¿Cómo funciona?

En primer lugar, se despliega una red de comunicaciones mediante el uso de un conjunto de tecnologías tanto cableadas como inalámbricas en función de las características del entorno y lo sistemas a monitorear: RFID para sistemas de control de accesos, Bluetooth para sistemas de monitorización de activos móviles mediante redes de sensores, WIFI y/o Ethernet (fibra óptica o cobre) para usuarios y sistemas con grandes necesidades de ancho de banda y baja latencia como la videovigilancia o los sistemas SCADA de control y monitorización de maquinaria industrial.

Posteriormente, se instala y configura el equipamiento de edge computing, encargado de recopilar, traducir y normalizar los datos de los diferentes sistemas que se pretende interconectar: En los nodos de edge computing, se lleva una primera fase de procesamiento básico de la información, gestionando los datos brutos recopilados, formateándolos, traduciéndolos a un modelo de información estandarizado que proporcione una semántica común al conjunto de instalaciones interconectadas para su posterior procesamiento avanzado en la Plataforma cloud de monitorización y control.

El siguiente paso es la conformación del Data Lake, cuya finalidad no es otra que el almacenamiento de datos y análisis de Big Data para el desarrollo de algoritmos de inteligencia artificial y el análisis en tiempo real. El Data Lake puede ser desplegado en la nube de cualquier proveedor de servicios cloud, on-premise (es decir, en la propia infraestructura de servidores del cliente final) o incluso en un modelo híbrido cloud/on-premise.

La información almacenada y gestionada en este repositorio centralizado de datos, es analizada y tratada por científicos e ingenieros de datos con la finalidad de filtrar o agregar datos de interés, generando nuevos datasets o conjuntos de datos que se emplean para el diseño y desarrollo de modelos de machine learning, como por ejemplo:

• Algoritmos que son capaces de reconocer y clasificar automáticamente en imágenes de video, tipos de vehículo o maquinaria, si un operario está correctamente equipado con sus EPIs (casco, chaleco reflectante, …)
• Modelos de clasificación capaces de identificar el tipo de maquinaria que ha estado trabajando en función de su consumo energético.
• Algoritmos capaces de auto-descubrir patrones y detectar desviaciones en subconjuntos de datos.
• Modelos que estiman y predicen valores futuros de determinadas variables e indicadores, en función de series temporales e históricos.

Finalmente se pone en producción una Plataforma integral de gestión, control y monitorización, que aglutina e interconecta todos los componentes, y en la que se ejecutan los modelos de machine learning implementados, así como que se configuran indicadores y reglas negocio enfocadas a dar un seguimiento en tiempo real del avance de las obras, alertando de posibles incidencias, desviaciones o bloqueos, y dando soporte a la toma de decisiones para una adecuada gestión de riesgos por parte de los gestores.

¿Qué problemas resuelve esta solución?

Las principales ventajas aportadas por el Proyecto son:

• Gestión, monitorización y control de sistemas de índole muy diversa desde una única plataforma centralizada.
• Adquisición de información de diferentes procesos constructivos en tiempo real y almacenamiento de datos históricos
• Seguimiento contínuo de los avances de las distintas operaciones involucradas en obras de construcción, con la posibilidad de responder en tiempo real a problemas o desviaciones durante el desarrollo de los trabajos.
• Automatización de gran número de tareas, desde el control de acceso a la gestión de partes de trabajo o la inspección del estado de las instalaciones o la maquinaria de obra.
• Soporte a la toma de decisiones mediante un sistema de seguimiento de indicadores adaptables a los diferentes ámbitos de las obras de contrucción: PRL, gestión de subcontratistas, gestión de vehículos y maquinaria, etc.

Descarga en pdf este proyecto

En el siguiente botón de descarga: