“Digital Twins” y las claves de esta tecnología

El concepto de gemelos digitales se atribuye al ingeniero informático y autor estadounidense David Grent, uno de los pioneros de la computación paralela.

Los gemelos digitales se consideran una tecnología disruptiva que es fundamental para el surgimiento y el desarrollo de la Cuarta Revolución Industrial. El concepto va más allá de la fabricación hacia la convergencia de IoT, IA y análisis de datos.

El concepto de gemelos digitales se atribuye al ingeniero informático y autor estadounidense David Grent, uno de los pioneros de la computación paralela. Pero fue la NASA la que adoptó por primera vez el concepto de gemelo digital en 2010 para crear simulaciones de sus objetos, naves espaciales y cápsulas, y permitirle realizar pruebas de estrés y modelos predictivos, así como mantener y reparar esos elementos de forma remota.

En su libro de 1992 Mirror Worlds or Daytime Software Putting the Universe in a Shoebox, Gelernter ya planteó el caso, por una buena razón, sobre la posibilidad de hacer una réplica por computadora de cualquier espacio u objeto para interactuar con la teoría. Una década más tarde, el investigador del Instituto de Tecnología de Florida Michael Greaves, quien fue pionero en la aplicación industrial del concepto, desarrolló la base tecnológica de los gemelos digitales, que consisten principalmente en recopilar datos del mundo real para simular cómo se predecirá un proceso o producto. trabajar.

¿Qué es un gemelo digital?

Un gemelo digital es una réplica digital o virtual de un objeto, proceso o servicio físico que se utiliza para simular, conectando los mundos fuera de línea y en línea, desde motores a reacción o parques eólicos hasta edificios o ciudades enteras. Estas copias virtuales se utilizan para ejecutar simulaciones antes de crear e implementar cambios en objetos reales con el fin de recopilar datos para predecir cómo funcionarán.

La clave de su éxito actual es el desarrollo del Internet de las Cosas, a través de programas informáticos y datos reales, para recrear simulaciones para realizar posibles escenarios y predicciones de un producto o proceso. De esta manera, puede evitar fallas y realizar análisis. Para ello, el procesamiento de datos, la física y las matemáticas aplicadas son los cimientos de la tecnología y la ciencia.

Crear y operar

Para crear un gemelo digital, se debe recopilar una gran cantidad de datos del objeto y su entorno. Usando esta información, se pueden crear modelos computacionales que representen el comportamiento o el estado de los objetos físicos.

Una vez recopilados todos los datos, se utilizarán para crear un modelo analítico para predecir el impacto y el comportamiento de este objeto ante posibles cambios.

Estas simulaciones se generan teniendo en cuenta la ingeniería, la física, la química, la estadística, el aprendizaje automático, la inteligencia artificial, la lógica empresarial o los objetivos. Estos modelos se pueden mostrar a través de la representación 3D y el modelado de realidad aumentada para ayudar a los humanos a comprender los resultados de la investigación.

En términos generales, el desarrollo y la creación de gemelos digitales responde a tres cuestiones principales:

Prototipo de gemelo digital (DTP): antes de crear un producto físico, desarrolle un prototipo digital para ver cómo se ve y se comporta.

Instancia de gemelo digital (DTI): al tener un producto real, el gemelo digital se utiliza para probar en diferentes escenarios virtuales, posiblemente una réplica del escenario real.

Agregación de gemelos digitales (DTA): recopile información sobre el uso anterior para determinar la funcionalidad del producto, obtener predicciones y probar parámetros de ejecución.

Los gemelos digitales tienen muchas ventajas porque mejoran el comportamiento de los procesos del producto, lo que muchas veces significa aumentar su eficiencia.

Algunas de estas ventajas son:

Permiten predecir posibles problemas futuros. Entre otras cosas, esto reduce los defectos del producto y acorta el tiempo de fabricación.

Mejorar y optimizar los procesos productivos con información real.

Reduzca el tiempo de inactividad no planificado debido a posibles errores.

Reducen los accidentes porque permiten simular una variedad de situaciones y casos.

Reducir los costes de mantenimiento realizando tareas de mantenimiento preventivo.

Oportunidades de mejora continua a través de la simulación, identificando fallas e ineficiencias.

Como se puede utilizar en una amplia gama de campos, desde la automoción hasta la atención sanitaria y la generación de energía, se ha utilizado para resolver una serie de desafíos, como las pruebas de resistencia a la fatiga y la corrosión de las turbinas eólicas marinas o la mejora de la eficiencia de los coches de carreras.

Uso en diferentes campos.

Los gemelos digitales se han utilizado en varios campos con diferentes aplicaciones y propósitos, tales como:

Fábricas: Se utilizan para flexibilizar la cadena productiva y reducir posibles errores.

Sector sanitario: Se beneficia en áreas como la donación de órganos, la formación quirúrgica o la simulación del flujo de personas en un hospital, y el seguimiento de dónde pueden existir infecciones y quién puede estar en riesgo de exposición.

Logística: Se utiliza en diversas aplicaciones como la gestión de flotas de contenedores, el seguimiento de mercancías o el diseño de grandes sistemas logísticos.

Esta tecnología está en constante aprendizaje gracias al aprendizaje automático, nuevas habilidades y capacidades, y está claro que son claves para el desarrollo a gran escala de la Industria 4.0, ya que permite la integración de procesos de automatización, intercambio de datos y fabricación, además de reduciendo el riesgo.
En 2020, el mercado de gemelos digitales vale 3.000 millones de euros. Algunos analistas de la industria especulan que podría seguir creciendo significativamente, alcanzando un estimado de 45 mil millones de euros, al menos hasta 2026.

Sin duda, con los avances en factores como el aprendizaje automático y los grandes datos, estos modelos virtuales se han convertido en un elemento básico de la ingeniería moderna que impulsa la innovación.

Fuente: forbes.com.mx

La tecnología blockchain necesita regulación

La tecnología blockchain conocida como blockchain está surgiendo en forma de aplicaciones como contratos inteligentes en seguros.

Más allá del caso de uso de las criptomonedas para el envío de remesas a través de «monedas estables», los expertos buscan aumentar la divulgación y el diálogo con las autoridades debido a la relevancia que ha ganado esta nueva tecnología.

En el marco de la presentación del evento “Blockchain Land: El Encuentro de Talento de la Web 3.0”, el Director de Blockchain de Talent Land, José Rodríguez, destacó que aún falta involucramiento de las autoridades para crear regulaciones más específicas en esta aplicación. A pesar de la existencia de la Ley de Regulación de Instituciones Fintech, también conocida como Ley Fintech, sienta las bases legales para regular los activos virtuales.

“Las empresas que intentan ingresar a México enfrentan este desafío, parte de las criptomonedas está regulada, al igual que la forma en que se regulan los depósitos, los retiros y la digitalización, pero nada en la ley dice o menciona blockchain, bitcoin, criptomonedas, activos virtuales, definitivamente debemos mirar hacia adelante. y ver buenos ejemplos de lo que está pasando en otros países», señaló Rodríguez.

Ley FinTech
De acuerdo con el gerente, la Ley Fintech establece los términos para el uso de activos virtuales para operar dentro de dichas instituciones en la sección de Fondos para Pagos Electrónicos (IFPE).

El Capítulo 3 define las características de los activos virtuales. Indica que solo las instituciones de tecnología financiera (ITF) pueden operar los activos identificados por el Banco de México.

Según el directivo, la Ley Fintech, en el apartado de Fondos para Pagos Electrónicos (IFPE), prevé el uso de activos virtuales para operaciones dentro de dichas instituciones.

Fuente: mercadoemergente.com

Dominar UX/UI, ¿para qué sirve?

Al diseñar un sitio web o una aplicación móvil, se considera la experiencia del usuario, la forma en que interactúan y se comportan. Un máster o bootcamp UX/UI te enseña a analizar patrones de usuario para diseñar la interfaz de una web o aplicación.

Al usar una aplicación, ¿alguna vez te has preguntado quién la diseñó? O aterrizas en una página web donde es difícil encontrar lo que buscas y terminas saliendo. Tener una buena experiencia en el sitio web o en el uso de la aplicación es fundamental para que los usuarios completemos una compra o solicitemos información sobre un servicio. Los diseñadores de UX/UI (Experiencia de usuario e interfaz de usuario) son los responsables de todo.

Por lo general, este conocimiento se obtiene aprendiendo programación y desarrollo web/móvil, pero también hay cursos de UX/UI, bootcamps y maestrías que pueden exponerlo a este campo del diseño aunque no tengas una base académica en informática.

  1. ¿Quién puede hacer la Maestría en Diseño de Experiencia de Usuario y Diseño de Interfaz de Usuario?

El máster UX/UI abarca enfoques tanto humanísticos como técnicos, ya que se centran en proporcionar a los estudiantes las habilidades y los conocimientos necesarios para comprender las emociones de los usuarios y escribir los mejores diseños en cada proyecto. Considere aspectos sociológicos o antropológicos combinados con factores de diseño, accesibilidad y usabilidad.

Este tipo de máster es para aquellos que quieran especializarse en diseño gráfico y digital con formación en áreas como la comunicación, la publicidad, el marketing o las bellas artes, y algunos incluso son arquitectos, psicólogos o sociólogos porque entienden el comportamiento humano y su comportamiento. El conocimiento se puede aplicar al diseño de la experiencia del usuario. Asimismo, puede ser utilizado por ingenieros o informáticos que deseen especializarse en la materia.

  1. ¿Cuál es la diferencia entre UX/UI Master y UX/UI Bootcamp?

¿Conoces la diferencia entre un bootcamp y un máster? Los primeros de ellos son cursos intensivos que se centran en obtener una formación práctica en un corto período de tiempo, generalmente enfocada en programación, diseño de usuarios, desarrollo web o ciberseguridad, para facilitar la entrada en el mercado laboral buscando un perfil técnico. En el caso del bootcamp de UX/UI, los estudiantes pueden convertirse en diseñadores de interfaces y UX en solo unas pocas semanas.

Por sí mismo, un máster en UX/UI lleva más tiempo de estudio, más tiempo teóricamente, y en muchos casos requiere un título universitario para estudiarlo. También permiten la adquisición de las habilidades necesarias para trabajar en un entorno digital, incluida la preparación de proyectos finales y, en algunos casos, prácticas.

  1. ¿Cuál es la diferencia entre UX y UI?

En el desarrollo web y móvil, el diseño de una app o página web es muy importante porque es lo primero que ve el usuario. De esta forma, a la hora de plantear una propuesta de diseño se tienen en cuenta dos aspectos: la experiencia de usuario y la apariencia de la aplicación. En este sentido, la parte de la experiencia del usuario se centra en el comportamiento y la interacción del usuario, lo mismo ocurre con la interfaz de usuario en términos de apariencia y diseño.

Entender cómo se comportan las personas cuando navegan por un sitio web o utilizan una aplicación es fundamental para lograr el diseño que tendrán y por lo tanto poder vender el producto o servicio ofrecido. Sin una buena experiencia de usuario, los usuarios pierden interés. A su vez, el diseño debe reflejar los valores de la marca ya que debe relacionarse con su identidad corporativa.

Fuente: mastermania.com

El error humano explica el 90% de la piratería informática

Los propios usuarios son la primera línea de defensa en seguridad informática

La primera línea de defensa contra la piratería son las filtraciones. La corporación multinacional IBM ha revelado esto. La mayoría de los ciberataques son causados ​​por errores humanos. La pandemia ha sido un trampolín para los estafadores de Internet, que han ampliado sus operaciones a medida que el teletrabajo expone las redes comerciales al escrutinio de estos delincuentes.

La actividad delictiva en constante aumento en Internet también ha encontrado su verdadera magia en el proceso de digitalización, exponiendo innumerables redes corporativas a ataques de piratas informáticos.

anunciar
Se necesita mayor seguridad, pero la excesiva complejidad de estos sistemas no hace más que aumentar las vulnerabilidades que pueden penetrar los ciberdelincuentes.
Es por eso que el principal desafío en este momento es la concienciación y las buenas prácticas para los usuarios cuyos dispositivos ya están muy expuestos. Según IBM, el 90% de los ataques son causados por malas prácticas de los usuarios.

El segundo desafío es comprender cómo responder a las nuevas amenazas que plantean los avances tecnológicos, que, si bien representan nuevas oportunidades de negocio, también presentan peligros debido a la convergencia de aspectos tecnológicos y humanos.

El tercer desafío de los temas de TI es el uso de herramientas cada vez más complejas. Estos incluyen inteligencia artificial y aprendizaje automático, que se utilizan para predecir mejor la identificación de ataques y los recursos para neutralizar los ataques.

Un cuarto desafío para el sistema es lograr la sostenibilidad en numerosas innovaciones, como el Internet de las Cosas, que permite que muchos dispositivos compartan información y datos confidenciales. “Como resultado, la infraestructura tecnológica se ha vuelto insostenible debido a diversas amenazas maliciosas y errores no intencionales. Se debe lograr una infraestructura TIC más sustentable brindando soluciones que brinden seguridad y privacidad”, dice David Megías, Director del Instituto Interdisciplinario de Internet.

en descubrir
Un quinto desafío para la seguridad informática se deriva del hecho de que los datos personales no necesariamente provienen de un ciberataque, sino que pueden estar expuestos debido a agujeros de seguridad en la propia plataforma o la falta de conocimiento del usuario sobre dichas vulnerabilidades.

«El mayor reto es compatibilizar la seguridad y la privacidad de los datos para que la tecnología sea usable y podamos usarla cómodamente mientras protegemos nuestros sistemas y datos», afirma Helena Rifà, directora del Instituto del Máster en Ciberseguridad y Privacidad de la UOC. Informática, multimedia y telecomunicaciones.

Fuente: atalayar.com

Tecnología big data: qué es y para qué sirve

La tecnología de big data es desconocida para muchas personas, pero la verdad es que afecta sus vidas más de lo que pueden imaginar. Gracias a él, se pueden predecir ciertos movimientos y se pueden procesar grandes cantidades de datos en poco tiempo para diferentes aplicaciones, ya sean aplicaciones científicas, eventos corporativos, etc. Entonces, los datos de los usuarios son el petróleo del siglo XXI, o una nueva fiebre del oro, pero ahora los datos…

¿Qué es la tecnología de grandes datos?
Servidor basado en arquitectura arm soc

Cuando hablamos de tecnología de big data, nos referimos a una tecnología que puede analizar grandes cantidades de datos o conjuntos de datos a una velocidad muy alta y obtener los resultados deseados, ya sea análisis estadístico, pronóstico de tendencias, moda, algoritmos para los usuarios. algunos servicios, etc.

Llamándolo big data, los analistas actuales han establecido un nivel mínimo que puede llamarse big data, por debajo del cual estaría el análisis de datos más tradicional. Estos números van desde 30 a 50 terabytes de información hasta varios petabytes o más.

Hay una discusión sobre las 6 V de la tecnología de big data: volumen, velocidad, variedad, precisión, valor y variabilidad.

Los datos pueden provenir de diferentes fuentes, desde aplicaciones que recopilan información del usuario, servicios en línea (como redes sociales, dispositivos IoT, GPS, registros de centros de llamadas, dispositivos móviles, etc.). Y la naturaleza de estos datos también puede ser variada ya que pueden ser fotos, voces, coordenadas, metadatos, fechas, transacciones, nombres, datos de uso, preferencias de usuarios, opiniones, etc. Pueden ser estructurados (con un formato fijo), no estructurados (sin organización ni formato fijo), o incluso semiestructurados (una mezcla de los dos).

Para procesar todos estos datos en un tiempo récord se utilizan Hadoop, NoSQL, Spark, Lucene, TensorFlow y otros proyectos como machine learning o machine learning, deep learning, y grandes centros de datos con alta potencia de procesamiento y procesamiento de datos. Computación (HPC).

El uso de la tecnología de grandes datos.
Explicaremos dónde y en qué circunstancias se utiliza el big data.

grandes datos de la empresa

Para desarrollar una estrategia de big data eficaz para una organización, es necesario comprender los objetivos de la empresa y los datos actualmente disponibles, y evaluar si se necesitan más datos para ayudar a alcanzar los objetivos. Con el análisis de big data, las empresas pueden tomar mejores decisiones y mejorar la eficiencia operativa de varias maneras.

Las empresas a menudo usan análisis de big data para realizar marketing, publicidad, gestión de recursos humanos y otras necesidades. Muchas organizaciones usan o están usando soluciones de big data que las ayudan a combinar y analizar toda esta información interna y externa para ayudarlas a prevenir, detectar y mitigar ataques.

Las empresas buscan aumentar sus conjuntos de datos tradicionales con datos de redes sociales, registros de navegador y análisis de texto, así como datos de sensores, para obtener una imagen más completa de sus clientes. Es por eso que usan big data en sus sistemas para mejorar las operaciones, brindar un mejor servicio al cliente, crear campañas de marketing personalizadas y tomar otras acciones que, en última instancia, pueden aumentar los ingresos y las ganancias. Por ejemplo, el big data proporciona información valiosa sobre los clientes, que las empresas pueden utilizar para ajustar su marketing, publicidad y promociones en un esfuerzo por mejorar el compromiso de los clientes y las tasas de conversión.

El objetivo del big data es mejorar la rapidez con la que los productos llegan al mercado, reducir la cantidad de tiempo y recursos necesarios para lograr la aceptación del mercado, llegar al público objetivo adecuado y asegurarse de que los clientes queden satisfechos.

Big Data para otros sectores
criptominería

La tecnología big data se ha utilizado en varios secotres para ofrecer a las empresas información de sus clientes que les permita crear productos más transparentes y sencillos, analizando y previendo el comportamiento de los clientes a partir de los datos obtenidos de las redes sociales, los dispositivos con GPS, los vídeos de vigilancia, etc., pero también se puede usar para otras muchas cosas.

La tecnología big data, por ejemplo, también se utiliza para descubrir patrones ocultos para ciertos análisis, para ver tendencias, para anticiparse analizando la progresión de los datos (de hecho se pueden predecir algunas cosas como si de una bola mágica se tratase simplemente analizando datos y el “estado del mundo”), etc. Todo eso de forma ágil aprovechando los grandes centros de datos y tecnologías como el aprendizaje profundo, etc.

Otro campo de aplicación es la ciencia, sin duda. Por ejemplo, el centro de datos del CERN utiliza la potencia de cálculo de miles de procesadores de un centro de datos y con memorias estratosféricas de grandes para analizar los datos de las colisiones generadas en los aceleradores de partículas, entre otros experimentos.

Una entidad gubernamental habitual que utiliza Big Data es la Agencia de Seguridad Nacional (NSA), que vigila continuamente la actividad en Internet en busca de posibles patrones de actividad sospechosa o ilícita que sus sistemas puedan detectar. Las agencias militares, con la ayuda experta de un gran ecosistema de contratistas de defensa, utilizan conocimientos sofisticados y amplios derivados de los datos para llevar a cabo la inteligencia nacional, la vigilancia exterior y la ciberseguridad.

Los operadores minoristas, los grandes bancos y otros de los llamados «grandes» en los mercados financieros utilizan los big data para llevar a cabo análisis transaccionales y el análisis de los mercados financieros.

Muchos de los casos de uso de big data no mencionados anteriormente son también para la industria manufacturera, la energía, la construcción, la agricultura, el transporte y más. De hecho, el uso de los datos ha tenido profundos efectos en la industria manufacturera; por ejemplo, la aplicación de la analítica predictiva al mantenimiento ha dado lugar a nuevos modelos de negocio, ya que los fabricantes de maquinaria son los más indicados para ofrecer un mantenimiento.

El big data también interviene en la planificación de rutas en función de las necesidades de los usuarios, ayudando a reducir de forma eficiente los tiempos de espera, gestionando la congestión y la gestión del tráfico a través de herramientas como Google Maps que identifican las rutas menos propensas al tráfico, y también detectando las zonas propensas a los accidentes para aumentar los niveles de seguridad del tráfico.

También han usado los datos a la gente, proporcionados en diversas apps y sitios web que recolectan información para entrenar algoritmos o para crear servicios de IA tales como traductores, asistentes virtuales, etc.

Conclusión acerca de Big Data
Gracias al uso de la tecnología Big Data, muchas empresas y organizaciones de todo el mundo son capaces de predecir mejor el comportamiento de clientes o de posibles amenazas para anticiparse y llegar a ser más competitivas en un mundo dominado por la tecnología. Pero para eso necesitan datos, tus datos… ¿Comprendes ahora por qué existen tantos servicios y apps gratuitas en las que la moneda de cambio son tus datos?

Fuente: profesionalreview.com

Translate »