El Big Data como uno de los llamados “habilitadores digitales” de la Industria 4.0 es, sin duda, una de las tecnologías más prometedoras para contribuir a la revolución en las fábricas, lugares donde grandes cantidades de datos esconden una enorme cantidad de conocimiento y posibles mejoras para los procesos de fabricación.

La Agenda Estratégica de Investigación e Innovación (SRIA) de la Big Data Value Association (BDVA) define los objetivos generales, las principales prioridades técnicas y no técnicas y una hoja de ruta de investigación e innovación para la Asociación Público-Privada Europea (PPP) sobre Big Data. Dentro de las expectativas actuales del futuro Mercado de Datos en Europa (alrededor de 60 B€), la fabricación estuvo en primer lugar en 2016 (12,8 B€) y en las proyecciones para 2020 (17,3 B €).

La BDVA adoptó la definición del concepto “industria manufacturera inteligente” (SMI, del inglés Smart Manufacturing Industry), que incluye toda la cadena de valor alrededor de la producción de bienes. Identificó, además, tres grandes escenarios para representar las diferentes características de una SMI en Europa: Fábrica inteligente,  Cadena de suministro inteligente y Ciclo de vida del producto inteligente.

Dada la relevancia tanto del mercado de datos como de la industria manufacturera en Europa y de acuerdo con la iniciativa europea de Digitalización de la industria, CARTIF, junto con el resto de expertos de la asociación BDVA, se involucró en un esfuerzo colectivo para definir un documento de futuros retos de investigación para la industria manufacturera en el contexto de Big Data.

Para contextualizar estos desafíos de investigación, la asociación BDVA ha definido cinco áreas técnicas para investigación e innovación dentro de la comunidad BDVA:

  • Gestión de datos y ciclo de vida, motivado por la explosión de datos, donde los medios tradicionales de almacenamiento y gestión de datos ya no son capaces de hacer frente al tamaño y la velocidad de los datos generados.
  • Arquitecturas de procesamiento de datos, originadas por el rápido desarrollo y adopción de la internet de las cosas (IoT) y la necesidad de procesar cantidades inmensas de flujos de datos de sensores.
  • Análisis de datos, que tiene como objetivo el progreso de las tecnologías y el desarrollo de capacidades para convertir el Big Data en valor, pero también para que esos enfoques sean accesibles al público en general.
  • Protección de datos, que aborda la necesidad de garantizar el uso correcto de la información a la vez que garantiza la privacidad del usuario. Incluye tecnologías avanzadas de protección de datos, privacidad y anonimización.
  • Visualización de datos e interacción con el usuario, que abordan la necesidad de medios avanzados de visualización y de interacción con el usuario capaces de manejar continuamente la complejidad y el tamaño de los datos crecientes y ayudar al usuario a explorar y comprender el Big Data de manera efectiva.

A lo largo de 2016 y 2017, los expertos de la BDVA destilaron una serie de desafíos de investigación para los tres grandes escenarios de fabricación inteligente comentados anteriormente. Estos desafíos se mapearon en las cinco áreas de prioridad técnica del modelo de referencia de Big Data previamente comentadas.

Para ejemplificar los resultados de este mapeo, la siguiente figura reúne los títulos del conjunto de desafíos identificados y discutidos por los miembros de la BDVA para el Escenario Smart Factory. Se anima a los lectores interesados a analizar el conjunto completo de desafíos en el documento de orientación SMI.

Los desafíos establecidos inicialmente en esta primera versión del documento de orientación de SMI marcarán el tono para las próximas necesidades de investigación en diferentes áreas de Big Data relacionadas con la fabricación.

En el escenario Smart Factory, la atención se centra en la integración de múltiples fuentes de datos que provienen no solo del taller, sino también de las oficinas, tradicionalmente separadas en la Industria 3.0. La interoperabilidad de los sistemas de información existentes y el desafío de integrar tecnologías disruptivas de la IoT son pruebas importantes en el área de gestión de datos. Más cerca de las necesidades de una fábrica inteligente, los desafíos en analítica de datos se centran en el análisis prescriptivo como herramientas para un proceso de toma de decisiones óptimo en la gestión de operaciones de fabricación, incluida la optimización a través del nuevo concepto de gemelo digital.

Aníbal Reñones Domínguez

Aníbal Reñones Domínguez

Doctor ingeniero industrial. Sus líneas de trabajo han evolucionado desde el mantenimiento predictivo y el desarrollo de sistemas embebidos para diagnóstico hasta la Fabricación del Futuro, línea en la que coordina varios proyectos.
Aníbal Reñones Domínguez
Facebooktwittergoogle_pluslinkedin

About Aníbal Reñones Domínguez

Doctor ingeniero industrial. Sus líneas de trabajo han evolucionado desde el mantenimiento predictivo y el desarrollo de sistemas embebidos para diagnóstico hasta la Fabricación del Futuro, línea en la que coordina varios proyectos.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

13 − cinco =