De AI World:Por qué aprovechar los datos perimetrales requiere mucha energía

Un chat junto a la chimenea en AI World discutió los problemas encontrados en la extracción de datos desde el perímetro.

Uno puede ser perdonado por asumir que los fabricantes están listos para abrir sus diversos sistemas de producción y comenzar a aprovechar los datos que han quedado atrapados en su interior. La realidad puede ser mucho más complicada.

Los problemas encontrados en la extracción de datos del perímetro se exploraron en una charla informal con Joseph Etris, gerente de proyectos de ingeniería de Continental Automotive Systems, junto con John Auld, director regional de ventas de Zededa, Inc. Tuve la oportunidad de moderar la sesión, parte de la reciente conferencia mundial de AI en Boston.

Ver también: La fabricación lidera el paquete IoT

La unidad de Etris en Continental fabrica convertidores catalíticos para el sector automotriz, una tarea que consume mucha energía. En 2018, Etris y su equipo se propusieron capturar, analizar y mitigar el uso de electricidad y las emisiones relacionadas en toda su gama de controladores lógicos programables (PLC) de Siemens, instalados por primera vez en la década de 1990. El desafío, explicó Etris, fue extraer los datos SCADA de los PLC para integrarlos con los datos que emanan de los sensores eléctricos más nuevos.

Si bien muchos proveedores afirman que los sistemas industriales más antiguos pueden entregar fácilmente sus datos en un mundo IoT perfecto, esto está lejos de ser el caso, relata Etris. Los sistemas de producción heredados a menudo no se diseñaron para ser abiertos y, a menudo, no están habilitados para la red.

Auld, que representaba a Siemens en ese momento, trabajó con el equipo de Continental para extraer los datos del PLC y proporcionar una calibración en tiempo real. Además, los datos se cargan cada 10 minutos en un repositorio en la nube en Amazon Web Services.

Los desafíos que encontró Continental son sintomáticos de los problemas que se encuentran en el panorama de la fabricación, explica Auld. "Hay una gran cantidad de datos oscuros que existen en silos dentro de muchas empresas". Esto no solo presenta desafíos técnicos, sino también organizativos, ya que varios equipos deben participar en los esfuerzos de IA sobre IoT.

La gestión del almacenamiento de datos en la era de la IA y la IoT fue otra área discutida por los panelistas. Muchas organizaciones se enfrentarán a volúmenes crecientes de transmisión de datos a sus sistemas desde varios conjuntos de controladores y sensores y, a menudo, terminarán depositándolos en lagos de datos.

Los fabricantes necesitan establecer una capa de interfaz común que pueda extraer y leer datos de todas las generaciones de sistemas de producción, dijo Auld. Además, se debe garantizar la coherencia, ya que los datos de varios sistemas pueden tener diferentes significados y umbrales. El desafío para muchos fabricantes es que pueden tener muchas fábricas separadas, cada una con sus propias iniciativas y estándares.