Esta transición hacia la tecnología avanzada, junto al desarrollo de la inteligencia artificial (AI) y al Internet de las Cosas (IoT), nos lleva a un escenario en el que la conexión de distintos dispositivos para añadir valor a los servicios se está convirtiendo en una realidad.  Incrementar la eficiencia y la sencillez para los usuarios finales son los principales beneficios de la conectividad y el uso inteligente de los datos.

Sin embargo, diferentes retos como la confidencialidad y la ciberseguridad son una gran preocupación para las partes interesadas.

En este artículo se pretende analizar el estado actual del IoT en el sector HVAC/R y los desafíos a superar para que se implante por completo.

Introducción

El IoT se ha hecho una realidad. Se estima que en 2020 los objetos conectados generarán más de 900 exabytes de datos con más de 20 billones de dispositivos conectados, un incremento del 69% respecto a 2016.

(https://www.gartner.com/newsroom/id/3598917):

Con una población estimada de 7’8 billones de personas en 2020 (https://ourworldindata.org/future-populaton-growth), podemos decir que habrá casi el triple de máquinas conectadas que personas.

Este desarrollo es una oportunidad excelente en el B2B para mejorar los procesos, y reducir los costes y los tiempos de los servicios ofrecidos, así como para proponer valiosos servicios a los usuarios finales.

Por una parte, las máquinas conectadas ofrecen un beneficio inmediato al propietario: los ajustes y el control del funcionamiento son ahora sencillos, intuitivos y siempre disponibles, gracias al uso de apps móviles que permiten la interacción con la máquina local o remotamente.

Por otra parte, el flujo continuo de información que estas máquinas ponen a disposición permite la gestión del ciclo completo de vida de la máquina, desde la instalación hasta el mantenimiento y la sustitución.  Para el propietario, esto se traduce en un funcionamiento del sistema garantizado, con un desarrollo en el modelo de negocio de la máquina, pasando de la compra de un elemento físico a la compra de un beneficio esperado.  Un ejemplo típico en el mercado HVAC/R es la transición desde la compra de una máquina frigorífica (como una enfriadora) a la compra de un servicio de control de temperatura, según unas especificaciones acordadas.  En este escenario, el suministro de una máquina adecuada, su instalación y su mantenimiento correspondiente son responsabilidad completa del proveedor, mientras que el usuario se beneficia de las prestaciones de la máquina sin tenerla realmente.

Un aspecto clave para alcanzar esta meta es el procesamiento de datos: los volúmenes de datos adquiridos son tales que la provisión de servicios valiosos es imposible sin la gestión adecuada de la información.  Numerosos expertos están ahora trabajando con éxito en el procesamiento y la implementación de datos del IoT en una variedad de sectores, como el HVAC/R.

¿Qué significa Iot “Internet de las Cosas”? 

El Internet de las Cosas (IoT) es la interconexión en red de dispositivos físicos (también conocidos como “dispositivos conectados” o  “dispositivos inteligentes”), como vehículos, edificios y otros elementos equipados con electrónica, software, sensores, actuadores y conectividad en redes, que permite a estos objetos recoger e intercambiar datos.

Los datos puedes ser recogidos e intercambiados por medio de una especie de “lenguaje” necesario para que los equipos se comuniquen entre sí. 

Al igual que los seres humanos o cualquier otra forma de inteligencia, el lenguaje es el primer paso en la interconexión de individuos y les permite intercambiar información.  Respecto a los equipos electrónicos, la definición y el uso de un protocolo de comunicaciones estándar, por ejemplo, Modbus^®, BACnet™, MQTT (Message Queue Telemetry Transport), es necesario para crear las interconexiones.

En general, y en particular también para las unidades HVAC/R, el hecho de estar conectado, recogiendo e intercambiando datos no implica necesariamente ningún valor añadido para las prestaciones de los equipos conectados.  Es por esto que la recogida y el intercambio de datos debe ser completado con el análisis de datos con propósitos específicos y la implementación de características y servicios que no están disponibles en las unidades que no están conectadas.

Servicios del IoT

El procesamiento de datos implica un enfoque con varias etapas:

• Análisis descriptivo.  El objetivo de esta etapa inicial es describir la situación actual y pasada, convirtiendo los datos en información útil.  Se requiere experiencia específica en la aplicación que se está analizando para descubrir los aspectos más significativos de las máquinas conectadas.  Son necesarias las vistas detalladas de cada instalación individual y las vistas estadísticas globales para el análisis masivo de la base completa instalada.  La mayoría de los sistemas de supervisión HVAC/R actuales están a este nivel, mostrando los parámetros más significativos mediante tablas y gráficas.

• Análisis preventivo.  El objetivo es comprender qué podría ocurrir en un futuro. Esta etapa resalta las correlaciones y dependencias entre las variables operativas de la máquina y las condiciones ambientales.  Los modelos matemáticos de las máquinas en campo y la lógica de aprendizaje de las máquinas en base al registro de datos recogidos son unas herramientas útiles para este análisis.

• Análisis prescriptivo.  El sistema es capaz de proponer soluciones operativas/estratégicas para el que toma las decisiones en base al análisis realizado.  Comenzando con algoritmos para optimizar ciertos parámetros clave como el rendimiento o la estabilidad del funcionamiento de la máquina, el sistema propone variaciones en los parámetros o intervenciones programadas, como la actividad de mantenimiento, la modernización o incluso la sustitución de la máquina en campo.  Un ejemplo es un sistema AA que propone la temperatura ideal para el usuario según las condiciones medidas.

• Análisis automático.  La etapa final es la implementación automática de la acción propuesta.  El sistema, aprendiendo de forma autónoma de acuerdo con la lógica de aprendizaje de las máquinas implementada, actúa de forma autónoma para optimizar la máquina.  Esta etapa es la verdadera frontera de las máquinas inteligentes, conectadas, pero hay pocas aplicaciones que la implementen hoy en día.  En ciertos casos, la aprobación de la intervención permanece bajo la responsabilidad de un experto o el sistema está restringido a la variación autónoma de la configuración con rangos de variación limitados.

Se necesitan nuevas experiencias y herramientas para finalizar el procedimiento de información-procesamiento: nuevas figuras de análisis de datos y herramientas de software para implementar el proceso de aprendizaje de las máquinas entran en juego de forma decisiva para crear servicios valiosos basados en los datos recogidos.  Toda esta innovación debe ser en todo caso combinada con experiencias de aplicación sólidas y conocimiento de técnicas específicas de las máquinas que están siendo analizadas.  Solo la sinergia entre estas figuras permitirá que se desarrollen nuevos servicios de gran valor.

El IoT en los sistemas HVAC/R 

En las aplicaciones HVAC/R, el enfoque principal de la aplicación de las tecnologías del IoT actualmente es el mantenimiento del sitio y la optimización continua.  En equipos complejos, como los utilizados en este sector, donde las condiciones del entorno (temperatura y humedad exterior/interior, configuración estacional, etc.) influyen mucho en el funcionamiento del sistema, es necesario un modelo no lineal que correlaciona un amplio conjunto de variables para proporcionar una comprensión profunda del rendimiento real y del comportamiento operativo de un sistema mecánico/energético.  Dichos análisis pueden ofrecer información altamente significativa, permitiendo a los distintos responsables involucrados tomar decisiones fundamentadas con resultados más seguros.  En particular, algunos usos significativos son:

> Mantenimiento predictivo: gracias a las alertas dinámicas generadas debidas al comportamiento de la unidad (por ejemplo, consumo de energía) que se desvían del modelo predictivo, se puede realizar un mantenimiento preventivo para evitar un mal funcionamiento en campo.  Estos servicios aseguran el funcionamiento continuo de sistemas de misión crítica, lo que es esencial en las aplicaciones industriales. Además, los costes de mantenimiento se pueden planificar con antelación, transformando así las llamadas de servicio urgente en rutinas de mantenimiento predictivo.

Un ejemplo de mantenimiento predictivo se muestra en la figura 1.b: se produce una alerta dinámica cuando el consumo de corriente de una unidad de AA es mayor que el límite superior de referencia durante un número de horas definido por la empresa de mantenimiento.  Se puede ver cómo se ha medido un consumo anormal de energía durante 5 días antes de que ocurriera un fallo de la unidad y continuó incluso después de que el sistema se reseteara.  En efecto, el mantenimiento no fue posible y la unidad de AA fue forzada a trabajar intencionadamente en condiciones no óptimas durante un tiempo más largo.

Un sistema de alertas dinámicas no es capaz de evitar de forma proactiva eventos por sí mismo; sin embargo, puede permitir, si ello es posible, realizar comprobaciones in situ varios días antes de que ocurra cualquier alarma o fallo. 

> Optimización del rendimiento y análisis “what-if” (¿qué pasa si…?): el modelo identifica la configuración que maximiza la eficiencia, cuantificando con precisión los beneficios en términos de ahorro energético.  El cálculo de la energía total ahorrada por medio de la diferencia entre el consumo real medido y el consumo esperado, posibilita resaltar los beneficios obtenidos.

Por ejemplo, la figura 1.c muestra cómo la definición básica de un algoritmo de aprendizaje de una máquina entrenada ayuda a realizar un ajuste fino de la unidad de AA.  Las actividades de ajuste y puesta en marcha son las etapas de la instalación enfocadas a definir el conjunto de parámetros operativos que mejor adapten el comportamiento de un modelo de sistema estándar a las necesidades del sitio.  El punto de consigna (set point) de la temperatura del agua, la gestión de ventilador y bomba, la configuración de los parámetros del modo de funcionamiento (por ejemplo, modo eco, modo noche) y la planificación son algunos de los parámetros que los operadores necesitan ajustar durante la puesta en marcha.  Estas actividades son necesarias para evitar desviaciones entre el rendimiento de la unidad de AA esperado, representado por sus ratios medidos en un entorno controlado, respecto de los ratio estándar, y el rendimiento real después de la instalación.

El consumo esperado que se muestra en la figura 1.c fue definido de forma autónoma por el algoritmo de software basado en todos los datos adquiridos en un gran número de unidades de AA en la fase de aprendizaje, y posteriormente probados con un lote de datos nuevos.  Los parámetros incluyen el tipo de unidad (capacidad, compresor, refrigerante) y el tipo de instalación.  Todas las demás variables son necesarias para normalizar los valores de consumo de energía.  Como muestra la figura 1.c, la actividad de ajuste no mejoró realmente la eficiencia de la bomba de calor como “valor absoluto” (línea azul, valor promedio antes/después de la intervención, sobre 180 kWh/día), sin embargo, si se compara con la tendencia normalizada esperada (línea naranja), se midió una mejora significativa.  Los operadores tuvieron entonces la oportunidad de hacer un rápido análisis “what-if” de sus ajustes del set point sin preocuparse de las variables externas, como las condiciones de ambiente/carga.

> Puntos de referencia entre diferentes unidades. Con el objetivo de identificar la mejor configuración o el mejor proceso de mantenimiento, se compara el rendimiento de la unidad con el predicho por el modelo. Esto es habitualmente una tarea compleja, puesto que se basa inicialmente en el análisis de datos de unidades individuales para comprender la influencia de las condiciones ambientales en su rendimiento y consumo energético, y después en la comparación con el rendimiento del modelo en las mismas condiciones. De hecho, solo creando un modelo predictivo se pueden “normalizar” las variables externas, lo que permite determinar si la unidad se está comportando mejor o peor que otras funcionando en las mismas condiciones (el punto de referencia).

Como ejemplo, las figuras 1.d y 1.e muestran la capacidad comparativa de un sistema basado en la definición básica e implican dos comparaciones:

· Entre el mismo modelo de unidades para identificar el mejor tipo de mantenimiento/configuración.

· Entre modelos de unidades diferentes para identificar la de mejor rendimiento para las condiciones definidas.

En ambas gráficas mostradas en las figuras 1.d y 1.e, la línea gris indica la tendencia del límite superior del consumo de energía básico. Esto permite la verificación de que todas las unidades están rindiendo como se espera, incluso si el rendimiento de una de ellas es mucho mejor que el de las otras.

Estos ejemplos cuyos datos fueron recogidos en unidades de AA, también podrían ser representativos del potencial del IoT en sistemas de refrigeración.

Los beneficios que los distintos usos del IoT pueden traer al sector HVAC/R incluyen:

· Recogida de información directa relativa a la unidad conectada. Por ejemplo, una alarma.

· Recogida de información indirecta relativa a los usuarios que interactúan con la unidad conectada. Por ejemplo, ventas potenciales a clientes basadas en las aperturas de las puertas o la planificación de la reposición por parte del dueño de la tienda.

· Procesamiento estadístico de la información directa/indirecta recogida. Por ejemplo, identificación del funcionamiento básico basado en el área o modelo de enfriadora, o comportamiento típico de clientes por área o por tipo de tienda.

· Optimización de la experiencia del usuario. Por ejemplo, interacción simplificada con instaladores y personal de mantenimiento o mensajes promocionales a clientes potenciales.

Todos estos beneficios dan como resultado una mejora de rendimiento de las ventas y una reducción de los costes de gestión del mantenimiento tanto para departamentos de servicio internos como para los subcontratados a socios locales. Para lograr todos ellos, las empresas necesitarán asegurar la perfecta integración de su cadena de suministros completa: desde el fabricante hasta el experto en control termodinámico, desde la agencia de marketing local hasta el desarrollador de la app, todos deberán contribuir para crear el sistema perfecto.

Desafíos

Indudablemente, la privacidad y la seguridad son las principales preocupaciones de las partes interesadas del IoT.

El IoT se basa y se basará en el intercambio continuo de datos, esencial tanto para el desarrollo como para la implementación de servicios existentes y nuevos. Por desgracia, muchos de los datos que se intercambian son sensibles y pueden identificar comportamientos e información que deberían permanecer en la denominada privacidad de sus propietarios; o, no son sensibles “per se”, pero sin embargo podrían ser reorganizados y analizados para generar una información que sí podría ser sensible. Todo esto explica por qué el intercambio de datos es un punto conflictivo que ya requiere recursos adicionales en la investigación de la ciberseguridad del IoT: la aplicación de todos los estándares de seguridad de vanguardia será esencial para proteger a los usuarios contra la explotación maliciosa de su propia información sensible, mientras que el control continuo de nuevas formas de ciberataques ayudará a superarlos.

La calidad de la conectividad es otro problema a considerar. Una conectividad deficiente puede provocar una reacción lenta en el sistema o la ausencia de servicio por algún tiempo. Este problema es especialmente relevante en lugares remotos con una mala calidad de señal. Se necesitará mayor ancho de banda para alcanzar la velocidad y los requisitos de capacidad de una sociedad cada vez más conectada. Se están haciendo muchos avances, y aún son necesarios muchos más.

La gran cantidad de energía consumida por los centros de datos también será un problema a afrontar en los próximos años. Tener millones de dispositivos conectados significa que una gran cantidad de datos sean almacenados. Los expertos afirman que los almacenes digitales consumen unos 30 GWh/año de electricidad en todo el mundo, lo que equivale aproximadamente a la producción de 30 centrales nucleares). Paradójicamente, el IoT reducirá la energía consumida por el equipo que supervisa mientras que incrementará la energía requerida por los centros de datos, por lo tanto, el desafío es ahora mejorar la eficiencia energética de los centros de datos.

Las colaboraciones entre diferentes empresas para conectar diferentes objetos también son esenciales. Mientras que la mayoría de los equipos conectados hoy en día son de naturaleza similar, las aplicaciones futuras de IoT ideales involucrarán a equipos muy diferentes que interactúan mutuamente.

En este contexto, las regulaciones pueden facilitar el desarrollo y la aplicación apropiada de tecnologías y servicios del IoT. En Europa, el “Ecodesign Preparatory Study on Smart Appliances” (Lot 33), analiza los aspectos técnicos, económicos, de mercado y sociales que son relevantes para una amplia introducción en el mercado de aparatos inteligentes. Desde hace varios años, la Comisión Europea ha estado examinando estos aparatos, que incluyen muchas aplicaciones de aire acondicionado y refrigeración residenciales, comerciales e industriales: el estudio final se espera para finales del 2018, tras lo cual la Comisión decidirá cómo proceder.

Tendencias

Tres tecnologías ocupan un lugar central en las discusiones del IoT hoy en día y probablemente mejoren su implementación en los próximos años: inteligencia artificial (AI), cadena de bloques y tecnología de red de quinta generación (5G).

La inteligencia artificial (AI) incluye varias técnicas, como el aprendizaje de las máquinas o el aprendizaje profundo, que mejoran significativamente el potencial del IoT proporcionando análisis y tomas de decisión avanzadas. Como indica Maciej Kranz, la AI sería el cerebro y el IoT el cuerpo: la AI (especialmente el aprendizaje de las máquinas) proporciona la inteligencia, mientras que el IoT entrega los datos que la AI necesita y los medios físicos para actuar en las decisiones de la AI. Se ha estimado que el 25% de las organizaciones que han establecido estrategias de IoT también están invirtiendo en AI como parte de sus esfuerzos de transformación digital.

Una cadena de bloques (blockchain) consiste en un libro público de transacciones digitalizado y descentralizado. Creciendo constantemente conforme son “completados”, los bloques se graban y se añaden al libro en orden cronológico, permitiendo a los participantes del mercado mantener un seguimiento de las transacciones digitales sin registros centralizados. Como consecuencia, una de las principales ventajas de una cadena de datos es que puede evitar la manipulación: para cambiar un solo bloque, cada bloque que le sigue debería cambiar, y la verificación fallaría. Otro beneficio importante es que puede ser también una herramienta para luchar contra la introducción de dispositivos de IoT maliciosos en nuestras redes.

Los beneficios adicionales del 5G incluyen mayor velocidad (para transferir más datos), menor latencia (para que responda mejor) y la habilidad para conectar una mayor cantidad de dispositivos a la vez (en particular, sensores y dispositivos inteligentes). Respecto a la velocidad, el 5G prevé índices de datos de 20 Gbps por dispositivo y velocidades de descarga de hasta 10 Gbps, lo que significa 1.000 veces más rápido que el 4G. 

Es difícil predecir cuándo estarán completamente implementadas estas tecnologías, pero seguramente facilitarán el desarrollo del IoT en todas las aplicaciones, incluídos los sistemas HVAC/R.