Preguntas frecuentes

Home 5 Acerca de 5 Preguntas frecuentes

A continuación encontrará una serie de preguntas frecuentes de nuestros clientes. Estaremos encantados de responder a cualquier pregunta que pueda tener sobre nuestras soluciones de IA fiables y transparentes.

¿No ha encontrado la respuesta a su pregunta?

¿Por qué IntelliSense.io es importante para el mundo industrial?

Los procesos con entradas de alta variabilidad, como los que se encuentran en el sector minero, luchan constantemente para compensar las condiciones cambiantes y producir un producto consistente. IntelliSense.io Brains.app y sus aplicaciones de optimización como servicio (OAAS) arrojan luz sobre lo desconocido mediante el modelado de datos y la IA, de modo que los operarios pueden tomar mejores decisiones y los procesos pueden ajustarse de forma proactiva a las condiciones cambiantes.

¿Cuáles son las normas del sector que cumple la plataforma brains.app?

Brains.app es compatible con los siguientes estándares: 

  • Adquisición de datos: soportamos una cartera de estándares de adquisición de datos que van desde:
    • Dispositivos IOT: MQTT es el estándar de mensajería omnipresente generalmente soportado por todos los dispositivos IOT. La plataforma brains.app soporta XMLRPC que es la tecnología subyacente para MQTT. Hasta la fecha ningún cliente ha solicitado soporte para MQTT.
    • Datos industriales: El protocolo OPC DA y UA es el estándar de datos omnipresente seguido por todos los sistemas industriales que soporta la plataforma brains.app. Todas las situaciones de los clientes hasta la fecha han solicitado este requisito. Normalmente se trata de sistemas OSI Soft Pi.
    • Servicios web: REST es el estándar de datos web omnipresente que se admite
    • Datos por lotes: soportamos todo tipo de datos por lotes como XML, CSV, XL y cargas de datos manuales. 
  • Modelado de datos: soportamos varias bibliotecas de modelado de datos como Tensorflow: Una biblioteca de código abierto utilizada para la computación numérica y el aprendizaje automático a gran escala. Esto se puede utilizar para crear gráficos de flujo de datos y ejecutar en cualquier objetivo (nube o local)
  • Arquitectura de despliegue: utilizamos contenedores Docker y Kubernetes como capa de orquestación de contenedores para desplegar nuestra plataforma + aplicación en cualquier entorno: nube, centro de datos del cliente o despliegue local in situ.
¿Pueden los clientes usar brains.app con sus propias plataformas de datos¡

Sí, la plataforma brains.app es una plataforma modular. Trabajamos con clientes que tienen sus propias plataformas de datos, y tenemos capas separadas entre algoritmos, lago de datos e interfaz de usuario final.

Todas estas capas son modulares, están conectadas por microservicios y están estandarizadas, lo que nos permite ser agnósticos con respecto a la nube (host), al lago de datos y a la plataforma de despliegue. brains.app puede desplegarse como un contenedor Docker individual en una plataforma de datos diferente o en un host en la nube.

Hemos implementado lo anterior como parte de nuestra empresa conjunta en Kazajistán con su gobierno, donde la localización de la plataforma era esencial. Además, estamos trabajando con varios clientes que tienen lagos de datos internos construidos en MS Azure u otros hosts en la nube.

¿De qué forma me ayuda brains.app a implementar de mejor forma el valor de IoT?
Al crear una interfaz segura y de acceso múltiple para ver, analizar, interpretar y cambiar las funciones en toda una serie de actividades industriales, la plataforma brains.app extrae los datos y ofrece a los usuarios todo el poder que necesitan para mejorar la productividad y la eficiencia.
¿Cuáles son los desafíos o retos de la Internet de las Cosas?

La Internet de los objetos se enfrenta a tres retos principales:

  • Los datos tienden a almacenarse en silos, lo que dificulta un acceso y una visión general amplios.
  • Seguridad: por su naturaleza, la Internet de los objetos requiere la conexión de múltiples puntos de datos y funciones informáticas para producir una capacidad o funcionalidad inclusiva y que permita extraer datos de los silos. Esto supone un reto para numerosos protocolos de seguridad estándar y requiere un complejo sistema de seguridad orientado a los permisos que delimite los puntos de datos y las funcionalidades informáticas correctas sin comprometer la eficiencia y las capacidades.
  • La accesibilidad a través de numerosos dispositivos, múltiples usuarios que requieren diferentes tipos de funcionalidad, datos, informes, etc., crea otro desafío para la IO. El sistema debe ser capaz de adaptarse a un panorama de usuarios en constante fluctuación.

IntelliSense.io resuelve estos retos aprovechando el poder de las tecnologías basadas en la nube y el aprendizaje automático para proporcionar una sólida plataforma de aplicaciones de IA para la toma de decisiones en tiempo real.

¿qué áreas de las operaciones mineras cubre usted?

Nos centramos en la cadena de valor de la mina al mercado con aplicaciones segmentadas en 

  • Mina digital
  • Planta digital
  • Mercados digitales

Nuestras aplicaciones incluyen:

  • Acopio digital
  • Circuito de chancado
  • Circuito de flotación
  • Circuito de espesadores
  • Lixiviación en pila
  • Bombeo de tuberías
¿Qué es OaaS (Optimización como Servicio)?

Las soluciones de IntelliSense.io incluyen el software, los modelos de IA preconstruidos y la asistencia técnica, que se venden como un servicio a través de una suscripción anual, lo que evita la necesidad de adquirir hardware, licencias de software o servicios para desarrollar modelos personalizados, reduciendo así los costos iniciales (CAPEX) y eliminando la necesidad de costosos servicios para el desarrollo y el despliegue de proyectos de IA. Las aplicaciones se entregan listas para usar y se mantienen actualizadas de forma continua (incluido el reentrenamiento de los modelos) para garantizar que la aplicación ofrece valor a los usuarios y escala con ellos. El nombre estándar de este modelo de negocio es «software como servicio».

Ventajas del modelo de negocio ‘OaaS’

  • Rápido de desplegar y escalar sin requerir CAPEX por adelantado
  • Realización más rápida de los beneficios
  • Niveles de servicio garantizados
  • Relación a largo plazo con = modelos adaptados y software actualizado a las necesidades y cambios del sitio.
  • Accesible en cualquier lugar y sin necesidad de pagar tasas adicionales por las actualizaciones.
¿Cómo se puede optimizar un sistema cuando no se es experto en él?

No somos expertos en equipos, pero tenemos experiencia en procesos en el equipo, tanto en la mina como en la planta. También utilizamos datos y modelos para aprender sobre el sistema y, mediante algoritmos, evaluar el rendimiento para poder predecir el rendimiento futuro y hacer recomendaciones.

Tenemos experiencia en el proceso minero específico y utilizamos los datos para obtener correlaciones no lineales en todo el proceso. Esto nos permite comprender mejor todo el sistema, y este conocimiento del sistema se utiliza para optimizar el proceso. Aprovechando este conocimiento del sistema, desarrollamos modelos de predicción del comportamiento del proceso. A continuación, utilizamos esta predicción del proceso y aplicamos restricciones financieras y técnicas para deducir el punto de ajuste de control óptimo para los equipos. Estos puntos de ajuste de control se suministran de forma continua.

Consideramos que el avance fundamental consiste en ofrecer una optimización basada en el sistema, combinando los conocimientos sobre el proceso y la información generada a partir de los datos, y desplegándolos a través de un sistema de apoyo a la toma de decisiones en tiempo real para respaldar tanto la toma de decisiones manual como la automatizada.

¿En qué se diferencian sus modelos?

Combinamos modelos físicos (de primer principio) con modelos de aprendizaje automático/inteligencia artificial que extraen patrones de los datos mediante redes neuronales (combinan modelos genéricos de caja negra y de primer principio/equipamiento) y nuestros modelos aprenden y se adaptan en tiempo real a situaciones cambiantes. Los modelos se actualizan/mejoran con regularidad (al menos trimestralmente) para adaptarse a un sistema específico, por ejemplo, las modificaciones del sitio.

Somos una de las únicas empresas del sector minero que combina modelos de vanguardia basados en el aprendizaje automático/la inteligencia artificial con modelos físicos para crear modelos digitales de equipos y procesos. Estos modelos se utilizan para la predicción de procesos que aprenden en tiempo real y se adaptan a las condiciones cambiantes, por lo que son relevantes para los entornos mineros dinámicos. Utilizamos la optimización basada en la simulación, lo que permite probar nuestros algoritmos de optimización continua en un simulador de procesos que también sirve de simulador de entrenamiento.

¿Cómo alcanzamos la eficiencia?
Utilizamos la filosofía de control predictivo para predecir el rendimiento del proceso y, a continuación, aplicamos restricciones de optimización tanto financieras como técnicas para recomendar puntos de ajuste óptimos de forma continua. Al incorporar la información del proceso anterior y posterior, nuestro optimizador busca constantemente los rangos óptimos de puntos de ajuste para procesos y equipos específicos, teniendo en cuenta las propiedades geometalúrgicas de los materiales y el tiempo de permanencia de los mismos.
¿En qué se diferencian de las empresas tradicionales de automatización industrial como Honeywell, ABB, etc.?

No somos una empresa de controles, sino que nos centramos por completo en ofrecer una optimización continua de los procesos basada en el software, incorporando la información de los procesos anteriores y posteriores. Para ello, elaboramos un modelo de todo el sistema, desde el tajo hasta el puerto, y utilizamos nuestros modelos de predicción para prever el comportamiento futuro del proceso en todo el sistema.

Los modelos tradicionales de control de procesos se degradan con el tiempo, no son flexibles para añadir nuevas variables y equipos y no son dinámicos, requiriendo la intervención de la planta para ser calibrados, mientras que los modelos de IntelliSense.io son de autoaprendizaje, flexibles para añadir nuevos equipos y variables sin requerir ninguna intervención en el proceso.

Los sistemas de Honeywell requieren que se actualice a nuevas versiones del software para obtener nuevas características, lo que también requiere hardware, mientras que IntelliSense.io sigue una política de NO CAPEX (sin gasto de capital inicial)que no requiere ningún costo inicial de hardware y también proporciona nuevas características de forma gratuita como parte de la suscripción anual.

También somos agnósticos del sistema de control y podemos trabajar con cualquier plataforma de control existente (Honeywell, ABB, etc.). Esto nos permite garantizar que su sistema de control existente pueda utilizarse para ejecutar el proceso con una eficiencia óptima. Añadimos nuevas funcionalidades a nuestro software cada trimestre que se incluyen como parte de nuestra suscripción anual, mientras que Honeywell querría venderle nuevas actualizaciones para nuevas funcionalidades.

Cartera de aplicaciones de IntelliSense.io