Redacción iAgua
Connecting Waterpeople
KISTERS
Kamstrup
Fundación CONAMA
Saint Gobain PAM
Barmatec
Likitech
Schneider Electric
Agencia Vasca del Agua
Hidroconta
Aqualia
Sacyr Agua
Almar Water Solutions
Fundación Biodiversidad
Vector Energy
s::can Iberia Sistemas de Medición
ISMedioambiente
ESAMUR
CAF
TEDAGUA
ICEX España Exportación e Inversiones
Sivortex Sistemes Integrals
GS Inima Environment
Catalan Water Partnership
ACCIONA
Red Control
Filtralite
Asociación de Ciencias Ambientales
DATAKORUM
Global Omnium
EPG Salinas
TecnoConverting
Molecor
LACROIX
Cajamar Innova
Rädlinger primus line GmbH
Amiblu
SCRATS
TRANSWATER
Confederación Hidrográfica del Segura
Laboratorios Tecnológicos de Levante
Baseform
ONGAWA
Ingeteam
AGS Water Solutions
Consorcio de Aguas Bilbao Bizkaia
Grupo Mejoras
Ministerio para la Transición Ecológica y el Reto Demográfico
Hach
RENOLIT ALKORPLAN
Centro Nacional de Tecnología de Regadíos (CENTER)
Fundación Botín
Idrica
Lama Sistemas de Filtrado
IAPsolutions
Innovyze, an Autodesk company
AECID
Minsait
Xylem Water Solutions España
IRTA
J. Huesa Water Technology
ADASA
FENACORE
HRS Heat Exchangers
FLOVAC
ADECAGUA
AMPHOS 21

Se encuentra usted aquí

La gestión del ciclo de vida del dato en sistemas de inteligencia artificial

Sobre el blog

Miguel Ángel Rodriguez Núñez
Técnico de Inteligencia Operacional y SCI en Emasesa. Master en Ingenieria y Gestión del Mantenimiento. Master en Mantenimiento Industrial y Técnicas de Diagnóstico.
  • gestión ciclo vida dato sistemas inteligencia artificial

Según establece la norma ISO 9000:2000 la calidad se podría definir como “el grado en el que un conjunto de características inherentes cumple con los requisitos, esto es, con la necesidad o expectativa establecida, generalmente implícita u obligatoria. En la industria del Agua 4.0 los datos de nuestros procesos son la materia prima de herramientas y soluciones automatizadas muy importantes dentro de la estrategia de reducción de costes. Una mala calidad del dato base condiciona los proyectos provocando desviaciones y retrasos además de efectos como sobrecostes que afectarán irremisiblemente a los usuarios del servicio. Unos datos deficientes implican riesgos significativos en la toma de decisiones y en la operación y gestión de los procesos del ciclo integral del agua.

Entendiendo como dato “aquella medición muestreada de una cantidad física” (ISO 2041:2009) y la información como “datos significativos” (ISO 9000:2015) el desafío al que nos enfrentamos como gestores de datos es cómo determinar cuáles de ellos son potencialmente relevantes para nuestros proyectos de inteligencia artificial.

El Data Management es el proceso mediante el cual se gestiona la adquisición, validación, protección y procesamiento de aquellos registros que son necesarios para garantizar la accesibilidad, flexibilidad y puntualidad de los datos a los usuarios y/o servicios que los demandan. Una adecuada gestión de este proceso minimiza los riesgos y costes asociados a la no disponibilidad del dato, incumplimiento de normas o brechas de seguridad facilitando a los usuarios su acceso. La normalización de la gestión del dato mediante una definición común del activo y todas sus propiedades elimina ambigüedades y mejora los resultados de los análisis finales ya sea mediante técnicas de aprendizaje supervisado, no supervisado o estadística descriptiva básica.

La calidad de los datos de que disponemos es nuestro activo más importante

En el ciclo integral del agua, caudalímetros, variadores de velocidad, sensores de presión, analizadores de cloro y contadores, entre otros, proporcionan múltiples registros que no siempre serán relevantes para nuestros proyectos. Para una buena gestión del dato, tendremos que partir de una fase muy temprana, la del diseño inicial del sistema y la sensorización de los equipos que formarán parte del mismo. Un análisis detenido de esta fase nos evitará tener que realizar modificaciones del sistema a lo largo de su vida útil lo que encarecería su amortización y por extensión, el servicio que se presta al ciudadano.

El estudio del proceso a monitorizar en su conjunto por gestores cualificados mejorará la transformación del dato en información evitando duplicidades en medidas o sensores innecesarios que no aportan claridad a la gestión del proceso. Además de este análisis, es necesario prever cómo se desarrollará el flujo que nos permitirá obtener conocimiento de estos sensores, es decir, el ciclo de vida del dato. Un diseño adecuado del sistema de inteligencia artificial que capturará, filtrará, analizará y almacenará los datos nos permitirá identificar los parámetros clave a monitorizar pudiendo por tanto mejorar las especificaciones de la sensórica a instalar o la calidad de los PLC-PAC que controlarán los procesos, entre otras posibilidades.

A medida que aumenta el número de dispositivos IIoT conectados a nuestra red de OT se hace más difícil gestionar los datos que nos ofrecen. Administrarlos correctamente y diseñar flujos de información ágiles que pongan el dato en el lugar correcto y a su tiempo se convierte en un desafío que necesita de especialistas adecuados. En estos casos, una formación y experiencia multidisciplinar junto con una buena dosis de perseverancia son las características del gestor de datos para nuestra red OT.

Un gestor de datos eficaz deberá mantener documentadas las mejores prácticas de la empresa, relacionadas con el ciclo de vida del dato. Definir procedimientos y metodologías de trabajo eficaces que permitan la repetitividad de aquellos modelos de análisis que mejores resultados nos ofrezcan, realizar una adecuada gestión de la transformación dato, información, conocimiento y documentar cómo trabaja el proceso de análisis y su implementación en los Sistemas de Información corporativos.

El último eslabón de este ciclo de vida y no por ello el menos importante, es el responsable de la gestión del dato. Si queremos hacer evolucionar nuestros procesos y sistematizar el entorno Agua 4.0 son necesarios nuevos perfiles de trabajadores que nos permitan gestionar adecuadamente los registros de nuestros procesos. En este sentido el Gestor de Datos se perfila como un técnico con conocimientos multidisciplinares que asumirá la responsabilidad de diseñar, poner en marcha y mantener no sólo el sistema o plataforma para el análisis de los procesos sino también el ciclo de vida de nuestros datos y su almacenamiento seguro y redundante.