Tratamiento de datos VS Inteligencia Artificial al servicio de la eficiencia energética

Debido a la heterogeneidad de los datos que componen el big data, se pueden encontrar correlaciones de manera aleatoria. El gran número de parámetros involucrados afecta la precisión de las diferentes correlaciones. Aún peor, algunas pueden carecer completamente de sentido.

Ya se han realizado correlaciones de este tipo. Una IA ha asociado el número de ventas de helados con los ahogamientos, aunque no tienen ninguna relación causal. Simplemente tienen la misma causa: el aumento de la afluencia a las playas.

Otro ejemplo: se ha observado que el número de descargas de inodoros en un estado del sur de Estados Unidos era proporcional al número de divorcios observados en un estado opuesto. Sin embargo, no hay ninguna relación entre estos dos fenómenos.

Con Smart Data, los datos se agrupan por temática, lo que permite limitar a la IA el uso de datos provenientes de perímetros funcionales pertinentes. Nos aseguramos así de que las correlaciones se realicen con datos que puedan tener una relación de causalidad entre sí. Todo el desafío consiste en no delimitar demasiado el perímetro para no excluir de antemano factores que finalmente podrían tener influencia.

La experiencia en el campo sigue siendo fundamental en esta etapa. Nuestros especialistas en Dametis realizan planes de medición en el sitio, lo cual es un elemento fundamental del smart data que permite la selección de los datos más significativos y relevantes.

Gracias a su experiencia avanzada, los especialistas de Dametis saben cuáles son los perímetros de una industria que pueden estar correlacionados y los datos de las instalaciones que la inteligencia artificial debe examinar para proponer optimizaciones y detectar anomalías y desviaciones.

Dametis entonces da un contexto a los diferentes datos para enriquecer a la IA en su análisis.
Para hacer esto, Dametis primero definirá las relaciones físicas que hay entre los datos y así construirá un «esquema».
Además de este mapeo, estos datos alimentarán «bloques» que representan las diferentes instalaciones de una fábrica (que en sí misma es un bloque completo, constituido por bloques «hijo», lo que es la base de nuestra «teoría de los Lego»).
Estos bloques son configurados por nuestros expertos para integrar toda la lógica «empresarial«. Este mapeo y estos bloques representan nuestro concepto del «esquema-bloque«.

Una vez construido, el esquema-bloque permite mapear fácilmente una fábrica, una utilidad, un proceso o un equipo.

Por ejemplo, las temperaturas de un fluido en las diferentes etapas de su ciclo de circulación (salida central, intercambiador 1, entrada intercambiador 2, retorno central, etc.) ya no se evaluarán independientemente sino en relación unas con otras. Para una instalación de aire comprimido, el encendido/apagado de los compresores, su consumo eléctrico, el flujo y la presión de salida central están todos interrelacionados para proporcionar «conexiones» entre los datos.

El hecho de asociarlos a un esquema-bloque que represente la instalación aportará información de contexto adicional, los datos entonces se enriquecen con conocimientos y se les llama metadatos.

Las condiciones de operación de cada bloque también se informarán para aportar aún más información, como por ejemplo, las consignas de operación.

Esta contextualización en forma de esquema-bloque permite enriquecer los datos recopilados y así afinar las modelizaciones y predicciones.

Jérémy Barrais nos recuerda que, aunque las acciones iniciales de Dametis estaban en el aspecto energético, hoy en día, los ámbitos examinados van más allá, incluyendo pérdidas de materiales, la optimización de los tiempos de limpieza en el lugar.

Una vez que el modelo es configurado por nuestros expertos, la IA utilizará todos estos elementos para modelar toda su instalación, desde el elemento más pequeño hasta el conjunto más grande.
Numerosos beneficios se derivan de esto.

Puede consultar sus datos y los modelizados en tiempo real. Así podrá ver los que son defectuosos o que presentan desviaciones. La optimización del módulo de análisis gráfico de MyDametis también le permite visualizar los datos en diferentes periodos de agregación, permitiendo así tener siempre la vista macro más adecuada para el fenómeno observado.
De este modo, se pasa fácilmente a vistas «por segundo» para un análisis temporal del funcionamiento, a una vista «por hora» para tener un perfil de consumo, o incluso a una vista «diaria» o «mensual» para un seguimiento de los consumos y comparar estos con sus facturas.

Este tiempo real le permite tener el control completo de sus instalaciones. Nada se dejará al azar, ya que la menor desviación es visible en su plataforma.

Recibirá notificaciones automáticas en cuanto se detecte un dato o un análisis sospechoso. Por ejemplo, en áreas donde el volumen de pérdidas de material es repentinamente alto. También recibirá alertas cuando haya una falla técnica.