AIknow ha desarrollado para su cliente una solución avanzada de monitorización energética que ofrece un sistema completo de recogida, análisis y visualización de datos de producción y consumo energético. La plataforma se integra perfectamente con la infraestructura existente gracias a gateway IoT instaladas sobre el terreno que pueden conectarse directamente a dispositivos como PLC, contadores inteligentes y sensores.
Necesidades del cliente
El principal objetivo de la solución es apoyar al cliente final a través de:
- Un servicio de asistencia avanzado
- Centralización de la información sobre el rendimiento de sus productos
- Control del uso correcto de los productos por parte de los clientes
Contexto operativo
La plataforma está diseñada para aplicarse en varios ámbitos, entre ellos:
- Dispositivos de estabilización de red utilizados en máquinas de producción industrial
- Impianti di produzione di energia elettrica da fonti rinnovabili
- Supervisión de subestaciones de transformación, distribución y control
- Control del consumo energético de edificios y plantas de producción industrial
Solución AIknow
AIknow diseñó y desarrolló toda una plataforma a medida para satisfacer los requisitos específicos del cliente. Entre sus principales características se incluyen:
Edge Computing e IoT
-
-
- Selección y suministro de pasarelas IoT capaces de alojar la pila de aplicaciones del lado del borde
- Utilización del estándar Sparkplug para el intercambio de datos entre el borde y la nube a través del protocolo MQTT y la carga útil binaria Protocol Buffer
- Gestión centralizada de flotas de pasarelas a través de BalenaOS
- Stack edge en gateway compuesto por:
- Servizi C++ dedicati per ogni protocollo industriale
- Aplicaciones de orquestación en Java/Python para almacenamiento en búfer, envío de datos a la nube y recepción de comandos.
-
Aplicación en la nube
-
-
- Recepción de telemetría y almacenamiento de datos en una base de datos de series temporales (InfluxDB v2)
- Generación de alarmas de diagnóstico para pasarelas y dispositivos
- Supervisión de métricas con umbrales de alarma configurables
- Cálculo de métricas derivadas para análisis avanzados
- Creación automática de informes
- Lógica de generación automática de comandos para dispositivos a través de pasarelas
- Posibilidad de que el usuario final cree cuadros de mando personalizados
-
Infraestructura en nube
-
-
- Creación, gestión y mantenimiento de infraestructura de nube en Amazon AWS
-
Estudio de series temporales
AIknow también realizó un estudio preliminar sobre las series temporales de datos energéticos, con el objetivo de evaluar la posibilidad de predecir consumos futuros e identificar comportamientos anómalos. Este análisis permitió explorar posibles desarrollos futuros relacionados con el mantenimiento predictivo y la optimización del uso de los recursos energéticos, gracias al uso de Inteligencia Artificial aplicada a modelos avanzados de predicción como LSTM (Long Short-Term Memory) para el análisis de secuencias temporales y XGBoost para la detección de patrones no lineales en los datos. Además, se tuvo en cuenta el análisis de sentimientos aplicado a los comentarios y a los datos textuales para integrar el contexto cualitativo en los modelos de predicción.
Con esta solución, AIknow garantiza una monitorización energética eficaz y escalable, mejorando la gestión de los datos y optimizando el uso de los recursos energéticos para sus clientes.
