Guía de analítica de IoT

Qué esperar de los datos de la Internet de las cosas

0
55

El crecimiento de la Internet de las cosas (IoT, por sus siglas en inglés) está teniendo un gran impacto en muchas áreas dentro de la TI empresarial, y la analítica de datos es una de ellas.

Las empresas están recopilando enormes volúmenes de información de todo tipo de objetos conectados, como datos sobre la manera en que los consumidores utilizan ciertos productos, el rendimiento de los activos corporativos y las condiciones ambientales en las que operan los sistemas. Al aplicar analítica avanzada a estas corrientes de datos entrantes, las organizaciones pueden obtener nuevos conocimientos que pueden ayudarles a tomar decisiones más informadas sobre qué acciones tomar. Y ahora que las compañías colocan sensores de IoT en más y más objetos, los volúmenes de datos entrantes continuarán creciendo.

“La computación basada en sensores es una tendencia muy importante en la transformación digital”, señala Maureen Fleming, analista de la firma de investigación IDC. “La inteligencia operativa que utiliza el monitoreo basado en la condición garantiza a las organizaciones la salud de los dispositivos, máquinas y sistemas conectados a sensores. Dependiendo del caso de uso, la aplicación del aprendizaje automático [ML] en los datos de los sensores tiene como objetivo predecir la probabilidad de interrupciones, la propensión a comprar, problemas de salud, etc.

Fleming señala que aplicar el aprendizaje automático a los datos de sensores en combinación con datos de aplicaciones empresariales, también puede cambiar fundamentalmente el funcionamiento de una organización, al predecir problemas para cumplir con los acuerdos de nivel de servicio para clientes o problemas de logística dentro de una cadena de suministro.

IoT “está impulsando la mezcla de los mundos digital y físico”, comenta Brian Hopkins, vicepresidente y analista principal de Forrester Research. “Casi todas las empresas desean que los datos en tiempo real del mundo físico den el siguiente paso en la búsqueda de ideas que ofrezcan una ventaja competitiva”.

Forrester ve tres escenarios principales para obtener información a través de la analítica. Uno es conocimientos de los productos inteligentes conectados en sí mismos. Otro escenario es información sobre cómo es que las cosas conectadas funcionan de manera eficiente, lo que puede ayudar a las compañías a mejorar los procesos que involucran activos físicos. Y el tercero se trata de conocimientos sobre cosas y personas que provienen de los datos de IoT de los socios comerciales, como los proveedores.

IoT necesita una nueva infraestructura
Sin embargo, para muchas empresas, la infraestructura de analítica de datos existente no manejará adecuadamente los aumentos esperados en el volumen generado por IoT. Tendrán que modificar sus entornos de TI para que estén más “preparados para IoT”.

“IoT está creando una cantidad de datos descomunales en la empresa en términos de volumen y velocidad”, señala Mark Hung, vicepresidente de investigación de la firma de investigación Gartner. “Para extraer valor de estos datos, la arquitectura de la analítica de datos de la empresa debe renovarse”.

Para que las empresas actúen sobre los datos de IoT de manera oportuna, a menudo se requiere analítica de streaming o en tiempo real, asegura Hung. La necesidad de incorporar nuevos métodos de análisis, como la analítica de streaming; y la nueva infraestructura, como gateways perimetrales, coloca nuevos requisitos de arquitectura en la infraestructura de TI existente, afirma.

La analítica para IoT cuenta con algunos requisitos únicos en comparación con la analítica para otros tipos de datos. Esto incluye el formato de datos, la riqueza de datos, la sensibilidad al tiempo, dónde se almacenan los datos y por cuánto tiempo.

“La necesidad clave es cerrar la brecha entre la generación de datos en el mundo físico y la necesidad de acción en el mundo físico o digital”, anota Hopkins. “Esto, inevitablemente, significa empujar un poco la lógica analítica al borde -fuera de la nube o del centro de datos. El problema es que los servidores y dispositivos tienen mucho menos poder de cómputo”. Algunos poseen limitaciones de batería o de energía, y mucho menos almacenamiento de lo que requiere el análisis, señala Hopkins. Por lo tanto, la analítica necesita ser distribuida. “Algunas cosas suceden en los dispositivos, otras en servidores edge y gateways, otras en entornos de procesamiento central”, añade.

El desarrollo de la captura de datos en tiempo real, la gobernanza de los datos y la disponibilidad de servicios se encuentran entre los mayores desafíos a los que se enfrentará TI al crear un entorno de analítica de IoT, afirma Hopkins.

“Dado que no todos los datos se guardan de forma ordenada en una base de datos, cada dispositivo que produce datos tiene que ser catalogado, los datos que produce son sometidos a la gobernanza, etc.”, indica Hopkins. “Hay muchos problemas de seguridad y privacidad que tradicionalmente han caído en el regazo de TI. El problema es que se está realizando una gran cantidad de inversión en IoT fuera de TI [dentro del área de operaciones], pero TI sigue sintiendo la presión para asegurar el sistema y proteger los datos”.

La analítica de IoT también generará nuevas presiones en la infraestructura de red. “A medida que crecen los volúmenes de datos, las redes deben ser mucho más flexibles y lograr un mayor rendimiento, mientras que son seguras”, comenta Hopkins. “Mucho pedir”.

Según Hung, dependiendo de la aplicación e industria, los requisitos de IoT generarán una mayor demanda de ancho de banda adicional y menos tolerancia a la latencia dentro de la infraestructura de red.

Determinar si una organización debe implementar servicios externos o análisis interno es un tema complejo que tiene múltiples facetas, asegura Hung. “Algunos de los factores incluyen los requisitos de privacidad de datos de la empresa y las capacidades de análisis interno”, añade.

Fleming comenta que la disponibilidad de habilidades es una consideración fundamental. “Otra es si hay bibliotecas listas para usar que aceleran el desarrollo, en lugar de la necesidad de crear algoritmos propietarios”, señala la ejecutiva. “Además, la analítica de IoT a menudo se centra en series de tiempo, que pueden requerir nuevas capacidades”.

Entre las industrias que están adoptando la analítica de IoT, están la exploración de energía (por ejemplo, petróleo y gas), que tradicionalmente ha estado a la vanguardia de la adopción del análisis de IoT, anota Hung. “Sin embargo, otras industrias clave, como la fabricación y el transporte, también se están volviendo cada vez más activas en la evaluación de la analítica de IoT”, menciona.

Elegir una plataforma de analítica de IoT
Varios proveedores ofrecen sistemas de analítica de IoT. Por ejemplo, IBM ofrece la plataforma Watson IoT, un servicio administrado y alojado en la nube que proporciona capacidades como registro de dispositivos, conectividad, visualización rápida y almacenamiento de datos IoT. IBM Watson provee procesamiento de lenguaje natural, aprendizaje automático y análisis de imágenes y texto para aplicaciones IoT.

Los clientes utilizan la plataforma para adquirir y almacenar datos incorporados en dispositivos para tomar decisiones casi en tiempo real utilizando el análisis de Watson y la inteligencia artificial (AI), señala Stephan Biller, vicepresidente de gestión de ofertas en IBM Watson IoT. Los sensores envían datos a través de una red de radio Z-Wave a las gateways conectadas a través de un cable LAN a Internet. La data se captura y almacena en la nube de IBM.

“Las reglas de analítica de IoT se pueden establecer de acuerdo a condiciones específicas que desencadenan acciones específicas”, señala Biller. Por ejemplo, un cliente puede crear una regla para garantizar que se envíe una alerta a un panel de datos y que un correo electrónico se envíe simultáneamente a un administrador, cuando se cae un dispositivo o su temperatura aumenta, comenta.

IBM continúa viendo un aumento constante en la demanda de la plataforma IoT, afirma Biller. “Vemos que la adopción de IoT empresarial crece a medida que los proyectos pasan de la prueba de concepto a la producción”, anota. “Las inversiones en plataformas son críticas, ya que los clientes reconocen la necesidad fundamental de conectar sensores y dispositivos, y administrar, almacenar y proteger los datos”.

Las plataformas como Watson IoT están diseñadas para ayudar a los clientes a realizar analítica básica, como generar alertas y detectar anomalías en los flujos de datos. “Pero la mayor parte del crecimiento que vemos proviene de clientes que reconocen que [el] valor real se encuentra más allá del básico ‘conectar y recopilar'”, comenta Biller. “Estos clientes están interesados en el análisis avanzado, el aprendizaje automático y otras tecnologías de inteligencia artificial que pueden implementarse para ayudarles a comprender sus datos e impulsar beneficios, como la mejora de la eficiencia operativa y del tiempo de actividad de los activos”.

La analítica de IoT dirigida a industrias específicas son críticas para los clientes, asegura Biller. “A menudo, esto viene en forma de plantillas modelo para industrias que construimos conjuntamente con la investigación de IBM y nuestros clientes”, indica. “Si bien, ciertas técnicas de distintos sectores industriales pueden ser usadas para la preparación de datos básicos y las perspectivas iniciales, encontramos que las condiciones de negocio de cada cliente y, a menudo, las fuentes de datos únicas requieren un mayor grado de personalización”.

Amazon ofrece AWS IoT Analytics, un servicio administrado diseñado para facilitar la ejecución y la operatividad de la analítica sofisticada en volúmenes masivos de datos de IoT sin tener que preocuparse por el costo y la complejidad típicamente requeridos para construir una plataforma analítica de IoT.

AWS IoT Analytics automatiza cada uno de los pasos necesarios para analizar los datos de los dispositivos de IoT, señala Marco Argenti, vicepresidente de tecnología de AWS. Filtra y enriquece los datos de IoT antes de guardarlos en un almacén de datos de series de tiempo para su análisis. Las organizaciones pueden configurar el servicio para recopilar solo los datos que necesitan de sus dispositivos, aplicar transformaciones matemáticas para procesar los datos y enriquecer los datos con metadatos específicos del dispositivo, como el tipo de dispositivo y la ubicación antes de almacenar los datos procesados.

Luego, pueden analizar sus datos ejecutando consultas programadas utilizando el motor de consultas SQL incorporado, o realizar analítica más compleja e inferencia de aprendizaje automático. AWS IoT Analytics incluye modelos pre-construidos para casos de uso comunes de IoT, comenta Argenti.

Las organizaciones también pueden usar su propio análisis personalizado, empaquetado en un contenedor, para ser ejecutado en AWS IoT Analytics. La plataforma automatiza la ejecución de análisis personalizados creados en Jupyter Notebook o las herramientas propias de la organización.

Además, AWS también cuenta con AWS Greengrass en su cartera de IoT. AWS Greengrass es un software que permite a las empresas ejecutar capacidades locales de cómputo, mensajería, almacenamiento en caché de datos, sincronización e inferencia de aprendizaje automático para dispositivos conectados, señala Argenti.

Con AWS Greengrass, los dispositivos conectados pueden mantener los datos sincronizados y comunicarse con otros dispositivos de forma segura, incluso cuando no están conectados a Internet. Al usar AWS Lambda, Greengrass garantiza que los dispositivos IoT puedan responder rápidamente a eventos locales, usar las funciones de Lambda que se ejecutan en Greengrass Core para interactuar con los recursos locales, y operar con conexiones intermitentes.

“Debido a los desafíos únicos de los datos de IoT, ha habido una demanda acumulada [de analítica] ya que los fabricantes de dispositivos conectados y las empresas tuvieron que crear aplicaciones personalizadas de software y hardware dedicadas a administrar dispositivos específicos y sus datos”, indica Argenti. “La construcción de estas aplicaciones fue costosa, no se adaptaron bien a grandes flotas de diferentes tipos de dispositivos, y fueron típicamente inflexibles”, señala.

Encontrar el éxito con la analítica de IoT
Las empresas que han implementado plataformas de analítica de IoT están viendo beneficios.

Georgia Pacific, uno de los principales fabricantes mundiales de tejidos, pulpa, papel, envases, productos de construcción y productos químicos relacionados, ha implementado AWS IoT Analytics.

Los dispensadores de la compañía le permiten entregar productos a los clientes, y Georgia Pacific se enfoca en hacer que estos dispensadores sean “inteligentes” al agregar sensores y conectividad, señala Erik Cordsen, arquitecto de programas de IoT y líder de productos.

Eso permite a la compañía mejorar la experiencia del cliente, al proporcionar información en tiempo real sobre los niveles de los productos y otras estadísticas, indica Cordsen. Con miles de puntos finales alimentando datos de manera continua, Georgia Pacific está utilizando AWS IoT Analytics para enriquecer los mensajes con la ubicación y los metadatos del producto, a fin de brindar mejores servicios al cliente.

KONE Americas, que proporciona ascensores, escaleras mecánicas y puertas automáticas para edificios, está utilizando la plataforma de IBM para analizar los datos de IoT. “Siempre buscamos formas en que las nuevas tecnologías y la innovación puedan permitirnos servir mejor a nuestros clientes”, señala Danilo Elez, vicepresidente senior de servicios para KONE.

“Los ascensores y las escaleras mecánicas generan una gran cantidad de datos, y queríamos aprovechar esos datos para aportar valor a nuestros clientes y personalizar la experiencia de pasar de un piso a otro, o de un espacio a otro, dentro de un edificio”, anota Elez.

Después de implementar la plataforma IBM en el 2016 para desarrollar inteligencia y análisis, KONE pudo lanzar nuevas ofertas, como los Servicios Conectados KONE 24/7. Los servicios le permiten a la compañía predecir mejor las fallas antes de que ocurran, y mejorar el rendimiento y la confiabilidad del equipo. “Significa seguridad mejorada, transparencia total y tranquilidad mental, porque si algo fuera a suceder, ya lo sabríamos”, asegura Elez.

KONE atiende a 450 mil clientes y tiene 1,2 millones de ascensores y escaleras mecánicas en su base de servicios. La plataforma de IBM Watson IoT e IBM Cloud pueden analizar, en tiempo real, grandes cantidades de datos de sensores de elevadores y escaleras mecánicas integrados. Cuando el análisis de los datos de IoT detecta un mal funcionamiento inminente, los técnicos aparecen en la escena con las partes necesarias y en la ubicación adecuada, para realizar las correcciones necesarias.

“Esto ayuda a predecir con precisión las necesidades de los equipos y ayudar a nuestros técnicos a realizar el mantenimiento correcto en el momento adecuado”, señala Elez. El resultado es que KONE puede predecir y responder mejor a los problemas técnicos en tiempo real, manteniendo el equipo en funcionamiento y también ahorrando tiempo y dinero.

“IoT permite a nuestros más de 20 mil técnicos en todo el mundo ofrecer un mejor servicio, una mayor disponibilidad de equipos, y experiencias más personalizadas para los consumidores”, finaliza Elez.

Bob Violino, NetworkWorld.com