Procesamiento de datos VS Inteligencia Artificial para la eficiencia energética

La diferencia entre Big Data, Smart Data y los modelos de datos utilizados por Dametis

Big Data: la IA se abastece de tantos datos como sea posible

Debido a la heterogeneidad de los datos que componen Big Data, las correlaciones pueden encontrarse de forma aleatoria. El gran número de parámetros implicados afecta a la precisión de las distintas correlaciones. Peor aún, algunas pueden carecer por completo de sentido.

Ya se han hecho correlaciones de este tipo. En concreto, una IA ha relacionado el número de ventas de helados y los ahogamientos, a pesar de que no existe ninguna relación causal entre ambos. Simplemente tienen la misma causa, el aumento del número de personas que visitan las playas.

Otro ejemplo: se ha observado que el número de inodoros tirados en un estado del sur de Estados Unidos era proporcional al número de divorcios observados en el estado opuesto. Pero no existe ningún vínculo entre estos dos fenómenos.

Datos inteligentes: los datos se seleccionan por temas, para limitarse a un contexto funcional.

Con Smart Data, los datos se agrupan por temas, limitando la IA al uso de datos de áreas funcionales relevantes. De este modo, nos aseguramos de que las comparaciones se realicen con datos que puedan tener una relación causal entre sí. El reto consiste en no definir el ámbito demasiado estrechamente, para no excluir los factores previos que puedan influir en última instancia.

La experiencia empresarial sigue siendo fundamental en esta fase. Nuestros especialistas de Dametis llevan a cabo planes de medición in situ, un elemento fundamental de los datos inteligentes, que permiten seleccionar los datos más significativos y potentes.

Modelo Dametis: los datos se contextualizan antes de ser analizados por la IA.

Gracias a su amplia experiencia, los especialistas de Dametis saben qué áreas de una industria pueden correlacionarse y qué datos de planta debe examinar lainteligencia artificial para proponer optimizaciones y detectar anomalías y desviaciones.

El diagrama de bloques, un medio para contextualizar los datos

A continuación, Dametis dará un contexto a los distintos datos para enriquecer el análisis de la IA.
Para ello, Dametis definirá primero las relaciones físicas entre los datos y construirá un ‘esquema’.
Además de esta malla, los datos se introducirán en «bloques» que representen las distintas instalaciones de una planta (a su vez, un bloque en sí mismo, formado por bloques «hijos», que es la base de nuestra «teoría Lego»).
Nuestros expertos parametrizan estos bloques para integrar toda la lógica «empresarial«. Esta malla y estos bloques representan nuestro concepto de«diagrama de bloques«.

El diagrama de bloques, un concepto para afinar las predicciones

Una vez construido, el diagrama de bloques facilita la cartografía de una planta, un servicio público, un proceso o un equipo.

Por ejemplo, las temperaturas de un fluido en las distintas etapas de su bucle de circulación (salida central, intercambiador 1, entrada del intercambiador 2, retorno central, etc.) ya no se evaluarán de forma independiente, sino en relación unas con otras. En el caso de una instalación de aire comprimido, el M/A de los compresores, su consumo eléctrico, el caudal y la presión de salida central se relacionan entre sí para proporcionar un «vínculo» entre los datos.

Asociarlos a un diagrama de bloques que represente la instalación proporcionará información contextual adicional. A continuación, los datos se alimentan de conocimientos, conocidos como metadatos.

También se introducirán las condiciones de funcionamiento de cada unidad para proporcionar aún más información, como las instrucciones de uso.

Esta contextualización en forma de diagramas de bloques permite enriquecer los datos recogidos, perfeccionando así la modelización y las predicciones.

Imagine contar con especialistas que trabajen 24 horas al día, 7 días a la semana, para optimizar sus instalaciones industriales. Eso es lo que le ofrece MyDametis, la única plataforma diseñada al 100% por expertos en rendimiento medioambiental.

Más información sobre MyDametis

Un modelo con múltiples beneficios

Jérémy Barrais recuerda que, si bien las acciones iniciales de Dametis se centraron en el aspecto energético, hoy los ámbitos examinados van más allá, en particular las pérdidas de material y la optimización de los tiempos de lavado in situ (CIP).

Una vez que el modelo ha sido parametrizado por nuestros expertos, la IA utilizará todos estos elementos para modelar toda su instalación, desde el elemento más pequeño hasta el conjunto más grande.
Son muchas las ventajas que se obtienen con ello.

En tiempo real

Puede ver sus datos y los datos modelizados en tiempo real. Esto le permite ver qué datos son defectuosos o están a la deriva. La optimización del módulo de análisis gráfico MyDametis también le permite ver los datos en distintos periodos de agregación, de modo que siempre dispondrá de la macrovisión más adecuada al fenómeno observado.
Es fácil cambiar entre vistas «por segundos» para un análisis temporal del funcionamiento, una vista «por horas» para un perfil de consumo, y una vista «diaria» o «mensual» para controlar el consumo y compararlo con sus facturas.

Análisis de la deriva

Este control en tiempo real significa que tendrá un control total sobre sus instalaciones. Nada quedará al azar, ya que la más mínima desviación será visible en su plataforma.

Notificaciones automáticas

Recibirá notificaciones automáticas en cuanto se sospeche de algún dato o análisis. Por ejemplo, en las zonas en las que el volumen de pérdidas de material es repentinamente elevado. También recibirá alertas cuando se produzca un fallo técnico.