S14_Tecnologías I4.0

• CARRASCO GARCÍA SAMUEL
• FLORES RUIZ ARTURO NEFTALI
• GURROLA BRECEDA CELSO
• HIDALGO MORALES LITZY AHTZIRI
• ROSADO RIVAS CARLOS DANIEL

EQUIPO 4Integrantes:

"GESTIÓN DE PROYECTOS ORIENTADOS A IMPLEMENTAR EL MODELO DE ECONOMÍA CIRCULAR EN LAS ORGANIZACIONES"

TECNOLOGÍAS DE LA INDUSTRIA 4.0

SEMANA 14 - PRESENTACIÓN

Además, tecnologías emergentes como la Realidad Aumentada (AR) y la Realidad Virtual (VR) están transformando la forma en que interactuamos con el mundo digital y físico. Estas herramientas se están utilizando para la capacitación de los empleados, el diseño de productos y la mejora de la experiencia del cliente. Por último, la Inteligencia Artificial (IA) está revolucionando la industria al permitir la automatización de tareas complejas, el análisis predictivo y el desarrollo de sistemas inteligentes que pueden aprender y adaptarse.

Uno de los pilares fundamentales de la Industria 4.0 es el Big Data, que permite la recopilación y análisis de grandes volúmenes de datos en tiempo real, lo cual ofrece información valiosa para tomar decisiones más informadas y precisas. A su vez, el Internet de las Cosas (IoT) está conectando dispositivos y máquinas, facilitando la comunicación y la automatización en todas las etapas de la producción.

INTRODUCCIÓN

En la última década, ha existido una transformación significativa en el sector industrial, marcada por la integración de tecnologías avanzadas que redefinen la manera en que se producen, administran y distribuyen bienes y servicios; siendo una nueva era conocida como Industria 4.0.

OBJETIVOS

Analizar las Tecnologías de la Industria 4.0. Saber identificar las tecnologías clave de la Industria 4.0, como el Big Data, el Internet de las Cosas (IoT), la Realidad Aumentada (AR), la Realidad Virtual (VR) y la Inteligencia Artificial (IA); comprender cómo funcionan, sus aplicaciones prácticas y el impacto que tienen en diferentes industrias. Evaluar el Impacto y los Beneficios de las Tecnologías de la Industria 4.0. Evaluar los beneficios y desafíos que las tecnologías de la Industria 4.0 traen consigo, entender cómo mejoran la eficiencia, productividad y calidad en los procesos industriales, así como los posibles retos que enfrentan las empresas al implementarlas. Diferenciar entre Realidad Aumentada y Realidad Virtual. Distinguir entre la Realidad Aumentada y la Realidad Virtual, comprendiendo sus diferencias fundamentales en términos de tecnología, aplicaciones y experiencias de usuario.

BIG DATA Y ESTADÍSTICA

MACHINE LEARNING

TIPOS (SEGÚN IBM)

PRIVACIDAD Y LEY

BIG DATA EN LA SOCIEDAD

GENERALIDADES

BIG DATA

APLICACIONES

BENEFICIOS

CARACTERÍSTICAS

INTERNET DE LAS COSAS (IoT)

vs

CONCEPTOS

CEREBRO E INTELIGENCIA

CIENCIAS DE COMPUTACIÓN

SISTEMAS INTELIGENTES

HISTORIA

¿QUÉ ES?

• La Realidad Aumentada (RA) y la Realidad Virtual (RV) son tecnologías complementarias pero distintas. La rA enriquece el entorno físico con información digital, siendo útil en el mantenimiento, formación y diseño de productos; mientras la RV crea entornos completamente inmersivos que son ideales para simulaciones, capacitación y desarrollo de prototipos. Comprender las diferencias entre AR y VR permite a las empresas seleccionar la tecnología adecuada para sus necesidades específicas, maximizando el retorno de inversión y mejorando la experiencia del usuario.

• Aunque los beneficios de la adopción de tecnologías de la Industria 4.0 son significativos, también se presentan desafíos importantes, puesto que su integración requiere una inversión considerable en infraestructura y capacitación, así como una adaptación cultural dentro de las organizaciones. Además, la seguridad de los datos y la privacidad se convierten en preocupaciones cruciales a medida que más dispositivos y sistemas se interconectan.

• Las tecnologías antes mencionadas de la Industria 4.0 han demostrado ser fundamentales en la modernización del sector industrial. No solo han optimizado los procesos de producción y gestión, sino que también han permitido la creación de nuevos modelos de negocio y servicios personalizados; por su parte, la capacidad de recopilar y analizar grandes volúmenes de datos en tiempo real, junto con la interconexión de dispositivos y sistemas, ha llevado a una eficiencia y precisión sin precedentes en las operaciones industriales.

Conclusiones

• Monleon-Getino A. (2015). El impacto del Big-data en la Sociedad de la Información. Significado y utilidad”. Historia y Comunicación Social, 20(2), 427-445. https://doi.org/10.5209/rev_HICS.2015.v20.n2.51392

• Osio, J., Cappelletti, M., et. al. Diseño de aplicaciones de IoT para la solución de problemas en el medio socio productivo. Instituto de Ingeniería y Agronomía - UNAJ, UIDET CeTAD –Fac. de Ingeniería - UNLP, Codiseño HW SW para Aplicaciones en Tiempo Real - UTN - FRLP, Instituto LIDI-Fac. de Informática - UNLP

• Desconocido. Capítulo 2. Introducción a la Realidad Virtual.

• Becerra, M., Ierache, J. & Abasolo, M. Supervisión de sistemas mediante el uso de tecnologías de realidad aumentada en el contexto de industria 4.0. Universidad Nacional de La Matanza, DIIT, Grupo de Realidad Aumentada Aplicada, Florencio Varela 1903, La Matanza, Buenos Aires, Argentina.

• Desconocido. 1 CAPITULO I: FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

• Desconocido. 2 CAPÍTULO II: CEREBRO E INTELIGENCIA

REFERENCIAS

PRIVACIDAD Y LEY

• Hoy en día la legislación protege la privacidad de las personas a través de un método de notificación y consentimiento (una empresa informa a los usuarios qué datos se recopilan y cómo se utilizarán posteriormente, y el usuario da su consentimiento) • En España, la Ley Orgánica de Protección de Datos (LOPD) es la que protege este uso, y la Agencia de Protección de Datos Española (APDE) se encarga de que las empresas cumplan esta normativa: usar datos personales solamente para la prestación del servicio original. • La actual legislación sólo obliga a las empresas informar al usuario de qué datos se recogen, pero no sobre el uso que se le va a dar a esos datos • La tendencia será a regular más y mejor el uso de los datos personales, pues hoy en día no queda claro qué hacen las empresas con los datos del comportamiento online de los usuarios.

TIPOS DE BIG DATA (SEGÚN IBM)

• Web and Social Media. Contenido web e información que es obtenida de las redes sociales (www, Facebook, Twitter, LinkedIn, blogs).
• Machine-to-Machine (M2M). Tecnologías que permiten conectarse a otros dispositivos, usando dispositivos como sensores o medidores que capturan algún acontecimiento en particular, los cuales se envían a través de redes alámbricas, inalámbricas o híbridas (velocidad, temperatura, presión, variables meteorológicas, variables químicas).
• Big Transaction Data. Incluye datos procedentes de transacciones masivas de los centros de atención telefónica, de banca, finanzas, atención a clientes, ente otros (registros de facturación, en telecomunicaciones los “Call Detail Record” o CDR, etc).
• Biometrics. Información biométrica; en el área de seguridad e inteligencia, los datos biométricos son sumamente importantes para los gobiernos, seguridad privada, servicios de inteligencia, policía, etc. (huellas digitales, escaneo de la retina, reconocimiento facial, genética).
• Human Generated. Datos digitales generados por las personas, en sentido genéric (notas de voz, correos electrónicos, documentos electrónicos, resultados de estudios médicos, multas, etc).

- Reducciones de costos a través de servicios más personalizados - Aumento de eficiencia en el sector público. - Se puede descubrir el riesgo de una pandemia en tiempo real a través de las tendencias que se registran en un buscador de internet - Era ómica. Una visión global de los procesos biológicos basada en el análisis de un gran volumen de datos a través de ciencias ómicas, como la genómica, la proteómica, la transcriptómica y la metabolómica. - Fomento de las smart cities - Estimar la tasa de inflación a través de la recolección de datos continuamente sobre precios de productos comercializados en Internet

EL BIG DATA Y LA SOCIEDAD

Las grandes compañías tecnológicas disponen de centros de almacenamiento para guardar enormes fuentes de información y tras su análisis pueden estudiar el comportamiento de los clientes para realizar acciones comerciales más efectivas o focalizar la publicidad los intereses del consumidor.El buen uso de los datos puede traer oportunidades a sectores como el transporte, salud o fabricación.Cambios en la sociedad gracias al Big Data- Transformara las industrias de servicios mediante la generación de una amplia gama de productos y servicios de información innovadores- Aumento de la productividad de todos los sectores de la economía- Mejora en la investigación e innovación acelerada

GENERALIDADES

• En 2012, cada día se generaron alrededor de 2.5 EB de información, número que se dobla aproximadamente cada 40 meses.
• Diario se generan más de 1 QB (1030 bytes), emergentes de los datos de clientes, proveedores, operaciones financieras en línea u obtenidos de dispositivos móviles, análisis de redes sociales o ubicación geográfica mediante GPS.
• Las máquinas también registran datos, 30 millones de sensores interconectados envían instantáneamente datos en el sector automotriz, eléctrico, comercial, logístico, industrial, científico, etc.

• Actualmente la sociedad crea datos que se guardan en dispositivos cada vez más eficientes para su almacén, los cuales son una infraestructura en sí mismos.
• El término se emplea cuando se habla en términos de petabytes (PB - 1015 bytes) y exabytes (EB – 1018 bytes) de datos.
• El 90% de los datos del mundo ha sido creado en los últimos 2 años.
• En 2010, había ya 5,000 millones de teléfonos móviles.
• Treinta mil millones de contenidos se han compartido en Facebook sólo en un mes.
• 15 de los 17 sectores productivos de la economía norteamericana tienen más datos almacenados en cada compañía que la Biblioteca del Congreso de los Estados Unidos de América (la mayor del mundo).

Hogares Inteligentes. Dispositivos como termostatos inteligentes, luces controladas por voz y sistemas de seguridad conectados. Ciudades Inteligentes. Sistemas de gestión del tráfico, alumbrado público inteligente y monitorización de la calidad del aire. Salud y Bienestar. Dispositivos wearables que monitorizan la salud, sistemas de telemedicina y gestión de medicamentos. Industria y Manufactura. Monitoreo y control de maquinaria, mantenimiento predictivo y optimización de la cadena de suministro. Agricultura Inteligente. Sistemas de riego automatizados, monitoreo de cultivos y gestión de ganado conectada.

APLICACIONES

Conectividad. Dispositivos equipados con sensores y conectividad de red, les permite interactuar y compartir datos. Datos en Tiempo Real. Los dispositivos IoT pueden recopilar y transmitir datos en tiempo real, permitiendo un monitoreo continuo y la toma de decisiones inmediata. Automatización y Control. La capacidad de automatizar procesos y controlar dispositivos de forma remota, mejorando la eficiencia y reduciendo la necesidad de intervención humana. Interoperabilidad. Los dispositivos IoT pueden trabajar juntos a través de diferentes plataformas y estándares, facilitando una integración fluida en distintos sistemas y aplicaciones.Inteligencia Distribuida. Uso de análisis de datos y algoritmos de inteligencia artificial para procesar información y tomar decisiones autónomas en los dispositivos.

CARACTERÍSTICAS

MACHINE LEARNING (ML)

Es una disciplina encargada de construir y estudiar los algoritmos que pueden aprender a partir de datos, en este caso de los Big-data; intentan construir modelos basándose en los datos con objetivo de hacer predicciones o tomar decisiones, y existen de varios tipos, tales como:Aprendizaje supervisado. El algoritmo produce una función que establece una correspondencia entre entradas y salidas del sistema (útil en problemas de investigación biológica, biología computacional y bioinformática).Aprendizaje no supervisado. El modelado ocurre sobre un conjunto de ejemplos formado sólo por entradas al sistema, sin información sobre las categorías previas, y debe ser capaz de reconocer patrones para etiquetar las nuevas entradas. Aprendizaje semisupervisado. Combina los algoritmos anteriores para poder clasificar de manera adecuada, considerando los datos marcados y los no marcados. Aprendizaje por refuerzo. El algoritmo obtiene su información de entrada por la retroalimentación que obtiene del mundo exterior como respuesta a sus acciones, aprendiendo a base de ensayo y error (un supervisor le da información sobre si lo está haciendo bien o mal, pero no exactamente lo que debe hacer). Transducción. Similar al aprendizaje supervisado, pero el algoritmo no construye de forma explícita una función, ya que los datos no tienen etiqueta, están sin clasificar. Se pretende pronosticar las categorías de los futuros ejemplos basándose en los ejemplos de entrada, sus respectivas categorías y los ejemplos nuevos al sistema. Aprendizaje multi-tarea o multiinstancia. Este algoritmo implica la resolución simultánea de distintas tareas; en particular, el aprendizaje de una tarea se ve mejorado y completado por el aprendizaje común con otras tareas relacionadas con la primera.

BIG DATA Y ESTADÍSTICA

Las principales técnicas estadísticas utilizadas en el análisis del Big Data y como parte del ML pueden resumirse como:

• Clasificación. Consiste en asignar una clase a un determinado objeto o individuo. La salida del sistema es una “etiqueta”. Así se podría clasificar un determinado producto comercial como “bueno” o “malo” según sus características.
• Regresión. Es una generalización del problema de la clasificación. La salida del sistema es un número o un vector de números reales. Se podría predecir el incremento de ventas de un determinado producto a partir de las consultas en web de un catálogo comercial.
• Clustering (agrupamiento). Técnicas para organizar objetos o individuos en grupos que tengan sentido. Agrupación de objetos o clases que puede ser jerárquica o no jerárquica.

Eficiencia Operativa. Mejora la eficiencia y reduce los costos operativos a través de la automatización y el control remoto. Mejor Toma de Decisiones. Proporciona datos en tiempo real que permiten una mejor toma de decisiones basadas en información precisa y actualizada. Mejora de la Experiencia del Usuario. Ofrece soluciones personalizadas y mejora la calidad de vida de las personas mediante la tecnología. Innovación y Nuevas Oportunidades. Facilita la creación de nuevos productos y servicios, abriendo oportunidades de negocio en diversos sectores.

BENEFICIOS

INTELIGENCIA ARTIFICIAL (IA)

La IA es una rama de la informática centrada en la creación de sistemas capaces de realizar tareas que normalmente requieren de la inteligencia humana, tales como reconocimiento de voz, comprensión del lenguaje natural, toma de decisiones, y resolución de problemas complejos. Utiliza algoritmos y modelos matemáticos para analizar grandes cantidades de datos, aprender de ellos y hacer predicciones o tomar acciones basadas en esa información. El estado actual de la inteligencia artificial no es más que el resultado de una larga e intensa búsqueda emprendida por el ser humano para crear seres artificiales capaces de realizar tareas inteligentes, ya sea a su imagen y semejanza o simulando el comportamiento de otras formas de vida.

CONCEPTOS

La IA comprende la investigación científica y tecnológica de los sistemas inteligentes. Sistema inteligente. Entidad capaz de percibir, razonar, aprender, adaptarse, tomar decisiones y actuar racionalmente para satisfacer sus metas, en un determinado entorno. Las entidades pueden ser: máquinas, humanos u otros animalesPor su complejidad, el desarrollo de la investigación científica y tecnológica de los sistemas inteligentes requiere del apoyo de otras áreas del conocimiento: Filosofía, Psicología, Lingüística, Ciencias de Computación, Biología, Neurociencias, Matemática, Física, Química, Cibernética, Electrónica y Comunicaciones.

SISTEMAS INTELIGENTES

Son parte de las ciencias de computación, que cubren una serie de tópicos teóricos– experimentales que sirven de base para la ingeniería de aplicaciones inteligentes.

HISTORIA

Conferencia de Dartmouth Segunda Mitad del Siglo XX Inicios del Siglo XXI Robótica Japonesa Robótica China Robótica Sur Coreana Situación Actual

CIENCIAS DE LA COMPUTACIÓN

> Son el estudio de la teoría, experimentación e ingeniería que forman la base para el diseño y uso de computadores.> Incluyen aquella parte de la informática que es posible automatizar a partir de sistemas de computación.>Comprenden una gran variedad de tópicos, desde el análisis abstracto de algoritmos, teoría de la computación y gramáticas formales, hasta temas como lenguajes de programación, software y hardware.

Inteligencia Humana

Teoría de las Inteligencias Múltiples

Teoría Triádica de la Inteligencia

Evolución de la Inteligencia