#4: Internet de las cosas (IoT)
Conceptos básicos, estrategias de implantación y aplicaciones del IoT
Hola soy Francisco Fernández @franferparra, Director de Transformación Digital y esta es mi newsletter dedicada a entender la tecnología a través de la simplificación. Porque no es lo mismo Simple que Fácil!
En el post anterior de Simplificando hablamos sobre Inteligencia Artificial y vimos que los algoritmos de Machine Learning son el motor de la IA y los datos la gasolina que hace que funcione.
¿Qué es el Internet of Things?
Hay innumerables definiciones, pero uniendo muchas de ellas, podríamos definir el IoT como:
“La combinación de tecnologías: computación, electrónica, mecánica y comunicaciones, que permiten transformar en datos los elementos del mundo físico y comunicarlos por redes públicas o privadas sin requerir la acción humana para ello”.
Quizás leyendo esta definición no os haya aclarado nada, pero si tuviera que explicarlo en una frase a un niño (y no tan niño), podría ser algo así: “Cosas físicas que se conectan a internet y envían y reciben datos”.
El IoT está en auge y se estima que en 2025 habremos pasado de 22 a 50 billones de dispositivos conectados. Ese aumento implica que para esa fecha, los dispositivos conectados generarán 79.4 zettabytes (1 Zettabyte equivalente a 17.200 millones de Iphones de 64GB).
En este post sobre IoT vamos a ver tres puntos:
Principales aplicaciones de IoT en diferentes sectores.
Los componentes y tecnología detrás del IoT.
Buenas prácticas en el diseño y escalado de un proyecto de IoT.
1. Aplicaciones del IoT
Antes de entrar en lo “duro” de la parte técnica del IoT vamos a ver ejemplos claros de para qué puede servir y cómo va a transformar los diferentes sectores.
Ciudades inteligentes: Consiste en conectar elementos y hacer un uso más eficiente como por ejemplo, el alumbrado público que detecta la luminosidad ambiente y se conecta automáticamente. En el futuro los elementos de la ciudad conectada más la IA podrán hacer eficientes el tráfico, la gestión de residuos, el agua, etc.
Wearables: Dispositivos que llevamos encima y que están transmitiendo datos. Por ejemplo los relojes inteligentes que envían nuestras pulsaciones o pasos a una app que registra nuestra actividad física.
Ropa inteligente: Dentro de los weareables hay una categoría llamada “Intelligent Clothing” con ejemplos como bikinis que avisan cuando excedemos la exposición al sol o tobilleras que miden la saturación de oxígeno para bebes.
Medicina y Salud: Existen dispositivos que recopilan y transfieren datos de salud: presión arterial, niveles de oxígeno, azúcar en sangre y peso. Estos datos son recibidos por el médico pudiendo anticipar posibles problemas. Mirando al futuro tenemos por ejemplo los “sensores ingeribles” que podrán entrar en nuestro cuerpo y detectar posibles enfermedades en etapas muy tempranas.
Agricultura. Quizá uno de los sectores más avanzados con medidores de humedad y riego automático, tractores autónomos o drones para distribuir pesticida. Todos estos elementos combinados con IA están aumentando la productividad y reduciendo el gasto de recursos como el agua.
Casa conectada o “Smart Home”. Uno de los campos con más “marketing” y “la gallina de los huevos de oro” donde muchas empresas de diferentes sectores quieren entrar, nuestro hogar. En él tenemos muchos dispositivos conectados o conectables como: contador de agua y luz, router, asistentes de voz, electrodomésticos, domótica, seguridad, aire acondicionado o calefacción. Sin embargo todavía no hay ninguna plataforma que integre todos ellos y que nos permita controlar a través de una única aplicación toda nuestra casa.
Automóviles. Cada día los coches tienen más sensores y están más conectados. En el futuro podrán registrar nuestra forma de conducción y se abrirá la posibilidad a las aseguradoras de ofrecer una tarifa personalizada en base a esa.
Industria. Se suele conocer cómo IIoT (Industrial Internet of things). Permite por ejemplo implantar muchos más sensores y obtener mayor información y mediante IA por ejemplo implantar soluciones de mantenimiento predictivo. También hay muchas aplicaciones en temas de seguridad de los trabajadores con detectores de presencia o de exposición a gases nocivos. Próximamente dedicaré un post específico al IIoT junto a la industria 4.0.
Gestión de flotas. Otra de las aplicaciones más conocidas. Consiste en instalar un elemento que mida no solo la posición GPS sino otras variables de la conducción como el estado de los frenos o la presión de los neumáticos. En el procesado de datos se puede aplicar IA para el mantenimiento predictivo, optimización de rutas o por ejemplo premiar a los conductores más eficientes.
Logística. Quizá uno de los pioneros mediante el RFID (antena de radiofrecuencia en una pegatina) que sirve para trazar por donde ha pasado el paquete. Actualmente, no solo se puede saber dónde está el paquete en “tiempo real”, sino también las condiciones por las que ha pasado. Por ejemplo para productos muy sensibles a las condiciones externas como podría ser el explosivo, un sensor puede registrar las condiciones de humedad, presión y temperaturas a las que ha estado expuesto.
Energía (Smart Grids). Contadores conectados, baterías, paneles solares de autoconsumo conectados, etc. Todos los elementos interconectados para hacer más eficiente el sistema.
Edificios inteligentes (“Smart Buildings”). La casa conectada llevada al edificio. Búsqueda de la optimización de recursos y la eficiencia energética.
Retail. Por ejemplo, las tiendas inteligentes donde el carro de la compra puede registrar los productos que introduces y emitir el cobro directamente.
2. Tecnología detrás del IoT
¿Cuáles son los componentes del IoT?
Hay muchas formas de ver una arquitectura de IoT, las más comunes son de 3, 4 o 5 capas (ver enlace arquitecturas IoT).
Capa física: La componen los sensores (por ejemplo un medidor de temperatura), los dispositivos (agrupan varios sensores como por ejemplo un smartphone) y los actuadores (como un interruptor de encendido/apagado).
Capa de comunicaciones: Parte fundamental y en gran medida el gran habilitador del IoT. Los datos recogidos por los sensores tienen que ser procesados “más arriba”. El desarrollo de las comunicaciones permite que el dispositivo se conecte a una red desde casi cualquier entorno (en medio del océano o bajo tierra) y envíe datos con diferentes frecuencias (tiempo real, una vez al mes o ante la aparición de un evento).
Capa de procesamiento: Generalmente esta capa se localiza en “la nube”. Podemos decir que el otro gran habilitador del estallido del IoT es el “Cloud computing” ya que nos permite abaratar el coste de computación y tener los sensores descentralizados. Para que se entienda el cambio de paradigma, antes de la aparición del IoT ya existían sensores en fábricas, pero estaban todos centralizados en equipos de control llamados SCADA. Los datos estaban centralizados, cada fábrica tenía su SCADA y sus datos y prácticamente había que desplazarse a la fábrica para extraer esos datos.
Capa de aplicaciones. En algunos usos del IoT es necesario visualizar los datos, ejecutar acciones o tan solo supervisar las acciones programadas a través de aplicaciones. Se suele llamar también la capa de negocio.
Esta forma de ver la arquitectura es solo una representación, sin embargo, como veremos más adelante la forma de configurar estas capas está determinada por el caso de uso que resuelve el IoT.
Principales retos del IoT
Hay dos factores que están haciendo que el desarrollo tecnológico del IoT despegue: el desarrollo de las comunicaciones y el abaratamiento de los sensores y de la computación.
Sin embargo al mismo tiempo, nos encontramos con una serie de factores que “frenan” la adopción de esta tecnología:
Privacidad: Este es uno de los grandes retos del mundo digital. ¿Cómo garantizamos que no se hace un mal uso de los datos que estamos generando con nuestros dispositivos?. Todo a nuestro alrededor está conectado, llevamos un teléfono lleno de sensores enviando datos sobre nuestra posición, nuestras constantes vitales, nuestro ocio o con quién estamos.
Seguridad: Cuantos más dispositivos accediendo a la red mayor número de puertas a vigilar. Imaginemos el impacto que puede tener acceder con malas intenciones a un sensor de altitud en un avión durante el vuelo.
Escalabilidad: Como veremos en la siguiente sección, en muchos casos para que el IoT tenga un impacto significativo en la cuenta de resultados, es necesario inversión para hacer un despliegue masivo de sensores, implantar nuevas plataformas y cambiar sistemas y procesos.
Interoperabilidad: Para realmente alcanzar el potencial del IoT necesitamos estándares de comunicación para que los dispositivos se comuniquen entre sí. Por ejemplo que no tengamos una aplicación para el termostato y otra para apagar la luz, sino que desde la misma plataforma podamos controlar los dispositivos independientemente de su fabricante o su forma de comunicar.
Adopción Social: Está muy ligado a los dos primeros puntos, tiene que ver con la adopción de esta tecnología por parte de los usuarios. ¿Hasta qué punto estamos dispuestos a poner nuestros datos a disposición de una IA, y a dejar que, en cierta forma, las “máquinas tomen el control? Vamos a imaginar un escenario combinado de IoT más IA. Resulta que por costumbre cuando hay partido de Champions me suele apetecer cenar una pizza. Mi asistente virtual sabe que estoy llegando a casa porque mi coche emite una señal. El asistente comienza a precalentar el horno y hace un pedido a mi sitio de delivery favorito para que cuando llegue la pizza la pueda meter en el horno y disfrutarla viendo el fútbol. Suena cómodo, pero con este ejemplo absurdo vemos como nuestra libertad en la elección se ve condicionada a lo que diga “una máquina”.
3. Diseño y escalado de una solución IoT
Por último recojo algunas “buenas prácticas” para la implantación de una solución IoT en dos actividades críticas como son el diseño y el escalado de la solución.
Diseño
La fase de diseño debería comenzar definiendo el problema alto nivel a resolver con la solución IoT. Después se detallan los casos de uso concretos que vamos a cubrir con la solución.
Es de vital importancia diseñar unos buenos casos de uso ya que condicionarán las decisiones que tomemos a nivel tecnológico y que tendrán un impacto directo en la viabilidad técnica y económica del proyecto. De estos casos de uso se derivarán las necesidades de:
Los sensores y las comunicaciones: Es importante tener en cuenta que diseñar un sistemas de IoT es generalmente un compromiso entre tres variables:
Batería del dispositivo: El tamaño y duración de la batería tienen un impacto directo en el coste del dispositivo. Cambiar una batería además del coste en si requiere desplazamiento y eso a veces es una tarea compleja y de mucho coste.
Alcance: Impacta directamente en el consumo eléctrico del dispositivo y en la arquitectura. Es importante saber dónde van a estar los dispositivos, la distancia y las barreras de comunicación. Por ejemplo una comunicación de largo alcance por tecnología 4G tiene mayor consumo de batería que una comunicación cercana por Bluetooth.
Cantidad de datos a transmitir: Determina las otras dos, es decir, enviar muchos datos (ej. imágenes o videos) necesita mucho ancho de banda y un tipo de comunicación determinada (cellular, WiFi, etc.) que impactará en la batería del sensor. Y enviar un único dato diario como la temperatura de una habitación requiere mucho menos ancho de banda y se puede utilizar otro tipo de comunicación (por ejemplo “LPWAN - low power wide area network”) y la batería del sensor puede durar años.
La capa de proceso de datos:
¿Proceso en la nube o cerca del dispositivo?: No siempre es posible “enviar los datos a la nube” y es necesario procesarlo cerca del sensor. Si necesitamos procesar cerca del sensor estaríamos hablando de una capa que se añade llamada Edge Computing. Con un ejemplo se entiende mejor, imaginemos que tenemos un coche autónomo y necesitamos hacer una frenada de emergencia porque los sensores han detectado que el coche de delante ha frenado bruscamente. A día de hoy (sin 5G) no podemos esperar a que los datos del coche comuniquen con la nube, se procese, vengan de vuelta y se ejecute la acción de frenado. Por lo tanto la capacidad de proceso se encuentra dentro del coche, cerca del dispositivo. Sí que hay otra información no tan “crítica” que seguiría el canal habitual y se guardaría en la nube para un post proceso como por ejemplo el consumo de gasolina o el trayecto realizado.
¿Necesito integrar datos de otros sensores de aplicaciones de terceros? A la hora de definir la arquitectura debemos tener en cuenta si para nuestro proceso de datos necesitamos integrar otras variables capturadas por otros sensores que están gestionados por aplicaciones de terceros, como por ejemplo temperatura o presión ambiental. En este caso tendremos que definir nuestra capa de proceso de datos para conectar con las plataformas de terceros mediante por ejemplo unas APIs (canales de comunicación que se abren entre diferentes plataformas).
Escalado
Es la fase crítica, es pasar del piloto a la solución masiva. Es crítica porque es el momento donde tenemos que invertir y consolidar una solución que va a tener que generar un impacto en la cuenta de resultados.
Según CISCO el 70% de los proyectos de IoT fallan en la fase de escalado, algunos son abandonados pero la mayoría pasan al “Purgatorio de los pilotos”
El purgatorio de los pilotos es un término que hace referencia a esa zona donde los pilotos no consiguen financiación para escalar y se quedan siempre siendo eternos pilotos. Nadie toma la decisión de “matarlos”ni tampoco de impulsarlos.
¿Por qué fallan lo proyectos de IoT?
Viabilidad técnica. En muchos casos se hacen pilotos pequeños en condiciones muy controladas que cuando se escala, la tecnología seleccionada encuentra problemas de interoperabilidad o compatibilidad. En una experiencia personal, elegimos para un dispositivo conectado una tecnología de comunicación celular (3G) que funcionaba perfectamente en las condiciones del piloto. Cuando lo intentamos extender por ejemplo en Rusia, el cliente nos exigía conectarnos y enviar los datos a través de radio frecuencia en una red privada. No habíamos considerado esa posibilidad de conexión, más tarde nos dimos cuenta que esa “exigencia” se podía convertir en el estándar de la industria.
Viabilidad económica: Es muy común que durante la fase de piloto como se recoge un set “pequeño” de datos no afloren costes ocultos asociados a la gestión masiva de datos. Para hacernos una idea de la escala, por ejemplo en el caso de los contadores eléctricos, pasamos de tener una medida mensual con los contadores analógicos a poder tener una medida cada 15 minutos es decir 2.880 medidas en un mes. Si hacemos un piloto con 1.000 contadores tendríamos casi 3 millones de medidas al mes. En este punto se podría haber pensado que esas lecturas cada 15 minutos podrían ser interesantes para algún nuevo servicio. Pero si lo escalamos a los 11 millones de contadores que tiene hoy en día una de las grandes distribuidoras eléctricas españolas tendremos 31.600 millones de medidas en un mes y se hace muy complicada la gestión de todos esos datos. Con este ejemplo vemos cómo la gestión masiva de datos puede suponernos un problema y tener que incurrir en costes de comunicaciones, proceso y almacenamiento que no aparecieron durante el piloto.
Problemas regulatorios. Suele pasar cuando la solución va a aplicar a diferentes áreas geográficas. Es muy importante tener en cuenta las normativas y protocolos de cada región.
Sobreestimar de la capacidad de la organización en recursos y personas para traccionar una fase de escalado a la velocidad necesaria. Cuando estamos trabajando en el piloto, nos seduce tanto la tecnología y el beneficio potencial, que tendemos a pensar que el despliegue del IoT va a ser la prioridad número uno de la compañía.
Problemas en la privacidad o seguridad del dato que pueden hacer que el cliente no “acepte” la solución. Si tenemos algún problema de fuga de información por ejemplo además del problema reputacional, puede suponer un problema de rechazo del cliente.
Algunas recomendaciones para escapar de ese purgatorio y poder escalar:
Foco en los outcomes. Hacer un business case realista y no dejarse seducir por la tecnología. Como siempre decimos en esta Newsletter la tecnología es el medio no el fin.
Medir, medir y medir. Definir claramente los KPIs de negocio que vamos a mejorar con la implantación de la solución y cuales son los KPIs de control del proceso de escalado. Este dashboard tiene el documento base de seguimiento y tiene que ser transparente y objetivo.
Importante seleccionar muy bien la muestra del piloto para que sea lo más representativa (Os dejo una lectura muy interesante sobre la Ley de los pequeños números)
Usar las “gafas del escalado”. Evaluar cada decisión durante el piloto con la óptica del despliegue masivo, sobre todo si la muestra es pequeña en relación al volumen total. En el piloto, decisiones que pueden parecer insignificantes se pueden volver problemas bloqueantes cuando se aumenta el número de dispositivos o la frecuencia de adquisición de datos.
Planificar el escalado teniendo en cuenta todas las dependencias y cuellos de botella que han salido durante el piloto. Tener en cuenta la logística de los dispositivos, las comunicaciones, licencias, equipos de personas dedicados al despliegue, formación, etc. Si está bien definido, el software escala bien, una hoja excel trabaja bien con 100 filas y con 10.000, pero las organizaciones y las personas escalan peor si no hay un plan y un proceso.
Hacer foco en la gestión del cambio a dos niveles, con el senior management a través de seguimiento del dashboard. Y con los usuarios y responsables del cambio facilitando materiales de formación, haciendo sesiones informativas y si es posible involucrándoles en las etapas iniciales del diseño.
Además al gran reto de la escalabilidad, se le suma el impacto del Covid. Según un estudio reciente de Gartner estos son los impactos en el desarrollo del IoT por sectores. El eje horizontal mide el crecimiento real en el año 2020 y el eje vertical las previsiones de crecimiento anual que había desde 2019 hasta 2029. Podemos observar cómo el sector salud ha crecido más de los esperado mientras que los sectores transporte o automóvil están muy por debajo de lo estimado.
Recuerda, si te ha gustado este post, no te olvides de dar al ❤️ y de compartirla por email o redes sociales con otras personas a las que les pueda gustar.
Me ha encantado este post. Fácilmente entendible con los ejemplos que ilustra! ;)
Muy buen artículo y muy bien explicado. Muchas gracias