La inteligencia artificial transversal (IV): embodied AI y el salto a la robótica e IoT

En los tres posts anteriores de esta serie, he mostrado tres formas en que creo que la inteligencia artificial está abandonando un poco la visión de inteligencia artificial débil para convertirse en una inteligencia artificial más transversal, que no general: la superación de la división discriminativa-generativa, la omnimodalidad y la inclusión de razonamiento.

En este cuarto, y casi último post (haré sólo otro artículo a modo de recapitulación y conclusiones), abordo una de las últimas grandes tendencias: la inteligencia artificial física o 'embodied AI', es decir, el salto de la inteligencia artificial al mundo físico.

Una vieja aspiración y una vieja 'tendencia'

En realidad, la conexión entre inteligencia artificial y el mundo físico, muy especialmente en la robótica, no es algo nuevo, sino algo muy antiguo y, de hecho, y aunque esto sea sólo a título anecdótico, cuando intentamos representar en una imagen la inteligencia artificial, habitualmente recurrimos a la imagen de un robot, es decir, algo plenamente físico.

Es cierto que muchas de las apariencias de 'inteligencia' presentes en los robots, se alcanza por mecanismos que nada tienen que ver con la inteligencia artificial, notablemente mediante la implementación de pares estímulo-respuesta, los denominados comportamientos ('behaviors') que simulan de manera más que exitosa los comportamientos reflejos de los seres vivos.

Pero la inteligencia artificial está presente en la robótica desde hace años o décadas. Así, capacidades cognitivas basadas en inteligencia artificial, como la visión artificial, se emplean desde hace muchos años en robótica para tareas relativamente simples, como la detección de defectos en piezas. Aunque no sea realmente robótica, formas específicas de inteligencia artificial como el OCR son comunes en los parkings para el reconocimiento de matrículas.

En los últimos años, y más orientado hacia robótica social, la inclusión de capacidades de tratamiento de voz y de lenguaje natural, son casi comunes tanto en soluciones software como en robots físicos u otro tipo de máquinas.

Y qué decir del vehículo autónomo, una forma especializada de robot, en cuyo software hay 'toneladas' de inteligencia artificial, no sólo para percepción, sino también para planificación y navegación.

En el campo más del internet de las cosas, ya desde hace años, es relativamente común el uso de modelos predictivos para soluciones como el mantenimiento predictivo en que se aplican modelos de machine learning sobre los datos del mundo físico recogidos mediante sensores. 

Si, la hermandad de la inteligencia artificial con la robótica y otras máquinas físicas viene desde muy atrás.

¿Qué hay de nuevo, entonces?

Lo que hay de nuevo

En realidad, lo nuevo es precisamente la transversalidad, la integración de esta orientación física con modelos que hacen muchas más cosas.

En todas las soluciones que he mencionado en la sección anterior se utiliza la inteligencia artificial combinada con el mundo físico en soluciones de robótica, internet de las cosas y mas, pero se hace un poco 'en el estilo' de la inteligencia artificial débil, es decir, hay módulos inteligentes que se encargan de una tarea muy específica y sólo de esa.

La novedad es que ahora, la interacción con el mundo físico se integra de manera mucho más íntima, más natural, en modelos de inteligencia artificial que valen para muchas otras cosas.

Agentes de la Agentic AI y razonamiento

Y para entenderlo, hay que recordar brevemente qué son estos nuevos agentes de que nos habla la 'Agentic AI'. Vimos en el post anterior cómo estos agentes, implementan en modelo tradicional de agente usando como mecanismo de control un modelo de los que llamamos generativos o grandes modelos de lenguaje (aunque en los artículos anteriores de esta serie, y precisamente por su transversalidad, sugiero que habría que denominarlos con otro término).

Dado que usamos modelos generativos, estamos implementando agentes con las mismas soluciones que utilizamos para procesamiento de lenguaje natural o creación de imágenes.

Pero, además, y como vimos en el post anterior, estos modelos son ya del tipo 'razonador', es decir, capaces de crear, seguir y modificar dinámicamente planes de acción, razonando a partir de lo que van encontrando y en busca de satisfacer un objetivo. El salto que esto supone para la inteligencia artificial en general y para sus posibilidades de traslación al mundo físico es, en mi opinión, enorme.

Disponemos ya hoy en día (aunque incipientes y evolucionando y mejorando) de esos modelos capaces de 'razonar' dinámicamente y 'decidir' de forma autónoma.

Agentes y herramientas

El último ingrediente, o casi último, es la inclusión de lo que se suele denominar herramientas ('tools'). Las herramientas son algo así como módulos que el modelo, o elagente, puede invocar y que extienden sus capacidades, típicamente de conexión con el mundo exterior.

En la inteligencia artificial que es puro software, las herramientas más habituales son, por ejemplo, la búsqueda en la web mediante un motor SEO, pero ya está disponible la creación y ejecución de programas python para la lectura y análisis de datos en una hoja excel o para la creación de gráficas de tipo líneas o histogramas. Y también es posible, claro, la invocación de APIs, por ejemplo de tipo REST.

En soluciones como las que ofrece Microsoft, esto se extiende de manera natural con la visión más tradicional de los conectores que permiten la interacción con todo tipo de formatos de ficheros y con todo tipo de aplicaciones (sistemas empresariales, correo electrónico, ofimática, etc) al estilo de lo que ocurre, por ejemplo, en soluciones RPA.

La 'sencilla' extensión a la inteligencia artificial física y la embodied AI.

Conseguido lo anterior, el salto al mundo físico parece evidente, casi trivial: basta con que entre esas herramientas incluyamos 'drivers' para interactuar con el mundo físico, para la lectura de sensores o para la acción sobre actuadores.

Es cierto que el mundo físico presenta dificultades propias y que, seguramente, en las implementaciones reales, aparezcan dificultades y retos, pero la integración está servida y, en el punto en que estamos, y al menos a nivel de arquitectura o esquema general, no parece complicada.

Si el salto al mundo físico ya está listo, el uso de esos modelos generativos razonadores y 'revitaminados' en soluciones de robótica o de Internet de las cosas, por ejemplo, está igualmente servido, aportando nuevas perspectivas de inteligencia y autonomía para ese tipo de soluciones y dando un nuevo salto, casi definitivo, al mundo físico.

Las perspectivas son apasionantes.

Conclusiones

En el cuarto salto en la transversalidad de la inteligencia artificial, nos encontramos con la unión natural, e integrada con otras muchos capacidades, del mundo físico, de sensores y actuadores, que nos abren enormes perspectivas en robótica e internet de las cosas.

Artículos de este blog relacionados

• La inteligencia artificial transversal (III): razonamiento y control
• La inteligencia artificial transversal (II): de la multimodalidad a la omnimodalidad
• La inteligencia artificial transversal (I): más que una inteligencia artificial generativa

Big stream: procesamiento de datos en tiempo real para un mundo de dispositivos y sensores

Cuando hablamos de procesamiento de datos, especialmente de analítica, y de tratamiento de grandes datos, tendemos a pensar, y la verdad es que es bastante razonable, en un almacén de datos, más o menos ordenado, sobre el que lanzamos consultas o algoritmos de machine learning para obtener indicadores, resúmenes, tendencias o predicciones.

Pero no siempre es así. Existen cada vez más casos de uso, y más posibilidades, de explotar y analizar flujos de datos en tiempo real.

Vayamos poco a poco.

Almacenes de datos 

Desde casi los primeros tiempos de la informática han existido los almacenes de datos. Inicialmente eran meros ficheros pero muy pronto la necesidad de tratar datos en abundancia, garantizando su coherencia y escalabilidad llevó a la invención de las bases de datos, y con ellas, los Sistemas de Gestión de Bases de Datos (SGBD), de entre las cuales, las 'reinas' fueron, y en el fondo casi que siguen siendo, las bases de datos relacionales con sus sistemas de gestión de bases de datos relacionales. Sobre esas bases de datos relacionales, se podían ya hacer consultas, informes y análisis.

Sin embargo, a medida que el volumen de datos crecía y la complejidad de los análisis también, hacer analítica sobre la misma base de datos relacional operativa generaba problemas de prestaciones. Por ello, y como explico en mi primer libro 'La carrera digital', surgieron, en primer lugar los ODS ('Operational Data Store'), meras réplicas de una base de datos pero físicamente soportada en ficheros diferenciados.

Y luego, con la misma motivación de prestaciones, pero impulsado también por el interés en mejorar las capacidades analíticas, y de la mano de los conceptos de Business Intelligence y OLAP ('Online Analytical Processing') surgieron los denominados datamarts o datawarehouses, creo que a finales de los años 90.

Big Data y datalakes

Y en eso llegó el Big Data que, en el fondo, y en cuanto a utilidad y resultados, casi aspira a lo mismo que el Business Intelligence pero que surge en un entorno nuevo, donde el volumen de datos, que ya era grande, explota hacia niveles muy superiores y donde, sobre todo, cobran enorme importancia los datos semiestructurados (ficheros XML y JSON, por ejemplo) y no estructurados (texto libre, imágenes, vídeos, etc) y todo esto unido a una exigencia cada vez mayor de disponer de análisis en tiempo real, superando los típicos informes basados en datos del día anterior tan comunes usando datawarehoueses.

Esto da lugar al concepto de Big Data, donde las tres ideas expresadas se recogen en las famosas tres Vs de Doug Laney, Volumen, Variedad y Velocidad, a las que, de una forma algo espuria en mi opinión, luego se le han ido añadiendo otras Vs.

Asociado a Big data tenemos otra forma de repositorio de datos: los famosos datalakes que, en concepto, no son muy diferentes de los datamarts o datawarehouses pero que experiementan ese incremento en volumen y variedad de datos.

Big Stream

Sin embargo, y un poco 'a la chita callando' se va desarrollando un concepto, muy unido al Big data, pero en el fondo bastante diferente: el del 'Big stream', que se centra en el procesamiento de datos pero no unos datos contenidos en un repositorio sino unos datos que van llegando en tiempo real en una suerte de flujos de datos.

Leo acerca de este concepto en 'Internet of things: architectures, protocols and standards' de Simone Cirani, Gianluigi Ferrari, Marco Picone y Luca Veltri donde los autores comparan el concepto de big data con el de big stream y nos dicen:

The main differences between the Big Data  and Big Stream paradigms are the nature of data sources and the real-time/latency requirements of the consumers.

En efecto, hay que diferenciar el origen de datos que, en el caso del Big Data tienden a ser sistemas de información más o menos convencionales, mientras que en el caso del Big Stream con frecuencia, aunque no exclusivamente, hablamos de información procedente de sensores y dispositivos, con frecuencia en estrecha conexión, por tanto, con el mundo físico.

La segunda diferenciación, igualmente relevante, son los requisitos de latencia (es decir, la necesidad de una rápida respuesta) y de funcionamiento en tiempo real, algo que es habitual en la interacción con el mundo físico, especialmente en aplicaciones críticas.

En la misma obra, y poco después, los autores nos amplían esa comparativa diciendo:

In brief, while both Big data and Big Stream systems deal with massive amounts of data, the former focuses on the analysis of data while the latter focuses on the management of flows of data

En efecto, ambas tecnologías, Big Data y Big Stream, tratan con grandes cantidades de datos, pero mientras que en el Big Data más tradicional éstos tienden a estar ya recogidos en algún tipo de almacén de datos (típicamente un datalake), en el caso del Big Stream nos llegan como flujos en tiempo real y el volumen no deriva tanto del tamaño de cada bloque de información sino de la hiper-abundancia y continuidad de esos bloques de información.

No es extraño encontrar una explicación sobre Big Stream en un libro de Internet de las Cosas porque, seguramente, éste sea el campo donde más sentido adquiere para procesar toda la abundantísimo información que generan 'las cosas' que incluyen, por ejemplo, dispositivos y sensores para telemedida. 

Sin embargo, no es éste el único, y así, en el post 'Stream Processing – Tecnologías y Comparativa' Óscar Fernández nos identifica otra serie de usos

• Monitorización de sistemas, de redes y de aplicaciones
• Dispositivos Internet of Things (IoT)
• Sistemas de recomendación y optimización de resultados
• Transacciones financieras, detección de fraude y trading
• Seguimiento de usuarios en páginas web y comercio electrónico
• Notificaciones en dispositivos y aplicaciones móviles en tiempo real

No voy a profundizar aquí, aunque es muy interesante, en los retos técnicos que esto supone y me quedo, de momento, con resaltar este interesante y prometedor concepto de Big Stream

Conclusiones

Aunque menos popular que el Big Data, el Big Stream es una forma de procesamiento de datos que, probablemente, vaya adquiriendo más y más importancia (aunque no sé si relevancia mediática) a medida que se expandan Internet de las Cosas y los sistemas ciber-físicos, y que incorporemos, por tanto, más y más dispositivos y sensores a la 'conversación y, por tanto, a la creación de datos.

El diálogo y las máquinas: de la línea de comandos a la fantasía telepática

Desde que se han comenzado a utilizar máquinas, en concreto máquinas que manejan información, ha sido necesario establecer mecanismos de comunicación entre las personas y las máquinas, unos mecanismos que, inicialmente, servían como medio para que las personas pudiesen dar órdenes o solicitar cosas a las máquinas (típicamente los computadores) y obtener los resultados.

Lo interesante, y lo que motiva este artículo, es principalmente, el auge de las interfaces de naturaleza conversacional y el advenimiento del BCI y, fantaseando, una eventual telepatía mediada por las máquinas.

Pero vayamos por orden.

La interfaz más básica: el CLI y la línea de comandos

Los primeros mecanismos de verdadera interacción (elimino como diálogo la introducción de programas o datos vía tarjeta perforada) se realizaron mediante interfaces textuales de comando (CLI, 'Command Line Interface'). Se trataba, se trata en realidad, de una forma de comunicación en cierto modo primitiva, en que los comandos se encuentran limitados a un juego acotado de opciones y en que la expresión es puramente textual apta para su uso en pantallas monocromas y con escasas capacidades gráficas del tipo de los venerados terminales IBM 3270 o DEC VT100.

Es el tipo de interfaz usada con frecuencia en sistemas operativos UNIX o la famosísima línea de comandos del DOS.

Lo cierto es que, a pesar de su sencillez y aparente rigidez, una vez que se conocen los comandos y se adquiere cierta rapidez de digitación, es enormemente rápido, eficiente y eso explica que sea un mecanismo que todavía sobreviva en la actualidad.

Asomándonos a las ventanas

Sin embargo, esas interfaces CLI han sido sustituidas, en gran medida, por las interfaces que utilizan la metáfora de las ventanas y que se apoyan no sólo en teclado sino también en ratón u otros dispositivos apuntadores como, hoy en día, las pantallas táctiles. Una metáfora, y una interfaz visual, cuya concepción se adjudica a XEROX, pero lanzada por Apple y popularizada por Microsoft.

Se trata del tipo de interfaz dominante hoy en día y la Web no ha hecho otra cosa, creo, que adoptarla, apoyarla y reforzarla.

Es una forma de interfaz muy intuitiva y que, además, hasta cierto punto, uniformiza la interacción con todo tipo de aplicaciones, facilitando su aprendizaje, al menos de los primeros pasos.

Eso sí, aunque es rápida en cuanto a aprendizaje, hay que reconocer que de cara a interacciones masivas, y una vez se tiene experiencia, es en muchos casos más lenta e incluso 'pesada' que la interfaz CLI.

El auge de las interfaces conversacionales y de la voz

Y entramos ya en los mecanismos más modernos, los que más me interesan ahora mismo, empezando por las interfaces conversacionales. Lo característico de estas interfaces es que el diálogo no se ajusta a un conjunto predeterminado de comandos (como en CLI) o de acciones (botones, menús, etc) de las interfaces de ventanas, sino que adopta un estilo abierto y natural, próximo (muy próximo en sus mejores realizaciones) al diálogo humano.

En sus expresiones primeras, este tipo de interfaces pueden apoyarse, incluso, en una línea de comandos pero que reciba las entradas en lenguaje natural, en lugar de comandos cerrados. O también, en interfaces del tipo ventanas (con sus botones, sus iconos, sus desplegables) como se encuentran con muchísima frecuencia, en chatbots que se apoyan en la web o sistemas de mensajería instantánea.

Pero quizá, lo más llamativo, más diferencial y quizá con más futuro, sean las interfaces en lenguaje natural basadas en voz, cada vez más comunes, por cierto.

De hecho, ha sido el leer esta cita: 

there is now a new era starting, where the main focus is on the ability of humans having conversations not only with other people but also with the services they are using in the human way.

en el libro 'Microsoft Conversational AI Platform' de Stephan Bisser lo que me ha inspirado este artículo.

Porque, tal y como apunta el autor, y creo que está en lo cierto, vamos a asistir a un creciente uso de este tipo de interfaces de naturaleza conversacional, especialmente las de voz. 

En entornos profesionales o empresariales, veo esa proliferación principalmente en soluciones para gran público o en atención a cliente, o en tareas que no impliquen manejar mucha información o una interacción muy continua. Así, veo por ejemplo su uso para dar órdenes concretas a un robot o para consultas puntuales. En el caso de un trabajo continuado como el que hacemos hoy en día con el ordenador, creo que en muchos casos va a ser casi más rápido y cómodo seguir usando interfaces de tipo ventana o incluso CLI. Al menos yo, personalmente, no me veo durante horas hablándole al ordenador. 

Pero, sobre todo, veo un gran auge en los entornos domésticos y de ocio. Imagino un cada vez mayor uso de estas interfaces en todo tipo de dispositivos, dispositivos crecientemente más robóticos, como aspiradores, frigoríficos, televisores, coches, reproductores de música, accionadores domóticos, etc

Y, por supuesto, en los robots sociales que tanto me interesan y que con tanta frecuencia se asoman a este blog.

Las máquinas hablan entre sí: Internet de las Cosas

Y un breve apunte. No sólo las personas hablamos con las máquinas, cada vez más las máquinas hablan entre sí.

En realidad, casi desde el inicio de la informática, ha existido la comunicación entre máquinas, entre ordenadores.

Pero hoy día, con la omnipresencia de internet, con la eventual y esperada explosión del Internet de las Cosas, y con la existencia de más y más dispositivos y más y más inteligentes y autónomos, ese diálogo entre máquinas puede extenderse y puede ser, además, un diálogo crecientemente autónomo, sin necesidad de mucha intervención humana.

La última frontera: BCI y la fantasía telepática

Y finalizo este recorrido, con la forma quizá más moderna y desafiante de comunicación, aquella en que la interacción se produce de manera directa entre las máquinas y el cerebro o sistema nervioso humanos, sin la mediación del lenguaje hablado o escrito o de acciones físicas con las manos. Directo: del cerebro a la máquina o de la máquina al cerebro y/o sistema nervioso. Hablo del BCI ('Brain Computer Interface') una tecnología con mucha investigación detrás y con algunas realizaciones prácticas y muy inspiradoras como su empleo en rehabilitación o en alivio de síntomas de enfermedades como el Parkinson. Una tecnología popularizada, no sé si de la mejor manera, por Elon Musk y su Neuralink.

Una tecnología apasionante desde el punto de vista estrictamente científico y técnico, con aplicaciones interesantísimas, pero que hay que reconocer que intimida un poco, y que exige un uso controlado y ético.

Y un tipo de interfaz que, en cierto sentido, va del pensamiento a la máquina.

Y puestos a elucubrar, en el campo un poco de la ciencia-ficción, una tecnología que podría llegar a habilitar una especie de telepatía. 

Si la máquina fuese capaz de entender con detalle lo que está pensando una persona (hoy en día reconoce sólo algunas intenciones muy básicas, por ejemplo, de tipo motor) y fuese capaz de transmitir eso a otra persona, ya fuese directamente al cerebro o, indirectamente, mediante una expresión lingüística, estaríamos ante una suerte de telepatía, una telepatía, eso sí, no persona a persona directamente sino intermediada por máquinas.

Conclusiones

El diálogo está servido. Y las máquinas se han unido (las hemos unido, para ser más exactos) a ese diálogo.

Un diálogo entre humanos y máquinas y un diálogo entre las propias máquinas.

Un diálogo cada vez más sofisticado tecnológicamente, pero más natural desde el punto de vista humano.

Hemos recorrido un largo camino, partiendo de la muy eficiente pero algo primitiva línea de comandos, para llegar al auge de las interfaces conversacionales especialmente por voz y fantasear con la posibilidad de que el BCI conduzca algún día a una suerte de telepatía.

¿Qué nos traerá el futuro?

Tres razones por las que Internet de las Cosas cambia la forma de hacer negocios

Una de las cuatro tecnologías clave para la transformación digital, en la visión que propone Tom Siebel en su libro 'Digital Transformation : survive and thrive in the era of mass extinction', es Internet de las Cosas.

Ya hemos dedicado un breve artículo a otras dos, Cloud computing y Big Data. Ahora revisamos la capacidad transformadora de Internet de las Cosas. En concreto, el autor identifica tres factores que le otorgan ese poder transformador. Son estos: 

• Volumen de datos: Los sensores que se incorporan en IoT captura informaciones de su entorno que convierten en datos procesables en un enorme volumen. El autor aporta una referencia numérica en que haba que en 2020 se esperaba (no he podido comprobar si se ha conseguido) la generación de 600 zettabytes anuales.


• El valor de esos datos: No solo se generan datos sino que estos, además, son muy valiosos dado que, en el fondo, se trata de medidas del propio negocio y, aparte de su aportación de naturaleza operativa, esos datos también permiten tomar mejores decisiones.


• Efecto red: El valor se Internet de las Cosas se incrementa a medida que hay más dispositivos o sensores incorporados. En concreto, el autor menciona en este punto la ley de Metcalfe según la cual el valor de una red aumenta con el cuadrado del número de nodos (en este caso dispositivos o 'cosas' conectadas)

Diría que, aparte de estos factores, hay que tener en cuenta también la enorme variedad de soluciones que la incorporación de dispositivos inteligentes interconectados, unos dispositivos que permiten la interacción con el mundo físico, permiten construir y que afectan a casi cualquier sector.

Seguro que iremos cada vez más soluciones tanto en en las empresas como en el mundo doméstico.

Internet Industrial de las Cosas con Giacomo Veneri y Antonio Capasso

'Hands-On Industrial Internet Of Things' es un libro profundo sobre el Internet Industrial de las Cosas que, más allá de lo que es su objetivo principal, nos proporciona en realidad una visión amplia de la automatización industrial e, incluso, aunque de forma colateral, la forma moderna de trabajar en la nube (cloud computing) incluyendo el concepto de 'Edge' y 'Fog Computing' y también mucho foco en la parte analítica.

A esos efectos, el libro se estructura en 15 capítulos:

• '1. Introduction to Industrial IoT': Comienza por algunos aspectos básicos como la historia y definición, para atacar luego temas como factores habilitadores, casos de uso, tecnologías clave y las especificidades de la IoT industrial frente a la de consumo.


• '2. Understanding the Industrial Process and Devices': Describe primero en qué consiste un proceso industrial, sucontrol y medida y la tipología. Luego presenta el modelo CIM (Computer Integrated Manufacturing) y el mapa de dispositivos y redes existentes en el mundo industrial situadas sobre ese esquema conceptual.


• '3. Industrial Data Flow and Devices':Aborda cómo se produce el flujo de información en el Internet Industrial de las cosas recorriendo de forma detallada desde el nivel de los sensores, hasta los ERP y los MES, pasando en niveles intermedios con elementos como PLCs, microcontroladores, sistemas SCADA, etc. Un capítulo muy completo e ilustrativo.


• '4. Implementing the Industrial IoT Data Flow': Explica, fundamentalmente dos aspectos muy especializados. Por un lado el estándar OPC para el intercambio de información, tanto en su versión 'Classic' como en la UA (Universal Architecture). Por otro, el concepto de 'Edge',su significado, arquitectura, elementos e implementaciones.


• '5. Applying Cybersecurity': Explica los aspectos de ciberseguridad aplicables, empezando por identificar el concepto de DiD ('Defense in Depth') y luego tratando aspectos como los firewalls, arqueitecturas de red o securización del flujo de información.


• '6. Performing an Exercise Based on Industrial Protocols and Standards': Aplica los conceptos de los capítulos anteriores mapeándolos sobre herramientas concretas que incluyen: Prosys OPC UA y Node-RED Edge Gateway.


• '7. Developing Industrial IoT and Architecture': Antes de realizar en los siguientes capítulos un mapping muy detallado a las soluciones existentes en el mercado, este capítulo establece las ideas generales de arquitecturas y plataformas de Internet Industrial de las Cosas. Habla del estándar OSGi, de mciroservicios, contenedores y serverless, presenta la herramienta Docker y establece un flujo estándar de datos en Internet Industrial de las Cosas que servirá luego de marco conceptual. Además, explica en detalle las tecnologías relacionadas con el tratamiento de series temporales, registro de activos y analítica.


• '8. Implementing a Custom Industrial IoT Platform': realiza el primer mapping de la arquitectura en este caso utilizando herramientas Open Source que incluyen: KairosDB, Neo4j, Kafka, Mosquitto y Airflow.


• '9. Understanding Industrial OEM Platform': Segundo ejercicio de mapeo de la arquitectura ahora sobre soluciones comerciales de OEMs (Original Equipment Manufacturer) y que incluye: Predix, MindSphere y algún elemento adicional.


• '10. Implementing a Cloud Industrial IoT Solution with AWS': Tercer mapping y el primero sobre uno de los gigantes de la nube, en este caso Amazon AWS donde se apoya, entre otros servicios, en AWS Greengrass, AWS IoT Core y AWS IoT Analytics.


• '11. Implementing a Cloud Industrial IoT Solution with Google Cloud': Turno ahora para el segundo gigante, Google, empleando, fundamentalmente, Google Cloud IoT Core, Google Cloud Bigtable y Google Cloud analytics.


• '12. Performing a Ptractical Industrial IoT Solution with Azure': Y finaliza esta serie de implementaciones con el caso de Microsoft Azure empleando, entre otros elementos IoT Hub, Stream Analytics, Azure Data Lake, Data Lake Analytics y Time Series Insights.


• '13. Understanding Diagnostics, Maintenance, and Predictive Analytics': Se adentra en el mundo de la analítica viendo las formas de analítica (descriptiva, predictiva y prescriptiva) y analizando su aplicación fundamentalmente al campo del diagnóstico y el mantenimiento y proporcionando un método en 5 pasos para su implementación.


• '14. Implementing a Digital Twin Advanced Analytics': Sigue con la analítica pero ahora muy centrada en la construcción de gemelos digitales


• '15. Deploying Analytics on an IoT Platform': Un último capítulo que remata la temática de analítica haciendo un mapeado concreto al caso de Microsoft Azure, Amazon AWS y Google Cloud Platform.

'Hands-On Industrial Internet Of Things' es un gran libro, que combina teoría y práctica y que denota mucho conocimiento real por parte de los autores, especialmente en lo relativo a soluciones en la nube y analítica. Un libro no sencillo, a veces un poco confuso en la estructura no tanto por el planteamiento de los autores sino por la forma de estructurar el texto que impone Packt, pero sin duda una gran referencia para leer despacio y consultar posteriormente.

Giacomo Veneri

(Fuente: Traducción y elaboración propia de su ficha de autor en Packt)

Giacomo Veneri

Giacomo Veneri se graduó en ciencias de la computación de la Universidad de Siena. Tiene un un doctorado en el ámbito de la neurociencia y varias publicaciones científicas. Está certificado por Predix Cloud y es un influencer en ese campo. También se encuentra certificado en SCRUM y Oracle Java.

Posee 18 años de experiencia como arquitecto de TI y líder de equipo. Es experto en IoT en los campos de petróleo y gas y transporte desde 2013.

Vive en la Toscana, donde le encanta practicar el ciclismo.

Puedes saber más del autor visitando su perfil en LinkedIn o seguirle en Twitter donde se identifica como @venergiac

Antonio Capasso

(Fuente: Traducción y elaboración propia de su ficha de autor en Packt)

Antonio Capasso

Antonio Capasso se graduó en automatización de computadoras en 1999 y ciencias de la computación en 2003 de la Universidad de Nápoles. Ha trabajado durante veinte años en proyectos de TI grandes y complejos relacionados con el mundo industrial en una variedad de campos (automotriz, farmacéutico, alimentos y bebidas, y petróleo y gas), en una variedad de roles (programador, analista, arquitecto, y líder de equipo) con diferentes tecnologías y software. Desde 2011, ha estado involucrado en la construcción y seguridad de infraestructura industrial de IoT.

Actualmente vive en la Toscana, donde practica el trekking y la natación.

Puedes saber más del autor visitando su perfil en LinkedIn.

Ficha técnica:

TITULO: Hands-On Industrial Internet of Things: Create a powerful Industrial IoT infrastructure using Industry 4.0

AUTOR: Giacomo Veneri.y Antonio Capasso

EDITORIAL: Packt

AÑO: 2018 

ISBN: 978-1789537222
PAGINAS: 556

Artículos de este blog relacionados

• Estructura de la planta de automatización industrial
• Factores que impulsan el despegue de Internet de las Cosas
• ¿Qué hace a Internet Industrial de las Cosas diferente del IoT 'normal'?

Factores que impulsan el despegue de Internet de las Cosas

Aunque resulta bastante sencillo visualizar y entender lo que es Internet de las Cosas, quizá no resulta tan fácil definirlo o, más bien, acotarlo y saber dónde empieza una solución de conectividad a ser Internet de las Cosas y donde no llega. 

Y eso es así porque, aunque solemos hablar de Internet de las Cosas como una tecnología, en realidad no es tal sino, más bien, un concepto o un tipo de soluciones que aúnan en su seno un conjunto de varias tecnologías. 

Un poco en esa línea, en el libro  'Hands-On Industrial Internet of Things: Create a powerful Industrial IoT infrastructure using Industry 4.0' sus autores, Giacomo Veneri y Antonio Capasso, nos dicen lo siguiente:

There is no one specific new technology or invention, but rather a set of already existing technologies that have been developed. These have created an ecosysten and a technology environment which makes the connection of different things possible, efficient and easy from a technical perspective, profitable from a market perspective, and attractive from a productions-cost perspective.

Esto es, Internet de las Cosas es realmente un ecosistema de tecnologías que hace viable e interesante la creación de soluciones que implican a dispositivos diferentes interconectados a través de Internet.

Pero ya hace muchos años que disponemos de tecnologías para la conexión de dispositivos, para la comunicación de estos dispositivos entre sí, y para la actuación de determinados sensores y actuadores sobre un entorno físico, sea éste industrial o no. 

¿Por qué entonces este interés en Internet de las Cosas? ¿Por qué tan altas expectativas? ¿Por qué se espera tanto impacto? ¿Por qué ese despegue desde ya y con perspectiva de aumentar los próximos años?

Los mismos autores citados, y en la obra citada, identifican una serie de factores habilitadores de Internet de las Cosas. En concreto, se trata de estos siete: 

• Nuevos y más avanzados sensores: uno sensores con más capacidades, más maduros y con menores costes y diseñados para ocultar sus complejidades e interactuar de forma sencilla a través de interfaces digitales. Sensores que, además, se han estandarizado en la familia de estándares IEEE 1451.


• Nuevas redes y conectividad inalámbrica: y en este aspecto se apunta a las redes de área personal (PAN, Personal Area Networks) y redes de baja potencia (LPN, Low Power Networks), como mecanismos de interconexión entre sensores y dispositivos, optimizando el ancho de banda y el consumo de energía.


• Nuevos procesadores y microprocesadores: procedentes del campo de los dispositivos móviles, de mucha potencia, bajo precio y funcionando bajo frameworks abiertos.


• Sistemas operativos en tiempo real: donde la batalla competitiva ha llevado a disponer de plataformas más sofisticadas y potentes.


• Tecnología de virtualización: que, bajo el modelo cloud, proporciona servicios bajo demanda de forma flexible y personalizada, que minimiza el CAPEX (inversión) necesario poniendo el peso, por el contrario, en el OPEX (gasto)


• Convergencia de TI y tecnología operacional: que permite una adopción mayor de elementos de catálogo comercial en segmentos donde la práctica tradicional era el hardware personalizado.


• Difusión de móviles y redes sociales: que crea la cultura en los consumidores de encontrar la información a través de Apps.

En esta enumeración lo que quizá me sorprende es que, en el apartado de la conectividad, no se mencione la difusión y evolución de las nuevas redes móviles WAN, y muy especialmente, las expectativas sobre 5G.

En cualquier caso, la consecuencia, en palabras de los propios autores son: 

The preceding factors are making it possible to transition from a vertical, legacy platform with an application organized hierarchically, with the data confined in silos, to a horizontal. modular, and cloud-based platform. This new platform uses a standarized API layer that provides high interoperability  capabilities and the ability to share data and information betweeen applications.

Es decir, que se posibilitan soluciones de amplio espectro, modulares, apoyadas en la nube y basadas en APIS estandarizadas.

Más que interesante.

¿Qué hace a Internet Industrial de las Cosas diferente del IoT 'normal'?

Hace algunas fechas finalicé la lectura del libro 'Hands-On Industrial Internet of Things: Create a powerful Industrial IoT infrastructure using Industry 4.0' de Giacomo Veneri y Antonio Capasso, realmente un buen libro que proporciona perspectiva no sólo sobre Internet Industrial de las Cosas sino, en general, sobre toda la automatización industrial.

Y el primer aspecto del libro que quiero entresacar en este post es la diferencia entre el Internet de las Cosas que podríamos denominar 'normal' o de consumo, aquel que no lleva consigo el apellido de industrial, y su variante industrial, el IIoT.

Todavía bastante al principio del libro, los autores identifican ocho factores que hacen a Internet Industrial de las Cosas diferente de su primo no industrial:

• Seguridad Aunque la ciberseguridad es crucial también en el entorno no industrial, en los ambientes industriales adquiere un cariz diferencial por razones como que el ciclo de vida de los dispositivos es más largo, y con frecuencia se basan en procesadores, chips y sistemas operativos legados no pensados para conectarse a través de Internet, lo que significa que 'habitan' en la red de área local (LAN) aislados mediante firewall del exterior.


• Criticidad/disponibilidad Es crítico que los sistemas industriales permanezcan en funcionamiento ya que, de lo contrario, las pérdidas pueden implicar serias pérdidas económicas.


• Legados y diversidad de fuentes de datos en los entornos industriales en los que debe operar IIoT, existen multiplicidad de tecnologías legadas así como diversidad de fuentes de información procedentes de equipos y sistemas como PLC, SCADA, DCS, ERPs,...


• Redes industriales que tienen características singulares como el hecho de ser especializadas y deterministas y atendiendo a decenas de miles de robots, sensores y controladores.


• Complejidad de 'las cosas' en general, los objetos, las 'cosas' son bastante mas complejos en los ambientes industriales que los que nos podemos encontrar en los entornos de consumo.


• Prioridades diferentes, unas prioridades que en el entorno industrial apuntan a la robustez, resiliencia y disponibilidad, siendo, por el contrario, menos relevantes aspectos como la usabilidad y la experiencia de cliente tan importantes en el sector consumo.


• Flexibilidad Dado que los equipos industriales como PLCs, CNC, etc se reprograman con cierta frecuencia para adaptarse a nuevos procesos productivos, las soluciones IIoT deben proporcionar una flexibilidad equivalente.


• Propiedad intelectual que es un asunto especialmente sensible en el mundo industrial

A la espera de un estudio más detallado, estos ocho factores más que explicarnos en qué son diferentes las soluciones IIoT frente a las IoT, nos apuntan al por qué de esas diferencias.

La economía del reabastecimiento: concepto, escenarios y alguna consecuencia

En este mundo digital que, afortunadamente pienso yo, nos ha tocado vivir, los cambios más radicales a veces se inician de la forma más sencilla y casi inadvertida. Uno de esos cambios radicales, aún no evidente, es el de la denominada economía del reabastecimiento ('replenishment economy').

¿En qué consiste?

Podemos decir que se trata de una economía en que automatizamos la reposición en inventario de aquellos productos o materiales de los que ya no queda poco.

Dicho así, a lo mejor no se entiende del todo y, además, no se perciben sus implicaciones.

Imaginemos un entorno doméstico. En nuestro frigorífico y nuestra despensa tenemos un pequeño inventario de las cosas que habitualmente necesitamos o consumimos: cervezas, latas de conservas, briks de leche, detergente para la lavadora y para el lavavajillas, etc.

En nuestra gestión doméstica, con mayor o menor regularidad, observamos el nivel de esos consumibles y, cuando bajan por debajo de un cierto umbral (que a lo mejor es, simplemente, que se han acabado) lo apuntamos en la lista de la compra semanal o, si es urgente, salimos directamente a hacer la compra en una tienda cercana. 

Vamos a empezar a introducir en este escenario tan normal y analógico, algunos elementos digitales.

Para ello, y sin seguirlo al pie de la letra, me apoyo en las ideas que sugiere Doug Stephens en su libro 'Reengineering Retail: The Future of Selling in a Post-Digital World'.

Lo primero, pensemos que en lugar de acudir a la tienda física usamos un portal de comercio electrónico. Nadie nos evita el estar personalmente atentos a nuestros niveles de inventario, pero la compra en si puede ser mucho más cómoda.

Pero, introduciendo elementos de Internet de las Cosas, podemos automatizar mucho más el escenario. Así, en 2015 Amazon lanzó los dash buttons que se pueden contemplar en la imagen que encabeza este artículo. Con ellos el usuario, cuando detecta la necesidad de algún producto, simplemente pulsa en el botón de ese producto. Estos dash buttons disponen de conectividad WiFi e, indirectamente, por tanto, a Internet. Pues bien, al pulsar el botón, el dash button es capaz de comunicarse con Amazon y hacer el pedido correspondiente.

En concepto estamos haciendo lo mismo que antes: comprobar personalmente nuestro nivel de inventario y emitir un pedido electrónico. Pero ha cambiado algo. Por un lado, la más que evidente facilidad de uso que lo hace un mecanismo extremadamente cómodo, mucho más simple que el mecanismo anterior. Además, hemos introducido un dispositivo (una 'cosa') dotada de conectividad. Y finalmente, puede que lo más importante como análisis sectorial, hemos conducido todas las compras a Amazon.

Existe una variante algo más atractiva y moderna para esa realización de pedidos y que ya es plenamente posible: el uso de un 'altavoz inteligente' como, precisamente, Amazon Echo, para pedirle de viva voz que nos haga los pedidos y que éste proceda.

Pero el escenario puede avanzar más. 

Puede avanzar más porque no es difícil, ni parece lejano, imaginar que estos dispositivos tengan capacidad sensora para detectar de forma autónoma el bajo nivel del inventario y la necesidad de emitir un pedido. Puede tratarse de sistemas de visión artificial o quizá, pequeños almacenes robotizados similares a los de los grandes almacenes pero adaptados al uso doméstico, a nuestras despensas y frigoríficos. Si tenemos esos sensores, los dispositivos serían capaces de detectar automáticamente la necesidad de hacer un pedido.

Con muy poco más, y sin necesidad de ningún alarde tecnológico, el dispositivo podría ser capaz de hacer directamente el pedido correspondiente... sin consultar a nadie. Es evidente que algún humano tendríua la capacidad de configurar en qué situaciones y con qué reglas el sistema hace los pedidos pero, a partir de ahí, el humano queda fuera del circuito y es el sistema el que se ocupa del reabastecimiento.

En un estadio más avanzado el dispositivo (probablemente, más bien, un control central que gestiona varios dispositivos) podría incluir inteligencia adicional como para, en lugar de emitir un pedido a un portal específico sin más, rastrear la web en busca de ofertas e, incluso, negociar online.

Y, ya puestos a añadir inteligencia al sistema, éste podría llegar a decidir qué es lo que más nos conviene comprar, ya sea para conseguir un precio óptimo, ya para tener una dieta equilibrada o, incluso, lo que mejor se adapta a nuestros gustos.

En este escenario de la economía del reabastecimiento comenzamos por eliminar de la ecuación a la tienda física porque dirigimos los pedidos a portales de comercio electrónico..

En su fase intermedia (por ejemplo con la existencia de los dash buttons) eliminamos la competencia entre retailers...porque todo va a Amazon...que es quien proporciona los botones. Tendemos además a dificultar el cambio de proveedor, o probar productos sustitutivos porque lo que se tiene que pedir  viene 'escrito'a fuego' en el botón.

En la fase final, la más avanzada, recuperamos algo de lo perdido en la fase anterior porque los sistemas muy inteligentes pueden elegir entre varios portales y entre varios productos de similares características y no tienen que dirigir todos los pedidos a un retailer específico.

Pero al final, en su fase más avanzada, lo que terminamos por eliminar de esa ecuación es al propio ser humano porque es el sistema de control de los dispositivos el que dispone de los datos, la inteligencia y los recursos para decidir por sí mismo qué comprar y dónde. 

Si la economía del reabastecimiento avanza en las líneas esbozadas, y no parece demasiado descabellado que así sea, se habría cambiado el sector del 'retail' para siempre y toda la distribución, especialmente aquella que se apoya fundamentalmente en tiendas físicas, debería revisar su estrategia para posicionarse correctamente ante esta economía del reabastecimiento, de forma que puedan convertirse es destinatarios finales de los pedidos, o bien, desarrollar alguna propuesta de valor, seguramente apoyada en servicios complementarios o experiencia de cliente, que hiciese que los consumidores optaran por una compra menos automatizada.

La ciudad hiperconectada

El concepto de Smart City, al menos como yo lo recibí en su momento, surgió algo así como un subproducto, una manifestación o un conjunto de servicios ligados a Internet de las Cosas, es decir a soluciones que implican que diferentes tipos de objetos están dotados de sensores y actuadores y de la capacidad de comunicarse entre sí y con una plataforma central que proporciona coordinación, inteligencia y explotación de datos.

De esta forma, podían surgir en la ciudad una serie de servicios verticales involucrando coches, aparcamientos, elementos de riego, de medidas de calidad del aire, etc lo que implicaba un primer nivel de conectividad de la ciudad.

Sin embargo, la tendencia apunta a una generalización de esa conectividad. Una generalización que se produce en un doble sentido. Por un lado, que más y más objetos son 'sensorizados' e incluídos en esta 'conversación de las cosas'. Por otro lado, que las soluciones, las plataformas, a su vez, se interconectan entre sí, dotando de interoperabilidad a los diferentes servicios y de capacidad de compartir datos. Eventualmente, podemos llegar a una plataforma única y mutiservicio para la ciudad inteligente.

El futuro de la ciudad, de la ciudad inteligente, parece ser el de esta ciudad hiperconectada, donde todas las cosas están dotadas de comunicación y donde existe una plataforma que actúa como inteligencia de este entorno urbano fuertemente conectado. A medida que aumenta la conectividad, aumenta, pues, la inteligencia o, al menos, la capacidad de inteligencia en la ciudad.

Con esta metáfora lo ilustra Marieta del Rivero en su libro 'Smart Cities. Una visión para el ciudadano':

La inteligencia de una persona la define no tanto el número de neuronas que tenga, sino el número de conexiones que exista entre ellas. De igual forma, la inteligencia de la ciudad proviene de su capacidad de relacionar elementos hasta ahora disjuntos y aislados entre sí.

Así que, a medida que incrementamos la sensorización, conectividad e interoperabilidad de elementos de la ciudad y las plataformas que los gestionan, estamos profundizando en la inteligencia de la ciudad.

La ciudad hiperconectada, tiende hacia la ciudad superinteligente.

Principios y paradigmas de Internet de las Cosas con Buyya y Dastjerdi

'Internet of Things: Principles and Paradigms' no es un libro unitario sino una colección de aportaciones de diferentes autores acerca de diversos aspectos de Internet de las Cosas. Sin embargo, la organización de los diferentes textos es muy similar, y el reparto de temas bastante coherente lo que hace que, a pesar de pequeñas diferencias de estilos y de algunos ligeros solapes entre capítulos, el conjunto ofrezca un aspecto bastante coherente e integrado. En ese sentido, los editores, procedentes e la Unversidad de Melbourne, creo que han realizado un buen trabajo.

El libro intenta dar una visión panorámica de Internet de las Cosas, más bien centrado en sus aspectos técnicos que en modelos de negocio o aplicaciones aunque, a éstas últimas, sí dedica algún espacio hacia el final.

El libro se estructura en diecisiete capítulos agrupados en cinco partes:

• 'Part I: IoT ecosystem concepts and architectures': Abarca los cuatro primeros capítulos y se centra en dar, primero, una introducción a lo que es Internet de las Cosas; luego presenta en los dos siguientes capítulos unas soluciones concretas para la gestión y colaboración en IoT y finaliza con la exposición del interesante concepto del 'fog computing' propuesto por Cisco.




• 'Part II: Enablers and solutions': incluye tres capítulos bastante técnicos dedicados, respectivamente, a frameworks de programación, virtualización y micro máquinas virtuales para dispositivos IoT.




• 'Part III: IoT data and knowledge management': abarca dos capítulos donde se tratan el procesamiento continuo de datos y el análisis de los mismos.




• 'Part IV: IoT reliability, security and privacy': formada por cuatro capítulos, quizá los más farragosos, al menos para mi gusto, donde se trata, en primer lugar, de los aspectos de seguridad y privacidad, para seguir con problemáticas de robustez y fiabilidad, a continuación con el gobierno de Internet de las cosas y se finaliza con la descripción de TinyTO, una solución de autenticación paa dispositivos.




• 'Part V: IoT applications': quizá la parte más sencilla y amena, recoge en tres capítulos, ideas y ejemplos sobre campos de aplicación de Internet de las cosas. Primero se explica, con mucho detalle técnico, un escenario muy concreto de medición del tiempo atmosférico y luego, en los dos últimos capítulos, se nos habla del Internet de los Vehículos y finalmente, la aplicación a la gestión de infraestructuras como, por ejemplo, puentes.

'Internet of Things: Principles and Paradigms', sin dejar de ser una colección de artículos y aportaciones, y por tanto, no completamente coherente y completo, da una visión bastante abarcadora de lo que es Internet de las Cosas y de su estado del arte desde un punto de vista más técnico que de negocio o de transformación.

Un buen recurso, pues, aunque quizá no el más sencillo.

Rajkumar Buyya

(Fuente: Traducción y ligera elaboración propia de su perfil en Elsevier)

Rajkumar Vuyya

El Dr. Rajkumar Buyya es miembro del IEEE, profesor de Ciencia de la computación e ingeniería de software, futuro miembro del Australian Research Council y director del Cloud Computing and Distributed Systems (CLOUDS) Laboratory en la University of Melbourne, Australia. También actúa como CEO de Manjrasoft, una compañía nacida como spin-off de la universidad, y que comercializa sus innovaciones en Cloud Computing.

Es autor de más de 500 publicaciones y cuatro libros de texto incluyendo 'Mastering Cloud Computing'. Es uno de los autores más citados en ciencias de la computación e ingeniería de software por todo el mundo. 'A Scientometric Analysis of Cloud Computing Literature' producido por científicos alemanes situó al Dr. Buyya como el más citado y productivo autor en Cloud Computing.

Las tecnologías software para Grid y Cloud Computing desarrolladas bajo el liderazgo de Buyya han obtenido una rápida aceptación y están siendo utilizadas en varias instituciones académicas y empresas comerciales en 40 paises a lo largo del mundo.

El Dr. Buyya ha dirigido el establecimiento y desarrollo de actividades en comunidades, incluyendo el actuar como miembro fundador del IEEE Technical Committee on Scalable Computing y cinco conferencias IEEE/ACM. Estas aportaciones y liderazgo investigador internacional han sido reconocidos mediante el premio "2009 IEEE TCSC Medal for Excellence in Scalable Computing" de la IEEE Computer Society.

La tecnología cloud Aneka de Manjrasoft desarrollada bajo su liderazgo ha recibido el "2010 Frost & Sullivan New Product Innovation Award" y recientemente Manjrasoft ha sido reconocida como una de las compañías en el top 20 en Cloud Computing por el Silicon Review Magazine.

Ha servido como redactor jefe de IEEE Transactions on Cloud Computing. Actualmente actúa también como co-redactor jefe del Journal of Software: Practice and Experience, establecido hace más de cuarenta años.

Puedes saber más del autor visitando su página oficial o siguiéndole en Twitter donde se identifica como @buyya.

Amir Vahid Dastjerdi

(Fuente: Traducción y ligera elaboración propia de su perfil en Elsevier)

Amir Vahid Dastjerdi

El Doctor Amir Vahid Dastjerdi es miembro investigador del Cloud Computing and Distributed Systems (CLOUDS) laboratory en la University of Melbourne.

Obtuvo su doctorado en ciencias de la computación de la University of Melbourne y sus áreas de interés incluyen Internet de las cosas, Big Data y cloud computing. Es un estusiasta de la tecnología con más de una década de experiencia en sistemas distribuidos.

Ficha técnica:

TITULO: INTERNET OF THINGS. PRINCIPLES AND PARADIGMS
AUTOR: Rajkumar Buyya y Amir Vahid Dastjerdi (editores)
EDITORIAL: Morgan Kaufmann
AÑO: 2016
ISBN: 978-0128053959
PAGINAS: 378

Artículos de este blog relacionados

• Las tres grandes clases de aplicaciones de Internet de los Vehículos
• Siete características del Internet de los Vehículos
• Un modelo de referencia para Internet de las Cosas
• ¿Para qué vale una arquitectura?
• Fog computing: ¿Un nuevo viaje de ida y vuelta?
• #macrotweet: una definición simple de 'experiencia de usuario'
• Cloud of Things: la hibridación de Cloud Computing e Internet of Things
• Tipos de soluciones de Internet de las Cosas para empresas
• Los componentes de Internet de las Cosas
• ¿Qué es una 'cosa' en Internet de las ídem?
• Casi una definición de Internet de las Cosas

Las tres grandes clases de aplicaciones de Internet de los Vehículos

Como ya mencionábamos en el post anterior, dentro de la gran variedad de aplicaciones de Internet de las Cosas, uno de los campos más prometedores parece ser el de los vehículos, el Internet de los Vehículos.

Pero incuso ciñéndonos sólo a este campo, las posibilidades son muy amplias.

En el libro 'Internet of Things. Principles and Paradigms' editado por Rajkumat Vuyya y Amir Vahir Dastjerdi encontramos una clasificación que nos puede ser útil. Nos habla de tres grandes clases de aplicaciones, también con sus respectivas subdivisiones:

• Seguridad: fundamentalmente centrada en la prevención de colisiones.


• Eficiencia: dentro de la cual, a su vez, se identifican cuatro subclases, el control de intersecciones gestionando la señalización (ej, semáforos), navegación de rutas, escogiendo rutas óptimas para evitar, por ejemplo, congestiones. navegación de parking encontrando online el aparcamiento libre, y la conducción cooperativa, es decir, la coordinación entre vehículos.


• Infotaintment: incluyendo cosas como el acceso a Internet, el streaming de vídeo o la compartición de contenidos.

Muchas opciones y muy interesantes. Y seguro que aún nos queda mucho por ver...

Siete características del Internet de los Vehículos

Quizá unos de los subconjuntos o especializaciones del Internet de las Cosas es aquel en que esas 'cosas' son vehículos: coches, camiones, etc

Aunque este tipo de entornos, que incluso ha sido bautizado con Internet of Vehicles, comparte muchas de los aspectos esenciales de Internet de las Cosas, también exhibe algunas características diferenciales.

En el libro 'Internet of Things. Principles and Paradigms' editado por Rajkumat Vuyya y Amir Vahir Dastjerdi se destacan siete características especiales de este tipo de redes:

• Topologías altamente dinámicas: No es difícil de entender. Frente a redes de dispositivos como, por ejemplo, los usados en telemedida o telecomando, los vehículos se encuentran en movimiento y, por tanto, la topología de la red es cambiante.


• Densidad de la red variable: Tampoco es difícil de entender. Los atascos en las grandes ciudades,por ejemplo, nos lo recuerdan: la cantidad de coches, de dispositivos al fin, es variable a lo largo del tiempo y el espacio.


• Red a gran escala: en los casos de mayor concurrencia, como en el centro de las ciudades o centros comerciales, la red puede ser muy amplia, muy numerosa.


• Comunicación geográfica: el factor geográfico es importante en las comunicaciones en redes de vehículos, al contrario de otras redes donde se realiza una comunicación más sencilla unicast o multicast.


• Movilidad predecible: quizá ésta necesita más explicación. Es cierto que la densidad, como veíamos antes, es variable, pero a cambio, los vehículos se mueven por zonas muy concretas (calles, carreteras, etc) y obedecen estímulos muy claros como las luces de los semáforos. En ese sentido, son muy predecibles.


• Suficiente energía y almacenamiento: al contrario que otros nodos más simples, los vehículos tienen amplias reseervas de energía y capacidad de almacenamiento.


• Varios entornos de comunicación: en realidad son fundamentalmente dos. Por un lado las zonas abiertas, como las autopistas, que constituyen entornos muy sencillos. Por otro, los entornos urbanos, muchos más densos y complejos.

Desde luego, y no sólo por éstas características, sino también por la conjunción con otros nuevos fenómenos como el del coche autónomo, el coche eléctrico o los nuevos modelos de negocio alrededor del coche, hacen de Internet de los Vehículos un mundo interesantísimo a observar en los próximos años... pero empezando YA.

Un modelo de referencia para Internet de las Cosas

Hace más de dos años disertaba en este blog acerca de la utilidad de un modelo de referencia y llegaba a la conclusión de que eran ocho las cosas que nos aportaba un modelo de referencia:

• Ayuda al pensamiento


• Vencer el miedo al papel en blanco


• Coherencia


• Completitud


• Reutilización de conocimiento


• Prestigio / autoridad


• Estandarización


• Comunicación

Algunos los puntos, como la ayuda al pensamiento, recuerdan también la utilidad de un arquitectura que discutíamos también en el post anterior.

Pues bien, todos esos beneficios es razonable buscarlos en un área tecnológica emergente y de alto potencial como es Internet de las Cosas. Y en esa línea, ya hace un tiempo, concretamente en 2014, que Cisco se puso manos a la obra y propuso un modelo de referencia para Internet de las Cosas, un modelo de referencia que descubro leyendo el libro 'Internet of Things. Principles and Paradigms' editado por Rajkumat Vuyya y Amir Vahid Dastjerdi.

Ese modelo de referencia propone una estructura en capas no muy alejada en su filosofía del modelo de referencia ISO/OSI.

Estas son las capas y su significado:

• Nivel 1: Dispositivos físicos y controladores - incluye lo más físico, los dispositivos y un primer nivel de control, los controladores. Se admite que la diversidad en dispositivos va a ser muy alta.


• Nivel 2: Conectividad - concentra todas las comunicaciones, tanto la conectividad de los dispositivos como entre redes o en la interacción con el nivel 3


• Nivel 3: Computación en la frontera (o Fog computing) - del cual ya hablamos en un artículo anterior y que realiza un primer nivel de tratamiento de datos muy voluminosos haciendo cosas como evaluación, formateo, etc


• Nivel 4: Acumulación de datos (almacenamiento) - se encarga fundamentalmente del almacenamiento, de la transformación de unos datos en constante movimiento en los niveles inferiores a unos datos 'en reposo' en los siguientes niveles. En este nivel se decide, por ejemplo, si un dato debe ser persistido y en que medio.


• Nivel 5: Abstracción de datos - preparar los datos para ser tratados en niveles superiores como, por ejemplo, su adaptación a formatos de ERP, normalización, almacenamiento en un solo sitio mediante técnicas ETL, etc.


• Nivel 6: Aplicación - nivel en que se interpretan los datos. El modelo de referencia, como resulta bastante lógico por otra parte, no entra en el detalle de cómo debe ser este tratamiento ni cómo deben ser las aplicaciones.


• Nivel 7: Colaboración y procesos - donde se involucra ya a a personas y procesos y se aplican los conceptos de colaboración.

Quizá, lo que me resulta más llamativo del modelo, es su gran orientación a los datos, más que a la conectividad, aunque la incluya,o a las aplicaciones. Sin ser muy claramente mencionado, parece que el Big Data se encuentra latente en este modelo.

Sea como fuere, si este modelo propuesto por Cisco, nos ayuda a entender mejor en qué consiste Internet de las Cosas, ya habrá hecho una buena aportación conforme a una de las utilidades de un modelo de referencia: la captura, estructuración y comunicación del conocimiento,