El big data en la industria 4.0

El BIG DATA en la Industria 4.0

Maria Paula Daza Rios

mdazari84652@universidadean.edu.co

The BIG DATA in Industry 4.0

RESUMEN

Innovation has been cataloged as a trend that has marked a pattern of growth in the world economy, and this is why today the industry has been revolutionizing looking for ways to adapt to this new world without neglecting the rationale by which it has been created that is to generate value.

One of the biggest challenges that the industry has faced is to understand and analyze the amount of data generated in the new era, and from them to make strategic decisions, Germany has been the pioneer country in the development of technological tools that allow the development of the current economy, and among these is what we know as Big Data and what we investigate in this paper.

KEY WORDS.

Big Data: Big data es un término que describe el gran volumen de datos – estructurados y no estructurados – que inundan una empresa todos los días. Pero no es la cantidad de datos lo importante. Lo que importa es lo que las organizaciones hacen con los datos. (Aguilar, 2017)

Analítica: La ciencia de examinar datos en bruto con el pronóstico de obtener conclusiones acerca de la información contenida en ellos. (Aguilar, 2017)

Innovación: Es la aplicación de nuevas ideas, conceptos, productos, servicios y prácticas, con la intención de ser útiles para el incremento de la productividad y la competitividad. Un elemento esencial de la innovación es su aplicación exitosa de forma comercial. No solo hay que inventar algo, sino también, introducirlo en el mercado (GONZÁLEZ, 2012)

1. INTRODUCCIÓN

La innovación se ha catalogado como una tendencia que ha marcado un patrón de crecimiento en la economía mundial, y es por esto que actualmente la industria se ha venido revolucionando buscando la forma de adaptarse a este nuevo mundo pero sin dejar de lado la razón de ser por la cual se ha creado que es generar valor.

Uno de los desafíos más grandes a los que se ha enfrentado la industria es a entender y analizar la cantidad de datos que se generan en la nueva era, y a partir de ellos poder tomar decisiones estratégicas, Alemania ha sido el país pionero en el desarrollo de herramientas tecnológicas que permita el desarrollo de la economía actual, y entre esos esta lo que conocemos como Big Data y de lo que investigamos en este escrito.

2.  METODOLOGIA

La metodología usada para esta investigación que incluye variables cualitativas y cuantitativas, es de alcance descriptivo, cuya meta “busca especificar las propiedades, las características y los perfiles de personas, grupos, comunidades, procesos, objetos o cualquier otro fenómeno que se someta a un análisis” (Hernández Sampieri, Fernández Callado, & Baptista Lucio, 2010).

Para efectos de esta investigación se hará uso de fuentes secundarias de información, ya que en su mayoría contienen datos producto de otros análisis y reorganizadas.

3. ESTADO DEL ARTE

Actualmente el entorno empresarial está atravesado una cantidad de desafíos relacionados  con el tratamiento de grandes cantidades de datos que les proporcionan información para la toma de decisiones rápida y estratégica, adicional a esto que busca un incremento en la productividad.

 El crecimiento exponencial de datos en la última década ha de ser explotado de manera eficaz y eficiente por las organizaciones. Hoy en día, los datos no estructurados, que pueden llegar a un 80% o más de información de la empresa, afectan a las infraestructuras de cómputo. El problema es que suelen ser difíciles de analizar y, en cualquier forma, el proceso puede durar mucho tiempo si no se tiene la información adecuada. (Aguilar, 2017)

Hoy en día, las fábricas inteligentes se centran principalmente en el control centrado en Optimización e inteligencia. Por otra parte, mayor inteligencia. Se puede lograr interactuando con diferentes entornos. Sistemas que tienen un impacto directo en el rendimiento de la máquina. (Jay Lee*, 2014).

4. ANALISIS DESC RIPTIVO 

No existe unanimidad en la definición de Big Data, existe un consenso en la fuerza disruptiva que suponen los grandes volúmenes de datos y la necesidad de su captura, almacenamiento y análisis. Existen varias definiciones de varios autores y acá relacionaremos dos que fueron más llamativas para el autor de este escrito.

Mckinsey Global Intitute Big data se refiere a los conjuntos de datos cuyo tamaño está más allá de las capacidades de las herramientas comunes se software de bases de datos para capturar, almacenar, gestionar y analizar. Mientras que para IDC el Big Data es una nueva generación de tecnologías, arquitecturas, estrategias diseñadas para capturar y analizar grandes volúmenes de datos provenientes de múltiples fuentes heterogéneas a una alta velocidad, con el objetivo de extraer valor económico de ellos. (Aguilar, 2017)

Recientemente, el big data se convierte en una palabra de moda para todos, La minería de datos ha estado presente desde la generación humana y su contenido está impulsado por la red social Mucha investigación.

Organizaciones y empresas se han dedicado a este nuevo tema de investigación, y la mayoría de ellos se centran en sociales o minería comercial. Esto incluye predicción de ventas, usuario relación minería y agrupamiento, sistemas de recomendación, opinión minera, Las plataformas que ejercer la función  para analizar los datos  de: se deben caracterizar por la velocidad de cálculo, costo de inversión, facilidad de despliegue y actualización, etcétera. El procesamiento real de big data en tiempo real es indispensable  pues esta es  la clave para la innovación sostenible dentro de una Fábrica de la industria 4.0.

Existe una gran cantidad de dispositivos que hacen parte de la generación de datos para su análisis, como los son los dispositivos GPS, Las redes sociales, chips NFC y NFRID. (Aguilar, 2017)

Dado lo anterior cada tipo de datos se debe analizar de una forma diferente y por esto existen tres tipos que se van a explicar a continuación.

·         Analítica Descriptiva: consiste en preparar y analizar satos históricos para identificar patrones y tendencias, este análisis busca responder la pregunta ¿Qué Pasó?, la cual hacer una regresión para determinar patrones pasados que estén afectando en la actualidad, esta está muy atada a la inteligencia de negocios por lo tanto permite tener información sobre que producto es el que más vende y la zona de mayor influencia, la evolución histórica de la demanda del producto. (Aguilar, 2017)

·         Analítica Predictiva: permite descubrir patrones ocultos en datos que el experto humano no puede apreciar, es el resultado de aplicar matemática y estadística  a los datos, toma como base el pasado y presente para  desarrollar tendencias de futuro, se enfoca en resolver preguntas como ¿Qué va a pasar?, busca la forma de extraer patrones de los datos para determinar tendencias o modelos que permitan dar una luz sobre el comportamiento de lo que será el futuro que permite tomar decisiones estratégicas. (Aguilar, 2017)

·         Analítica Prescriptiva utiliza los datos para prescribir aquellas acciones que incrementan nuestras posibilidades de obtener los mejores resultados, determina nuevas formas de alcanzar los objetivos del negocio. Atiende a la respuesta de la pregunta ¿Por qué va a pasar? (Aguilar, 2017)

5. RESULTADOS

La analítica posibilita lograr ventajas competitivas, sobre todo a las empresas que buscan ser innovadoras en sus procesos, este es un proceso de analizar información de un dominio determinado

Un ejemplo interesante del uso de las tecnologías de big  data en el área de logística es DHL, que implementó el llamada. "Resilience360": un instrumento diseñado para gestionar el riesgo en la cadena de suministro. La empresa puede proporcionar  clientes con información sobre posibles interferencias de sus respectivas cadenas de suministro. Es a través de la colección y evaluación del uso de la cadena de suministro. por lo tanto,  no hay interrupción en las operaciones y es posible lograr permanentemente la satisfacción del cliente. DHL mostrando el uso del análisis de Big Data, aumentando la eficiencia operativa, tiempo que brinda la  oportunidad de explorar nuevos modelos de negocio (Witkowski, 2017)

DHL Resilience360 "contiene dos elementos asociados con la evaluación de riesgos Análisis, así como herramientas para monitorear la cadena de suministro que funcionan casi en tiempo real. La fuerza de la cadena. Las pérdidas de ingresos asociadas dependen de si se interrumpe la producción, y esto debería ser propenso a fallas. DHL está en la fase piloto en el modelo de "El número de previsión de paquetes DHL", que también se ha tomado en Conexión con el análisis de Big Data. Este modelo simplifica el volumen de planificación de las parcelas para el transporte, esto es hecho por "teniendo en cuenta factores de datos correlacionados". Big Data permite a los proveedores de servicios optimizar la logística. Procesos, mejorar el servicio al cliente y presenta "un prometedor punto de partida para desarrollar nuevos modelos de negocios". Big Data sugiere algunos instrumentos en el campo del geomarketing para pequeñas y medianas empresas. Otro modelo "DHL Geovista" permite un análisis detallado y una evaluación de datos geográficos muy complejos para ser obtenido, lo que facilita enormemente los proveedores de servicios logísticos para anticipar la multiplicidad de ventas, que generan Pequeñas y medianas empresas. (Witkowski, 2017)

6. CONCLUSIONES

·         Crear valor al cliente se ha convertido en uno de los principales objetivos de las empresas, es por esto que se han visto obligados a desarrollar productos y servicios innovadores que les permita seguir vigentes en el mercado

·         El entendimiento del comportamiento del mercado basado en los datos generados por las interacciones que se tienen en las redes y las distintas plataformas que se visitan a diario para poder determinar ciertos patrones de comportamiento.

·         La industria 4.0 esta diseñada para satisfacer las necesidades de los clientes.

·         Las herramientas que ofrece big data para la tomar la información y transfórmala de tal forma que permita tomar decisiones más estratégicas.

7. REFERENCIAS BIBLIOGRAFICAS

Bibliografía

Aguilar, L. Y. (2017). Indsutria 4.0 La cuarta revolución industrial. Mexico: Alfaomega.

Jay Lee*, H.-A. K. (2014). Service innovation and smart analytics for Industry 4.0 and big data environment. El sevier ScienceDirect.

Jordi Morató1, 3. A. (2013). Tecnologías sostenibles para la potabilización y el tratamiento de aguas residuales .

Witkowski, K. (2017). Internet of Things, Big Data, Industry 4.0 Innovative Solutions in Logistics and Supply Chains Management. El Sevier ScienceDirect.