Adiós al "garbage in, garbage out": cómo disponer de datos de operaciones adecuados para la analítica de negocio

“Garbage In Garbage Out” es como se denomina coloquialmente en el entorno analítico, cuando la entrada de datos de mala calidad conduce a una salida de datos poco fiable e incluso inservible. Por su naturaleza, los datos operacionales provenientes de sensores, sistemas de control, activos y dispositivos móviles generan datos con poca calidad debido principalmente a:

• Distintos fallos de comunicación: sistemas de control, fallos de los servidores OPC que devuelven datos incorrectos: "Comm Fail", "I / O Timeout" …
• Datos obsoletos a causa de problemas de red que hace que dejen de actualizarse, se actualicen con los mismos valores o con valores que simplemente no tienen sentido.
• Fallos en la precisión de los sensores que pueden afectar a uno o varios equipos.

A medida que la cantidad de activos conectados continúa creciendo, monitorizar cuáles de ellos son los que proporcionan datos de mala calidad se convierte en un desafío cada vez más demandado. Para maximizar el valor de las operaciones es muy importante que la información los equipos y procesos se integre con las tecnologías de información.

La pregunta que nos surge es: ¿Cómo entregar los datos de series temporales limpios, confiables y en formatos adecuados para el análisis?

La calidad de los datos es un proceso de varias fases que implica la captura, integración y enriquecimiento de datos.

Los datos operacionales cambian constantemente y requieren que esta limpieza sea frecuente para mantenerlos libres de duplicados, errores y preparados para el análisis en tiempo real.

Esta es una de las mayores diferencias con respecto a los sistemas de información: la limpieza del dato debe de hacerse en tiempo real para ofrecer predicciones precisas que sean válidas para la toma de decisiones del personal de operación.

Contenido del webinar

• Tratamiento de los tipos de errores de calidad del dato más comunes y cómo resolverlos.
• Tecnologías, métodos y herramientas que nos permitan corregir los datos en tiempo real para que las aplicaciones de inteligencia artificial produzcan resultados exactos, completos y coherentes.
• Casos de uso donde los algoritmos de Machine Learning retroalimentan el sistema para aportar diferencias significativas con los procesos manuales utilizados hasta ahora. Datos en tiempo real

Participantes

La reunión será coordinada por Ricardo Fernández Vocal de Actividades de ISA.

El webinar comenzará con una presentación a cargo de D. Carlos Villanúa (OSIsoft) y Dª Rocío Pérez (Osisoft).

Ponentes

D. Carlos Villanúa (OSIsoft)

Máster en Automática y Electrónica por la Escuela Técnica Superior de Ingenieros Industriales de Madrid. Actualmente es Theater Lead, Pre-Sales Engineering at EMEA en el departamento de ventas en OSIsoft donde asesora sobre mejores prácticas en la definición de arquitecturas, tecnologías y seguridad para la gestión de datos en tiempo real para el sector industrial.

Dª. Rocío Pérez (Osisoft)

Licenciada en Matemáticas y Profesora de IoT en MIOTI. Actualmente trabaja como Pre-Sales Engineer en OSIsoft donde asesora sobre cómo conectar las tecnologías operativas (OT) y las tecnologías de la información (IT) para mejorar la productividad y competitividad empresarial.

Horario

•    16:30 – 17:10   Ponencia
•    17:10 – 17:30   Turno de preguntas por parte de los asistentes

Más información e inscripción AQUÍ