En el marco de una asociación de trabajo de investigación e innovación sobre IA (Inteligencia Artificial) y Edge Computing, los equipos de I+D de Adeunis y CARL/Berger-Levrault llevan varios meses trabajando juntos. CARL/Berger-Levrault es un líder europeo en gestión de equipos (GMAO/EAM) y gestión de activos técnicos, mientras que Adeunis es un especialista en soluciones de IoT radioeléctrico. Estas dos entidades se sitúan respectivamente en los dos extremos de la cadena de valor de los datos IoT. Esta asociación se basa en una convicción común: el tratamiento de la información debe repartirse entre el tratamiento en la nube y el tratamiento integrado en el sensor físico. Es esta visión compartida del mercado, entre dos entidades con niveles de conocimiento complementarios, la que les ha llevado a colaborar en este proyecto.
Objetivos y desafíos :
Inicialmente, ambas entidades optaron por confiar en el Sensor Adeunis Delta P. Este sensor controla el buen funcionamiento de los sistemas de ventilación. Los objetivos y retos son :
- Inteligencia embebida en los objetos conectados de Adeunis: anticipar el mantenimiento del sistema y conocer mejor los fallos detectados sin necesidad de procesarlos en la Nube, lo que reduce el consumo de ancho de banda de la red y permite una inteligencia local multisensor (correlación de datos). El sensor podrá emitir directamente recomendaciones y alertas a las soluciones de gestión de equipos de CARL/Berger-Levrault. El sensor puede funcionar con baterías (de 1 a 10 años de autonomía), por lo que no requiere ningún cableado para la alimentación o la comunicación. Así pues, debemos afrontar el reto de un consumo energético muy bajo para este objeto conectado, optimizando nuestros algoritmos, modelos y mediante la adaptación dinámica de las frecuencias de recogida de datos.
- Facilitar la implementación de los algoritmos de IA de CARL Software en estos productos. El objetivo es prevenir y anticipar el mantenimiento técnico de los equipos mediante la generación de modelos predictivos; estos modelos predictivos se transmitirán a los sensores, que podrán instanciarlos localmente. El reto consistirá en optimizar y comprimir estos modelos predictivos para permitir su ejecución embebida en el objeto conectado: bajos recursos informáticos y minimización del consumo energético del objeto conectado.
Para el desarrollo de una solución global de IoT, además del uso de la IA, ambas entidades utilizan también el Edge computing. El Edge Computing es un método de optimización utilizado en la computación en la nube que consiste en procesar los datos en el borde de la red, cerca de la fuente de datos. Esto permite minimizar los requisitos de ancho de banda entre los sensores y los centros de procesamiento de datos, realizando los análisis lo más cerca posible de las fuentes de datos. Este método se está convirtiendo en algo esencial para el IoT. El Edge Computing, al reducir considerablemente los volúmenes de datos que transitan, hace que las soluciones de IoT sean más eficientes y económicas. Reduce la latencia y los costes asociados, mejora la seguridad y acelera la toma de decisiones.
Para el desarrollo de una solución global de IoT, además del uso de la IA, ambas entidades utilizan también el Edge computing. El Edge Computing es un método de optimización utilizado en la computación en la nube que consiste en procesar los datos en el borde de la red, cerca de la fuente de datos. Esto permite minimizar los requisitos de ancho de banda entre los sensores y los centros de procesamiento de datos, realizando los análisis lo más cerca posible de las fuentes de datos. Este método se está convirtiendo en algo esencial para el IoT. El Edge Computing, al reducir considerablemente los volúmenes de datos que transitan, hace que las soluciones de IoT sean más eficientes y económicas. Reduce la latencia y los costes asociados, mejora la seguridad y acelera la toma de decisiones.
El proyecto :
El proyecto consiste en desarrollar una solución IoT global, universal, inteligente y de bajo coste (adaptada económicamente a la escala de un edificio) desde el sensor hasta la plataforma de visualización, para el mantenimiento predictivo de los equipos de los edificios. En última instancia, las dos entidades desean simplificar la vida de sus clientes eliminando las barreras técnicas y económicas. Esta oferta integrada proporcionará un servicio de mantenimiento predictivo autónomo, adaptado a cada máquina, sencillo de gestionar y desplegar.
El objetivo final es ofrecer cada vez más servicios de valor añadido a sus clientes comunes sin dejar de estar a la vanguardia de la innovación. Las ventajas de esta solución que integra IA y EC (Edge Computing) :
- Se proporciona información más precisa/pertinente
- Anticipación de las necesidades y mayor capacidad de reacción del mantenedor
- Acciones de mantenimiento mejor orientadas
- Reducción de los costes de intervención
- Rendimiento energético, costes de mantenimiento y durabilidad de los equipos
