Descripción general
ABIDI es un proyecto de investigación internacional titulado “Context‑aware and Veracious Big Data Analytics for Industrial IoT” (Análisis de Big Data con consciencia de contexto y veracidad para IoT industrial), finaciado por el Ministerio de Ciencia, Innovación y Universidades, en la Convocatoria Programación conjunta internacional 2019-Programa Estatal de I+D+I Orientada a los Retos de la Sociedad, en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020.
Su objetivo principal es desarrollar un marco científico y tecnológico avanzado para el análisis automatizado de grandes volúmenes de datos generados por sistemas IoT industriales, con capacidad de contextualización, descubrimiento de conocimiento y razonamiento automático. CeDInt‑UPM participa como una de las instituciones académicas del consorcio del proyecto junto a otras universidades y entidades europeas (Universidad de Oulu en Finlandia, Université libre de Bruxelles en Bélgica, HES‑SO en Suiza, y dos casos industriales con Oulun Energia y Debiopharm).
Desafíos
El principal desafío es el desarrollo de un marco avanzado de análisis de Big Data para IoT industrial que sea consciente del contexto y de la veracidad de los datos, capaz de integrar fuentes heterogéneas y apoyar la toma de decisiones automatizada en entornos industriales reales y complejos.
- Diseño e implementación de una arquitectura distribuida y fiable que permita la adquisición, procesamiento y almacenamiento de grandes volúmenes de datos IoT, garantizando su calidad, coherencia y trazabilidad.
- Integración y correlación de datos procedentes de múltiples dominios, dispositivos y tecnologías, afrontando problemas de heterogeneidad, incertidumbre y variabilidad del contexto operativo.
- Validación de los modelos y herramientas desarrollados mediante casos de uso industriales reales, demostrando su aplicabilidad práctica y capacidad de generar conocimiento útil para la optimización de procesos.
Soluciones
La contribución del CeDInt en el proyecto se integra en el diseño y estudio de casos de uso reales relacionados con la predicción del consumo energético en entornos controlados; y la investigación de tecnologías IoT, edge computing y modelos adaptativos para procesamiento de datos con contexto y veracidad.
Se ha desarrollado un conjunto de soluciones tecnológicas orientadas a facilitar la adquisición, procesamiento y análisis de datos de IoT industrial con conciencia de contexto y veracidad, apoyando la integración de fuentes heterogéneas y la generación de conocimiento útil para la optimización de procesos industriales.
Desde CeDInt-UPM se ha trabajado en la implementación de una arquitectura distribuida y escalable que combina herramientas de ingestión, transmisión y almacenamiento de datos en tiempo real, incorporando mecanismos para la verificación de la calidad, fiabilidad y contextualización de la información. Esta arquitectura permite gestionar redes IoT industriales con un alto volumen de datos y una gran diversidad de dispositivos y tecnologías.
Asimismo, se han desarrollado e integrado módulos de análisis, visualización y monitorización que facilitan la exploración de datos, la detección de patrones y anomalías, y la supervisión del estado de los sistemas industriales en distintos escenarios de uso. Estas capacidades permiten apoyar la toma de decisiones automatizada y contextualizada, mejorando la eficiencia operativa y la capacidad de respuesta de los sistemas.
Finalmente, las soluciones han sido adaptadas y validadas en casos de uso reales, evaluando su escalabilidad, interoperabilidad y comportamiento ante cambios de contexto. Este trabajo ha permitido demostrar la aplicabilidad práctica de los desarrollos realizados por CeDInt-UPM en entornos industriales complejos, así como su potencial para integrarse con infraestructuras existentes y apoyar procesos de optimización y mantenimiento predictivo.