El Internet Industrial de las Cosas (IIoT) ya está revolucionando sectores como la manufactura, los automóviles y la salud. Pero el verdadero valor del IIoT se realizará solo cuando se aplique el Aprendizaje Automático (Machine Learning, ML) a los datos de los sensores. Este artículo intenta resaltar cómo el ML mejora las soluciones de IIoT al proporcionar conocimientos inteligentes.

La computación en la nube ha sido el mayor facilitador de dispositivos conectados e IoT empresarial. El almacenamiento más barato combinado con una amplia capacidad de cómputo es el principal impulsor del aumento del IIoT. Aunque era posible capturar datos de varios sensores y dispositivos, los clientes encontraron que era prohibitivamente caro almacenar conjuntos de datos masivos. Incluso después de asignar suficientes recursos de almacenamiento, faltaba la potencia de cómputo necesaria para procesar, consultar y analizar estos conjuntos de datos en el centro de datos empresarial. Gran parte de los recursos disponibles se asignaron a almacenes de datos y sistemas de inteligencia empresarial que son críticos para los negocios. La aceptación de la nube como un centro de datos extendido cambió la ecuación.

Verticalmente, industrias como la manufactura, los automóviles, la salud y la aviación ahora están capturando todos los puntos de datos posibles generados por los sensores. Están aprovechando el almacenamiento en la nube, el Big Data y las capacidades de Big Compute ofrecidas por los grandes proveedores de nube pública. Este ha sido el factor más importante para acelerar la adopción de IIoT en las empresas.

La primera generación de IIoT se trata de capturar datos y analizarlos. Los puntos de datos que provienen de los sensores pasan por múltiples etapas antes de convertirse en conocimientos accionables. Las plataformas de IIoT incluyen tuberías de procesamiento de datos extensibles capaces de manejar datos en tiempo real que requieren atención inmediata, junto con datos que solo tienen sentido a lo largo del tiempo. La tubería responsable de procesar datos en tiempo real se llama Análisis de Ruta Caliente (Hot Path Analytics). Por ejemplo, puede ser demasiado tarde antes de que la plataforma de IoT apague una máquina de llenado de gas LP después de detectar una combinación inusual de umbrales de presión y temperatura. En cambio, la anomalía debe detectarse en milisegundos seguidos de una acción inmediata desencadenada por una regla. Otro escenario que requiere un procesamiento casi en tiempo real es la salud. Las estadísticas vitales de los pacientes se monitorean en tiempo real. A medida que los datos ingresan a la plataforma de IoT, una capa de ingestión enruta un subconjunto de ellos a través de una tubería diseñada para manejar los puntos de datos en tiempo real. El análisis de ruta caliente es uno de los bloques de construcción fundamentales de las plataformas de IoT empresariales. En el corazón del análisis de ruta caliente se encuentra el motor de reglas que es responsable de detectar una anomalía. Las plataformas de IoT empresariales incorporan un sofisticado motor de reglas que puede evaluar dinámicamente patrones complejos de los flujos de datos de los sensores entrantes.

En resumen, el valor de la Inteligencia Artificial en el Internet Industrial de las Cosas radica en su capacidad para aplicar el Aprendizaje Automático a los datos de los sensores, lo que permite obtener conocimientos inteligentes y tomar acciones inmediatas. La combinación de IIoT y ML está revolucionando la forma en que las empresas operan y toman decisiones, permitiendo una mayor eficiencia y productividad en sectores clave como la manufactura, los automóviles y la salud.