La digitalizaci\u00f3n<\/a> es un tema de discusi\u00f3n en todos los aspectos de la vida en estos d\u00edas – en c\u00edrculos pol\u00edticos, \u00e9ticos y profesionales. Sin embargo, en estos debates, tambi\u00e9n se suele suponer en silencio que algunos t\u00e9rminos y palabras de moda se entienden simplemente. Para los t\u00e9cnicos, llegar al fondo de lo que significan estos t\u00e9rminos es m\u00e1s que una aburrida necesidad, es un verdadero placer. Cosas que antes ten\u00edan un toque de ciencia ficci\u00f3n sobre ellas ahora se han convertido en parte de la vida real. Por lo tanto, en la siguiente entrada del blog, nos gustar\u00eda presentarles algunas piezas clave de la terminolog\u00eda de la digitalizaci\u00f3n.<\/p>\n<\/div> El t\u00e9rmino \u00abBig Data\u00bb describe vol\u00famenes de datos que no pueden evaluarse con los m\u00e9todos convencionales de tratamiento de datos, como el an\u00e1lisis manual, porque son demasiado complejos o demasiado grandes, cambian con frecuencia o no est\u00e1n suficientemente estructurados. A medida que la digitalizaci\u00f3n progresa, el volumen de datos tambi\u00e9n aumenta. La definici\u00f3n de big data formulada por la empresa de consultor\u00eda empresarial Gartner<\/a> influy\u00f3 en gran medida en la forma en que hablamos de ellos, estableciendo los aspectos principales de la siguiente manera:<\/p>\n Volumen:<\/strong> El enorme alcance de los datos<\/p>\n Velocidad:<\/strong> La alta velocidad a la que se procesan los datos<\/p>\n Variedad:<\/strong> La amplia gama de fuentes de datos disponibles<\/p>\n El manejo de grandes datos requiere, por lo tanto, soluciones adecuadas basadas en la inteligencia artificial. Con su apoyo, se puede obtener informaci\u00f3n significativa sobre la maquinaria y los clientes de la empresa a partir de los enormes vol\u00famenes de datos. No es por nada que la gente est\u00e1 diciendo que los datos son el nuevo oro. Por supuesto, la protecci\u00f3n de los datos es entonces tambi\u00e9n siempre una consideraci\u00f3n, especialmente a la luz del GDPR.<\/p>\n<\/div> Los usuarios de la computaci\u00f3n en nube se aprovechan de la infraestructura de TI de un proveedor, generalmente a trav\u00e9s de Internet. Esto les permite acceder a la memoria, a la potencia de procesamiento o al software de aplicaci\u00f3n, ahorrando a la empresa los costes asociados a la adquisici\u00f3n de hardware y software. La computaci\u00f3n en la nube tambi\u00e9n hace posible un r\u00e1pido escalamiento. Aunque existen formas mixtas de computaci\u00f3n en la nube, las siguientes distinciones definidas por el Instituto Nacional de Est\u00e1ndares y Tecnolog\u00eda (NIST)<\/a> siguen conformando este sector. En el caso del \u00absoftware como servicio\u00bb, todo lo que se necesita es una computadora con capacidad de Internet y un navegador, y el software pertinente puede utilizarse en la nube. El Engineeringtool de item<\/a> es un ejemplo de esto\u00bb. La \u00abinfraestructura como servicio\u00bb ofrece acceso a recursos inform\u00e1ticos como la potencia de procesamiento, la memoria y las estructuras de red en la nube. Por \u00faltimo, \u00abla plataforma como servicio\u00bb proporciona a los programadores un entorno externo para desarrollar y suministrar nuevas aplicaciones.<\/p>\n<\/div> La ingenier\u00eda digital<\/a> se refiere al uso de herramientas digitales innovadoras para el trabajo diario de ingenier\u00eda mec\u00e1nica. Las funciones del software en cuesti\u00f3n van mucho m\u00e1s all\u00e1 de las de los programas CAD est\u00e1ndar. La conexi\u00f3n en red de los propios ingenieros es tambi\u00e9n una parte clave de la ingenier\u00eda digital. El Engineeringtool de item<\/a>, por ejemplo, los n\u00fameros de proyecto \u00fanicos a nivel mundial permiten compartir los dise\u00f1os con colegas de todo el mundo. Los buscadores de productos integrados, una funci\u00f3n de arrastrar y soltar para la colocaci\u00f3n sencilla de los componentes y la alineaci\u00f3n autom\u00e1tica de las piezas hacen que el trabajo de dise\u00f1o sea a\u00fan m\u00e1s f\u00e1cil.<\/p>\n<\/div> Si bien ambos t\u00e9rminos pueden ser similares y se utilizan frecuentemente como sin\u00f3nimos, el t\u00e9rmino \u00abdigitalizaci\u00f3n\u00bb suele referirse a un proceso puramente t\u00e9cnico de transferencia de informaci\u00f3n de la forma anal\u00f3gica a la digital, mientras que \u00abdigitalizaci\u00f3n\u00bb puede significar varias cosas. En primer lugar, puede describir el proceso de utilizaci\u00f3n de las tecnolog\u00edas y herramientas digitales para optimizar los procesos internos en consonancia con el proceso de mejora continua (CIP). En segundo lugar, puede referirse a empresas que ampl\u00edan o incluso reinventan su modelo de negocio<\/a> basado en innovaciones tecnol\u00f3gicas. Adem\u00e1s, el t\u00e9rmino digitalizaci\u00f3n se utiliza tambi\u00e9n en el sentido de \u00abtransformaci\u00f3n digital\u00bb, proceso e idea que adopta una perspectiva hol\u00edstica, incorporando los cambios en la sociedad y los diferentes sectores.<\/p>\n<\/div> El t\u00e9rmino Industria 4.0<\/a> fue acu\u00f1ado por la estrategia de alta tecnolog\u00eda del Gobierno Federal Alem\u00e1n. El objetivo es interconectar la producci\u00f3n industrial con la ayuda de la tecnolog\u00eda de la informaci\u00f3n y las comunicaciones. La inteligente configuraci\u00f3n de la f\u00e1brica<\/a> ies un ejemplo perfecto. Mediante los sistemas ciberf\u00edsicos (CPS) es posible, por ejemplo, que las piezas de trabajo est\u00e9n representadas por un agente inform\u00e1tico, lo que les permite comunicarse por s\u00ed mismas y determinar qu\u00e9 empleado es el m\u00e1s adecuado para realizar el procesamiento. La Internet industrial de las cosas<\/a> constituye la base para esto. Otro ejemplo son los sistemas de veh\u00edculos guiados automatizados (AGV) que realizan tareas de intralog\u00edstica de forma aut\u00f3noma. Estos ya se utilizan en numerosos sectores, incluyendo la industria automotriz.<\/p>\n<\/div> De todos los t\u00e9rminos de digitalizaci\u00f3n examinados aqu\u00ed, la inteligencia artificial (IA) es ciertamente la que m\u00e1s se discute en este momento. La historia de la IA<\/a> es tan emocionante como compleja. Fundamentalmente, sin embargo, siempre se reduce a recrear la percepci\u00f3n e inteligencia humanas en forma de m\u00e1quina. En un contexto industrial, el aprendizaje de la m\u00e1quina<\/a> es actualmente lo m\u00e1s importante. Esto implica un algoritmo que analiza los conjuntos de datos existentes en busca de patrones recurrentes. La IA puede sacar conclusiones basadas en los hallazgos y luego aplicar este conocimiento a los nuevos datos. El aprendizaje profundo<\/a>, por otro lado, es un subconjunto del aprendizaje de la m\u00e1quina donde una m\u00e1quina \u00abpiensa\u00bb de forma independiente – es decir, crea nuevas conexiones – utilizando redes neuronales artificiales.<\/p>\n<\/div>Big data<\/h2>\n
Computaci\u00f3n en nube<\/h2>\n
Ingenier\u00eda digital<\/h2>\n
Digitalizaci\u00f3n y digitalizaci\u00f3n<\/h2>\n
Industria 4. 0<\/h2>\n
Inteligencia artificial (IA)<\/h2>\n