Colegio Oficial de Ingenieros Navales y Oceánicos

Gran éxito de la tercera conferencia de BE Leaders: Big Data y Analytics en el Sector Naval

145

El pasado 26 de junio tuvo lugar la conferencia del programa Blue Economy Leaders (BE Leaders), dentro del ciclo en Tecnologías Digitales en el Sector Naval y Marítimo. En este caso estuvo dedicada a: “Big Data y Analytics en el Sector Naval”.

Comenzó presentando la conferencia José de Lara Rey, Decano-Presidente del Colegio Oficial y la Asociación de Ingenieros Navales y Oceánicos de España. En su introducción, José de Lara agradeció la presencia de los ponentes de Telefónica, Accenture y Navantia. Así mismo, agradeció a Diego Fernández, Decano Territorial en Madrid del Colegio Oficial de Ingenieros Navales y Oceánicos (COIN) y a Mauricio Álvarez Ortiz, Decano Territorial en  Murcia del COIN por su ayuda en el programa BE Leaders.

Posteriormente tomó la palabra Diego Fernández Casado, que fue el moderador de la mesa y presentó el contenido de la misma haciendo una analogía entre los datos y el “combustible” que vamos a necesitar para alimentar nuestro “motor” de inteligencia artificial.

Inició la mesa redonda Miguel Llopis Franco, Lead of Public Sector Big Data & AI Business, de  LUCA – Telefónica Data Unit. Big Data dejó de considerarse una nueva tecnología desde 2015 y actualmente es una tecnología madura e implantada en las empresas. Realmente se trata de un “pool” de tecnologías que impulsan la implementación de la industria 4.0. Todas ellas generan datos: IoT (Internet de las cosas), robótica, inteligencia artificial (AI)… y Big Data es una tecnología muy transversal, porque todas ellas usan datos y lo importante es qué se hace con éstos.

La pregunta clave es “¿Para qué sirve el Big Data?”. La importancia que tienen las nuevas tecnologías está en mejorar los negocios a partir del el valor que estas tecnologías pueden aportar.

Para implantarlo, lo primero que hay que estudiar es el grado de madurez de la organización con la que se está tratando. Para ello se realiza un análisis preliminar (tecnológico, necesidades de negocio, analítico…) de la misma y se estudia cómo el Big Data puede ayudarles a ser mejores. Para poder utilizarlos, se almacenan (habitualmente en soluciones en la nube) y luego hay que gestionar el dato, lo que es un elemento muy importante, ya que hay que asegurarse de que los datos estén correctamente gestionados para poder utilizarlos en los pasos posteriores. Actualmente, no hay límites a la volumetría ni a la característica de los datos: señales, imágenes, IoT…

Es en este punto donde empezamos a gestionar la analítica, los casos de uso. Estos proyectos se generan por el lado del negocio de las empresas, a partir de los cuales se generan las necesidades analíticas. Son especialmente importantes los que son “accionables”, es decir, que permiten tomar decisiones en el día a día y la generación de modelos avanzados (machine learning, deep learning, etc.). Esta analítica puede ser: predictiva, de segmentación, de asociación o de optimización. Una vez estos modelos están validados se ponen en operación.

Si miramos a la empresas que trabajan en el sector naval, el Big Data puede aportar valor a todo el ciclo de vida de los proyectos navales, logística, gestión de proveedores, gestión de stock, mantenimiento predictivo, conciencia situacional, integración en los sistemas de mando y control… Es muy transversal, pero siempre dando respuesta a necesidades de la operación o del negocio.

Desde Telefónica están trabajando con empresas como Naturgy o Repsol en sistemas de mantenimiento predictivo, por ejemplo. Esto puede ahorrar millones de euros de ahorro ya que nos hace más eficiente. La importancia de las tecnologías es la eficiencia del negocio, que es lo que no hay que perder de vista.

A continuación tomó la palabra Franz Naselli, Senior Manager, Management Scientist at the Operations Analytics team, de Accenture. Si tuviéramos que definir la inteligencia artificial, podríamos decir que es ser capaz de hacer lo que hacemos los humanos a una escala distinta y mucho mejor. Esto es algo que se lleva buscando desde que se empezaron a diseñar los primeros ordenadores, con la idea de que se pudieran automatizar procesos con la idea de que esos procesos pudieran aprender.

El gran cambio que ha habido estos últimos años es que, mientras que anteriormente un humano sabía cómo se procesaban los datos, ahora hemos dado un salto enorme en los algoritmos, que pueden ir más allá de la inferencia humana y sobre todo a una escala que es impensable para los hombres. Esto es lo que permite dar un salto cualitativo en los negocios.

Hay una parte que podemos llamar descriptiva, que es coger datos y agregarlos y que forma parte de la “business intelligence” tradicional, y hay otra parte que es una analítca avanzada donde ya se hacen modelos predictivos, hay una parte prescriptiva para optimizar procesos y decisiones, y finalmente está la parte más sofisticada que es la parte cognitiva: algoritmos que son capaces de aprender de lo que está ocurriendo y adelantarse a determinadas decisiones.

Cuando se habla de inteligencia artificial, tenemos tres capas:

  • La primera, el núcleo, son los algoritmos, que dependen del propósito que queramos darles y que, por sí mismos no sirven para algo concreto.
  • La siguiente capa, son las aplicaciones más estandarizadas de estos algoritmos. Por ejemplo, reconocimiento de voz, que aplican los algoritmos con un propósito.
  • La última capa, es la que acabamos utilizando. Por ejemplo, la utilización de ese reconocimiento vocal para la interacción del humano con la máquina.

La implementación de estas tecnologías es un “must have”: si no lo haces, te quedas fuera del mercado. Permiten redefinir la estructura de personal, porque nos permite ser más eficientes, lo que se nota en los costes. Además, permiten generar nuevas fuentes de ingresos, como por ejemplo vender servicios sobre los propios datos de los clientes, que son servicios de valor añadido de pago.

Todo proceso de transformación tiene elementos facilitadores y retenedores. Hay que entender dónde está la brecha entre dónde estoy yo y dónde debería de estar. También hay un tema de cultura: la AI da miedo, pero hay que entender que sólo son algoritmos que nos llevan donde queremos estar. Por otro lado, hay que decidir quién va a hacer que esto funciona. Necesitamos técnicos que puedan mantener estos modelos, hacer nuevos modelos, detectar cuándo estos modelos dejan de funcionar y hay que reemplazarlos, adpatarlos a nuevos modelos de negocio… Esto hace que sean necesarios perfiles nuevos y muy concretos de Data Scientists.

Si miramos a casos de uso en el sector aeroespacial, que pueden ser extrapolables a la naval podemos mirar a la mejora de la planificación: optimización del mantenimiento de stock o la generación de nuevos modelos de ingresos, mejora de los procesos financieros y de compra, mantenimiento predictivo gracias a la IoT… La limpieza de datos se puede automatizar hasta cierto punto gracias a la AI.

Si miramos a casos concretos, podemos mirar a una empresa de Oil&Gas con oleoductos submarinos, uno de cuyos problemas es la corrosión que produce una pérdida de presión. ¿Cómo lo controlan? Subcontratan a empresas que escanean la superficie de las tuberías e indican dónde hay una corrosión más alta. Anteriormente, se revisaban los diez primeros casos que podían ser problemáticos y llevaban a cabo las acciones necesarias, pero tenían un problema claro de escalabilidad y calidad del dato. Se analizaron los datos y se mejoró el algoritmo de limpieza del dato (el escáner se ensuciaba y los datos perdían calidad) y se generaron modelos predictivos para, sobre la imagen, detectar qué tuberías estaban más corroídas y generar un nuevo listado de casos a revisar. Este listado demostró que se estaban revisando tramos de tubería que no se debía y, lo más importante, esto les permitía llegar a toda la tubería, no sólo a unas partes. 

Finalizó su presentación explicando un caso extraído del sector aeroespacial. La problemática es la siguiente: la cadena de ensamblaje de los aviones depende siempre de cuando llegan las órdenes de compra de los proveedores, siendo tiempos muy largos (entre los 6 meses y los 18 meses). Luego un retraso tiene un impacto muy alto ya que puede llevar a volver a planificar todo de nuevo. La importancia reside en saber gestionar estos retrasos. Hasta la fecha se hacía de manera reactiva, es decir, una vez conocido dicho retraso se trabajaba rápidamente para cumplir plazos o directamente se retrasaba la fecha de entrega. Lo que llevaron a cabo es un modelo predictivo, que planifica teniendo en cuenta dichos retrasos mediante la automatización del proceso, que se encarga de analizar cuáles serán las más probables de sufrir retraso y priorizarlas, además de según el impacto que va a tener. Se mejoró la eficiencia y la eficacia.

Laura Correa Mendioroz, ingeniera naval colegiada 2348, directora del programa de servicios inteligentes dentro de la dirección de tecnología y transformación digital en Navantia, habló sobre “Big Data y Analytics en Navantia”. Comenzaba apuntando que Navantia está en pleno proceso de transformación digital en el que se han marcado como objetivo un 25% de mejora en calidad y un 25% de reducción de plazos, poniendo a las personas en el centro de dicha transformación, desarrollando las plataformas y arquitecturas digitales donde residirá la conectividad y la operatividad de forma segura, desarrollando los nuevos productos y servicios inteligentes basados en datos. Por ello, han de modificar su procesos de trabajo pasando del analógico al digital. Todo ello sin olvidar su responsabilidad social corporativa, que es desarrollar un ecosistema digital competitivo y sostenible. 

Para ello en Navantia han decidido 13 tecnologías habilitadoras como medio para lograr dicha transformación. Destacó la iniciativa Analytics para Servicios que tiene como objetivo que la información que genera el buque y sus equipos estén en centros específicos de explotación de datos de gestión de sostenimiento y de asistencia remota gracias a conexiones ciberseguras situadas a bordo o en tierra. En el área de Smart Maintenance, la explotación de datos permitirá generar modelos cognitivos de comportamiento de los equipos, llevar a cabo el mantenimiento predictivo, analizar la fiabilidad, optimizar las tareas de mantenimiento y establecer en los centros en tierra correlaciones y patrones de comportamiento. En lo que se refiere a la gestión del activo tienen iniciativas de apoyo al ciclo de vida de forma más eficiente, una coordinación con la cadena de suministro, poder determinar y gestionar los recursos a las actividades de mantenimiento y una reducción de los costes de mantenimiento. 

A parte de las iniciativas de servicio, tienen las iniciativas analytics para la futura fábrica 4.0: mantenimiento predictivo para el astillero o la torre de control para la optimización de los procesos, la monitorización de activos, medios industriales y recursos dentro y fuera de Navantia, la integración de medios logísticos y productivos, entre otros.

Un caso de éxito es el Centro de supervisión y análisis de la Armada Española (CESADAR), Cartagena, un sistema, propiedad de la Armada, que captura los datos de la plataforma de una treintena de buques de su flota y que en breve sumará dos más. Los datos se envían por satélite durante las horas valle de los buques. “Su objetivo es dar días de calidad a los buques”, apuntaba Laura. El CESADAR en su proceso de consumo de datos ha experimentado dos etapas: la primera desde su inicio en 2010 hasta 2007, donde los datos eran adquiridos por diversos sistemas a bordo y después eran enviados al centro; la segunda a partir de 2018, para definir la plataforma integradora de las soluciones y desarrollando el análisis en decisiones humanas. Se pretende mejorar el almacenamiento, el post-procesamiento de datos, la algoritmia asociada y el apoyo a la toma de decisiones.  

Conclusiones

Ponencias que abordaron la problemática desde tres aspectos diferentes, el generalista, por parte de Miguel; un aspecto más desde la utilización de la inteligencia artificial para sacar valor de los datos, por parte de Franz; y una parte práctica con los ejemplos mostrados por Laura, en la aplicación de la transformación de Navantia.

Anteriores conferencias:

IngenierosNavales

GRATIS
VER