Santiago Ramírez es Application Consultant y Director de Proyectoscde Wonderware Spain y nos habla en esta ponencia sobre el tratamiento de datos a través de varias herramientas, a través de herramientas de gestión de datos históricos, datos de servidor, Business Intelligence… y herramientas que vienen para tratar datos especialmente provenientes del Big Data y el Internet of Things.

Centramos la charla en Business Intelligence, especialmente en sistemas BI industriales (EMI´s) y una práctica de configuración de herramienta.

Por último realizará una comparación entre herramientas EMI

 

EMI:

Sistema de business intelligence industrial. Un sistema de tratamiento masivo de datos industriales en tiempo real.

Problemática:

Plantas industriales separadas geográficamente que generan mucha información. Y además en varios continentes con sus costumbres y diferentes tecnologías, marcas de software, etc… es decir estructuras muy diferentes bajo una misma empresa.

¿Cómo junto todo esto para compararlo? Necesito juntar datos para extraer información con la que tomar decisiones mediante KPI´s en cuadros de mandos visuales.

¿Necesitas un report de consumo eléctrico de un año? ¿tienes bbdd muy diferentes en contenido con datos que necesitas comparar o integrar desde varios puntos dispersos?

Se tiene muchos orígenes de datos con estructuras muy diferentes. Es posible pensar que un analista de datos programador de bbdd pueda programar algo sencillo. Pero realmente es muy muy costoso y lento. Lo tienen que hacer personas muy especializadas que además deben de estandarizar sus procesos de trabajo ¿y si se va de la empresa y el que entra no logra entenderse?…

Santiago muestra un ejemplo de herramienta que gestiona y soluciona todos estos problemas.

  1. Ofrece un modelo de estructura de datos
  2. Una serie de plantillas de origen de datos (data sources) de históricos, SQL, Oracle, CSV, Acces, OSIsoft… que además son capaces de leer la estructura leyendo las relaciones de los datos.
  3. Dimensiones: diferentes cosas por las cuales voy a querer agrupar: tiempo, lote, planta, operario…
  4. Medidas: datos que quiero mostrar: cantidad materia, energía consumida…

Estas plantillas crean otra base de datos con sus propias tablas agregando y transformado datos. No se trata de otra bbdd relacional, esto no es óptimo. Al final consigue tablas de-normalizadas, mucho más óptimas: tabla central y tablas alrededor.

A continuación muestra una serie de pantallas de configuración reales hasta llegar a esas tablas de-modelizadas sobre las que se genera un cuadro de mandos, un analizador. Se producen informes visuales que van de mayor a menor granularidad, haciendo clic sobre los datos que interesan se muestra otra información visual mucho más detallada de ese grupo de datos.

Santiago habla también de comparativas entre herramientas, solapamientos y complementariedades y finaliza con una serie de conclusiones globales.

 

 

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR

¿Piensas que el MeetandTalk es una buena propuesta?

Ayúdanos a difundir los MATevents como un dinamizador para el desarrollo de la gestión de la información en tiempo real en la la industria e infraestructura. ¡¡Muchas gracias por tu clic !!