IOT 2018 : Una visita al futuro de la tecnología

Esquema de la arquitectura

Google presentó un proyecto piloto para recoger de forma eficiente los residuos generados en una gran ciudad. Su idea se basa en disponer de sensores en los contenedores que envían información de su estado a un servicio cloud, conectado a la flota de camiones de recogida de la basura. Conociendo el estado de los contenedores en tiempo real, la ruta de los camiones de basura se generará dinámicamente usando la api de Google Maps en función de los contenedores que tengan que ser vaciados y de la posición de los distintos camiones de la basura.

Salud

En el ámbito de la salud destacamos la siguientes novedades:

SmartMedi es una iniciativa que pretende unificar todos los datos generados en varios hospitales centralizados en un servicio cloud donde se estandarizan todos los datos para poder aplicar técnicas de Machine Learning para identificar patologías a partir de la descripción de la sintomatología, conocer la afectación y evolución de ciertas patologías en tiempo real dentro de un país o zonas geográficamente cercanas.

Se han detectado muchas soluciones basadas en el reconocimiento de imágenes para identificar distintas patologías. Por ejemplo, Intel presentó un sistema entrenado con 22k imágenes etiquetadas capaz de identificar en tiempo real la degradación ocular de un paciente a partir de un simple escáner con un alto grado de precisión.

Industria

Muchas de las soluciones propuestas en congreso estaban enfocadas a este sector. Desde Enzyme destacamos dos soluciones que creemos que pueden tener un gran impacto en los próximos años:

Zyfra MDC-Plus ofrece un Sistema de monitoreo de equipos industriales y recogida de datos de producción en tiempo real que ofrece centenares de informes y diagramas que permiten controlar el proceso de ejecución de tareas industriales, operaciones, etc., además de evaluar el rendimiento general de equipos, costes de producción, detectar los defectos, determinar las causas y duración de paradas de los equipos.

Microsoft presentó un modelo de logística para optimizar la recogida de pedidos en un almacén sin necesidad de intervención humana.

Simulación del modelo logístico

Tal como se muestra en la imagen, este modelo consta de dos tipos de robots eléctricos autónomos sincronizados entre sí. El primer tipo de robots se desplaza únicamente por las estanterías para buscar el producto. Cuando llega un nuevo pedido, el robot recoge el producto y lo traslada hasta  la zona donde se encuentran los robots que transportan el producto hacia la zona de recogida. Se estima empezar una prueba piloto de este método en los almacenes de Toyota a principios de 2020.       

Área de testbeds

En esta zona se mostraban nuevos productos y tecnologías que están a punto de dar el salto al mundo real. De todas ellas, destacamos 3 soluciones que pensamos que pueden tener un impacto en el futuro más inmediato:

Protección del hábitat de la ballena beluga en Alaska : este proyecto desarrollado por libelium consistió en crear una boya capaz de detectar diferentes indicativos de la calidad del agua y el aire a través de sensores como son la temperatura, presión relativa, nivel de oxígeno, concentración de metano, PH,… para determinar si las condiciones eran adecuadas para esta especie en extinción. Los creadores de este proyecto piensan utilizar esta tecnología para analizar el estado del agua en las playas para determinar si son aptas para el baño de las personas.

Boya con los sensores y electrónica integrados

Guardhat presentó un casco con electrónica integrada utilizado para reducir los accidentes en los trabajos de alto riesgo. Gracias al uso de este casco, se puede conocer la posición de todos los trabajadores en cualquier momento, sus constantes vitales, así como un gran número de funcionalidades adicionales: toma de imágenes, comunicación directa a otros trabajadores o a la central de mandos, control de accesos mediante una señal acústica, avisos de evacuación, etc. Las primeras pruebas de esta nueva tecnología se realizarán este mismo mes de octubre en Estados Unidos.

Operarios con el casco de Guardhat

QUANT-U es una iniciativa creada por ILE para obtener el zapato que mejor se adapte a cada consumidor. Para conseguirlo, el proceso consiste de tres pasos:

1. Para empezar, se realiza un escáner anatómico del pie para conocer las medidas que deberá tener el zapato.
2. A continuación, se realiza un análisis de movimiento de 30 segundos sobre una cinta de correr donde se analiza, mediante algoritmos estadísticos, el patrón de movimiento del cliente.
3. A partir de estas dos fases, se genera un modelo 3D de la suela del zapato que mejor se adapta al cliente mediante algoritmos de machine learning y se imprime en una impresora 3D.

Todo el proceso de análisis inicial hasta que el cliente dispone del zapato se efectúa en un máximo de 1 hora, según comentan sus creadores. Se empezará una prueba piloto de esta  tecnología en Francia a principios de 2019, estaremos pendientes del desarrollo de esta innovadora idea.

Prueba piloto del proyecto

Conclusión

Después de haber visto las tecnologías presentadas en el IoTSWC, hemos podido observar que el uso de técnicas basadas en IA y concretamente en deep learning empiezan a estar presentes de manera muy generalizada en proyectos de índoles muy diversas y que algunas compañías empiezan por apostar en soluciones cognitivas, especialmente en el uso de la voz para interactuar directamente con las máquinas usando el lenguaje oral.