Esta semana en Torre Juana OST se ha realizado una sesión con Juan Carlos Trujillo de Lucentia LAB y Mario Piattini catedrático de universidad de la UCLM y director científico de la spinoff AQCLab para lanzar un proyecto sobre certificación de la calidad y seguridad de datos en entornos IoT.
Cada vez más es más habitual la implantación del Internet de las cosas (IoT) para mejorar la eficiencia de procesos en diversos sectores: agricultura, industria, conservación de patrimonio, etc. por lo que la calidad y la seguridad de los datos que recogen y gestionan los sensores resultan fundamentales para poder evitar riesgos y asegurar el buen funcionamiento de esos procesos y sistemas.
Uno de los beneficios del IoT es cómo puede mejorar la eficiencia operativa. Si una máquina deja de funcionar, los sensores conectados pueden identificar automáticamente dónde está ocurriendo el problema y desencadenar una solicitud de servicio, y no sólo eso sino que también el IoT puede ayudar a predecir cuándo es probable que una máquina se averíe o entre en una condición de operación peligrosa antes de que suceda. El mantenimiento predictivo es una de las grandes ventajas del uso de la IoT, esta monitorización con sensores para recopilar y analizar rápidamente los datos almacenados hacen que la predicción se vuelve más fácil.
La IoT es una de las apuesta tecnológica de la transformación digital. Gartner estima que para 2020, más de 26 mil millones de estos dispositivos estarán conectados a Internet con otras estimaciones de hasta 50 mil millones, repartidos entre ciudades inteligentes, industrias conectadas, agricultura inteligente, edificios conectados, electricidad inteligente, coches conectados, compra inteligente, medicina conectada, etc.
Todos esos sensores conectados van a generar una gran cantidad de datos, y una buena parte de ellos tendrá niveles de calidad problemáticos. Los sensores enviarán datos erróneos, los dispositivos se desconectarán y crearán datos faltantes, y las plataformas de integración no podrán integrarse. Así que las empresas necesitan mejorar sus capacidades de calidad de datos de forma masiva y emplear herramientas automatizadas en gran medida. Esto incluye la identificación de problemas de calidad de los datos, la determinación de su seriedad y su solución, tanto después de haber recopilado los datos como en la fuente.
Fuentes: