.0) o la revolución industrial original participan de la mecanización de la producción a través del agua y la energía de vapor.

La segunda industria (2.0) fase implicó la invención de la línea de producción, la energía eléctrica, y una mejor división del trabajo. Introducido por los mataderos de Cincinnati en 1870, el concepto tomó vida con la popularización del Ford Modelo T en la producción. Negro era el único color del modelo T llegó en 1914 a través de 1925, y el motivo fue la economía, no de estilo. Negro fue el único color que podría ser la pintura que secara rápidamente, y la velocidad era importante en la planta Ford debido a su enorme volumen. En 7 de los 19 años del modelo, otros colores: verde, rojo brillante, azul oscuro, marrón, marrón y gris estaban disponibles. La industria 3.0 era la edad de controles informatizados, con la introducción de controles lógicos programables (PLC). Aparición de ERP (enterprise resource planning) software ayudó a la automatización de una variedad de empresas (no sólo de la fabricación).

4.0 La industria es impulsada por acelerar la digitalización activada por sensores que son omnipresentes, multi-modal & networked arrojando grandes volúmenes de datos, la aparición de grandes en tiempo real análisis de datos que caben en los bucles de control o supervisión de los controles, las nuevas formas de interacción hombre-máquina, tales como interfaces táctiles y sistemas de realidad aumentada; y la vinculación de los resultados de detección/analytics para nuevas formas de actuación tocando el mundo físico: la próxima generación de robótica en 3-D y la impresión.

IoT cognitiva: detección multi-modal, AI & Natural interfaces hombre-máquina

IoT cognitiva es el uso de tecnologías de computación cognitiva en combinación con los datos generados por los dispositivos conectados y las acciones de estos dispositivos pueden realizar.

IoT cognitivo comienza a partir de la digitalización habilitada por el IoT y la necesidad de manejar toneladas de IoT generado, en gran parte de datos no estructurados, multi-modal y creciendo muy rápido (véase infra). Esto requiere una base sólida y escalable de tecnologías de gestión de datos. El siguiente reto es que hoy una gran cantidad de datos del sensor se desechan o “oscuro”, es decir, realmente no utilizados, o atascados en un solo propósito silos (donde su productividad es limitada).