Mes: octubre 2023

Según los pronósticos, se estima que los centros de datos absorberán hasta el 21% del suministro mundial de electricidad para 2030. Con estos pronósticos, el Centro de Supercomputación del Laboratorio Lincoln (LLSC) del Instituto Tecnológico de Massachussets (MIT) está desarrollando técnicas para ayudar a los centros de datos a optimizar el uso de energía. Sus técnicas van desde cambios simples, como hardware que limita la energía, hasta la adopción de herramientas novedosas que pueden detener el entrenamiento de la inteligencia artificial (IA) desde el principio.

En un panorama más amplio, su trabajo está movilizando la investigación sobre informática ecológica y promoviendo una cultura de transparencia. Como muchos centros de datos, el LLSC ha experimentado un aumento significativo en la cantidad de trabajos de IA que se ejecutan en su hardware. Al notar un aumento en el uso de energía, los científicos informáticos del LLSC sintieron curiosidad por encontrar formas de ejecutar trabajos de manera más eficiente.

Entrenar un modelo de IA requiere el uso de unidades de procesamiento de gráficos (GPU), que son hardware que consumen mucha energía. Como ejemplo, se estima que las GPU que entrenaron GPT-3 (el precursor de ChatGPT) consumieron 1.300 MWh de electricidad, aproximadamente igual a la utilizada por 1.450 hogares estadounidenses promedio por mes.

Limitación de la potencia para ahorrar energía

Si bien la mayoría de la gente busca GPU debido a su potencia computacional, los fabricantes ofrecen formas de limitar la cantidad de energía que una GPU puede consumir. Los investigadores estudiaron los efectos de limitar la potencia y descubrieron que podían reducir el consumo de energía entre un 12% y un 15%, según el modelo.

La compensación por limitar la potencia es aumentar el tiempo de tarea. Las GPU tardarán alrededor de un 3% más en completar una tarea, un aumento que es apenas perceptible considerando que los modelos a menudo se entrenan durante días o incluso meses.

En uno de los experimentos en el que entrenaron el popular modelo de lenguaje BERT, al limitar la potencia de la GPU a 150 vatios se obtuvo un aumento de dos horas en el tiempo de entrenamiento (de 80 a 82 horas), pero se ahorró el equivalente a una semana de energía en un hogar estadounidense. Posteriormente, el equipo creó un software que conecta esta capacidad de limitación de energía al sistema de programación ampliamente utilizado, Slurm. El software permite a los propietarios de centros de datos establecer límites en todo su sistema o trabajo por trabajo.

También han surgido beneficios secundarios. Desde que se implementaron restricciones de energía, las GPU de las supercomputadoras LLSC han estado funcionando aproximadamente 30º Fahrenheit más frías y a una temperatura más constante, lo que reduce la tensión en el sistema de enfriamiento. Hacer funcionar el refrigerador de hardware puede aumentar potencialmente la confiabilidad y la vida útil. Los investigadores están buscando formas de reducir las necesidades de refrigeración programando los trabajos, para que se ejecuten durante la noche y durante los meses de invierno.

Desarrollo de modelos de IA más eficientes

Además de realizar ajustes en las operaciones del centro de datos, el equipo está ideando formas de hacer que el desarrollo de modelos de IA sea más eficiente. Al entrenar modelos, los desarrolladores de IA a menudo se centran en mejorar la precisión y se basan en modelos anteriores como punto de partida. Para lograr el resultado deseado, tienen que determinar qué parámetros usar, y hacerlo bien puede requerir probar miles de configuraciones. Este proceso, llamado optimización de hiperparámetros, es un área que los investigadores de LLSC han encontrado madura para reducir el desperdicio de energía.

En sus estudios, se ha obtenido una reducción del 80% en la energía utilizada para el entrenamiento del modelo. Han aplicado esta técnica a modelos desarrollados para aplicaciones de visión por computadora, procesamiento de lenguaje natural y diseño de materiales.

La entrada El MIT desarrolla técnicas que ayudan a los centros de datos a optimizar el uso de energía eléctrica aparece primero en CASADOMO.

El especialista en soluciones AIoT y servicios big data para el sector de la seguridad de viviendas y edificios Hikvision integra en su portfolio una amplia gama de LED displays, que cubre cualquier tipo de necesidad de sus clientes. Estos dispositivos se han diseñado para los diferentes sectores, como seguridad, comercial, hospitality, etc.

La variedad de productos LED display de Hikvision se centra en soluciones para interiores, pantallas LED de empalme, para exteriores, para cartelería digital, pantallas LED transparentes y pantallas LED todo en uno.

Los nuevos LED displays se producen en la fábrica de Hikvision ubicada en Tonglu (Hangzhou, China), bajo unos estrictos controles de calidad. De esta forma, la compañía garantiza que cada uno de los LED displays tiene la máxima calidad para ofrecer una experiencia inmersiva en cualquier escenario.

Aspectos técnicos destacables de los LED displays

Como resultado, estos dispositivos integran la tecnología de multiplicación de grises, que permiten a los LED mejorar el efecto de visualización en la parte oscura de la imagen, evitando el fenómeno de mosaico y el viñeteado, al tiempo que mejora la calidad general de la visualización de la imagen.

Otra característica destacable es la función de deshumidificación automática, capaz de reducir la tasa de luz interrumpida en un 30% en promedio, alargando la vida útil de la pantalla. Asimismo, Hikvision ha conseguido convertir más del 90% de la luz azul en luz de baja energía, con el objetivo de ofrecer una protección ocular eficaz a los espectadores.

Facilidad de instalación

Respecto a la instalación, los LED displays son fáciles de montar, gracias a que la fuente de alimentación y los cables de señal entre los armarios en una columna están integrados en la interfaz de conexión interna, lo que mejora en gran medida la eficiencia de la instalación en el sitio, eliminando los posibles riesgos de seguridad causados por el cableado.

Todos los armarios, fuentes de alimentación, la electrónica y los cables internos se pueden reemplazar desde el frontal de cada unidad, lo que mejora en gran medida la eficiencia de la instalación y el mantenimiento sin una configuración complicada.

Además, los LED displays admiten el autoempalme simple mediante controladores LED y conexión de bucle sin otros dispositivos de control. Por su parte, el diseño de entrada de señal bidireccional ofrece un respaldo de seguridad de la pantalla LED. Si una señal no funciona correctamente, la otra se activará automáticamente para garantizar un funcionamiento normal.

La entrada Los productos LED displays de Hikvision ofrecen la máxima calidad de imagen y una fácil instalación aparece primero en CASADOMO.

Con el objetivo de controlar el buen funcionamiento de los ultracongeladores (-80ºC), arcones (-20ºC) y frigoríficos (4ºC), la Facultad de Medicina de la Universidad Autónoma de Madrid (UAM) ha implementado el sistema SENSONET de la compañía española SENSONET. En concreto, se han instalado 42 sensores R22 ‘SENSONET over Lora’ que se encargarán de monitorizar estos sistemas de refrigeración, así como su correcto suministro de tensión 220 VAC.

La Facultad de Medicina de la UAM usará este sistema para avisar a los diferentes usuarios y responsables de departamento de la subida de temperatura de ultracongeladores y arcones, en caso de que se produzca una apertura de puertas de más minutos de lo habitual o una falta de suministro eléctrico en el equipo con la posterior subida de la temperatura.

Gracias a la cobertura radio ‘SENSONET over Lora’, el despliegue de los sensores ha sido sencillo. SENSONET solo ha tenido que implementar un único repetidor IP de cinco canales de radio ubicado en un CPD del edificio de aulas y laboratorios.

Información de los estados de los equipos

El sistema dispone de una consola en el cuarto de seguridad de la facultad que muestra a los vigilantes el estado de los equipos y las alertas. Además, proporciona información adicional, como los responsables del mismo, sus teléfonos móviles, la ubicación detallada del equipo (marca, modelo, etc.) para una localización rápida por parte de los vigilantes en caso de ir a una verificación in-situ de la alerta.

El sistema tiene una base de datos de 60 usuarios/responsables con sus nombres, correo y teléfono móvil, de forma que en cada sensor se puede configurar hasta cuatro personas receptoras de las alertas por SMS y/o correo electrónico.

“Hemos evitado el uso de un módem externo con su correspondiente tarjeta SIM y hemos preferido la conexión a un servidor de envío masivo de SMS con interface API-JSON por su muy baja latencia”, explica Daniel Vázquez, CTO de SENSONET. Y añade que están midiendo “tiempos de apenas de 3 segundos desde que se dispara la alerta en el equipo frigorífico hasta que se reciben los cuatro mensajes SMS en los dispositivos de los usuarios”.

Nuevo sensor SR22-PT100-VAC

Para este proyecto, SENSONET ha desarrollado la segunda generación del sensor PT100 con vigilancia de VAC. El nuevo sensor SR22-PT100-VAC es un polivalente dispositivo que usa una sonda PT100 para medir temperaturas en un rango de ±100ºC y el correcto suministro de tensión VAC al equipo que está monitorizando.

Dispone de un novedoso sistema de UPS basado en una batería 18650 de litio con su circuito supervisor y de carga que garantiza el funcionamiento del sensor hasta dos días en caso de la interrupción de suministro de VAC al ultracongelador o arcón frigorífico. Esto permite, por ejemplo, seguir informando a la consola del lento ascenso de la temperatura en el caso del apagado de un ultracongelador.

La entrada La Facultad de Medicina de la UAM monitoriza los frigoríficos con los sensores de SENSONET aparece primero en CASADOMO.

El proyecto I4Q facilita a las empresas dedicadas a la fabricación desafíos como mejorar la calidad de los productos, servicios y procesos de fabricación, reduciendo residuos y defectos, costes y plazos de entrega. Con un presupuesto de 10 millones de euros, financiados por la Unión Europea mediante el programa Horizonte 2020, y en el que participan 24 entidades de 11 países, el proyecto aborda los desafíos en la gestión de datos industriales a través de una solución integral basada en IoT. Uno de los participantes en esta investigación es ITI, centro tecnológico especializado en TIC.

La solución está compuesta por componentes modulares diseñados para administrar la gran cantidad de datos provenientes de dispositivos interconectados en las fábricas. El objetivo central es respaldar la fabricación, monitorización y el control en línea de la producción, con el enfoque puesto en lograr una fabricación sin defectos, mejorando la calidad y eficiencia en las cadenas de producción.

En esta línea, ITI ha desarrollado dos componentes clave, el i4QDR (Data Repository) y el i4QTN (Trusted Networks). El i4QDR se trata de un sistema de almacenamiento distribuido que supervisa la recepción, almacenamiento y suministro correcto de datos, adecuado para respaldar y mejorar un alto grado de digitalización en empresas en las que la mayoría de los dispositivos de fabricación actúan como sensores o actuadores y generan grandes cantidades de datos.

Guía e interfaz industrial

En relación con el i4QDR, se ha desarrollado una guía para construir sistemas de almacenamiento en el marco de la Industria 4.0, llamada i4Q Guidelines for building Data Repositories for Industry 4.0. En dicho documento, se explican la motivación y los retos a la hora de desarrollar una herramienta como i4Q y un repositorio de datos para la Industria 4.0. Además, ofrece algunas recomendaciones para abordar estos retos y aporta detalles sobre los requisitos y las decisiones de diseño que se realizaron durante el desarrollo de la herramienta.

Por otro lado, el i4QTN es una interfaz industrial definida por software para la comunicación de datos, que se caracteriza por la previsibilidad, determinismo, confiabilidad y bajo consumo al tiempo que reduce el coste de la nueva infraestructura de comunicación, garantizando la recopilación de datos de alta calidad a través de redes confiables.

Fabricación sin defectos

Para lograr una fabricación sin defectos, i4Q persigue cumplir tres premisas que son clave para alcanzar tal fin. En primer lugar, garantizar y aumentar la calidad de los datos de fabricación. El proyecto busca desarrollar metodologías, herramientas e infraestructura para garantizar la calidad de los datos necesarios para la inteligencia operativa y el análisis, poniendo el foco en construir componentes que aseguren la fiabilidad de los datos industriales.

Otra de las metas que busca es desarrollar componentes para el análisis del dato a través de un conjunto de herramientas de gestión para el ciclo de vida en la nube de los modelos de inteligencia artificial relacionados con la fabricación. Por último, se centra en desarrollar componentes para la reconfiguración y calificación de la línea de fabricación rápida, a través de estrategias y métodos para la calidad de procesos, reconfiguración y optimización de procesos mediante el uso de datos de fabricación y algoritmos de aprendizaje automático.

Cabe destacar que todos estos desarrollos se están probando y validando en seis casos de uso, cubriendo diferentes perspectivas de fabricación (fabricantes de equipos industriales, fabricantes de piezas y componentes y fabricantes de productos finales) y sectores industriales (metal, plástico, madera y cerámica).

La entrada Mejora de los procesos de fabricación mediante una solución basada en IoT del proyecto I4Q aparece primero en CASADOMO.

Los edificios y la construcción son responsables del 20,7% de las emisiones de gases de efecto invernadero (GEI). Las emisiones operativas representan casi dos tercios de esto, mientras que el resto proviene de las emisiones de carbono incorporadas, asociado con los materiales y los procesos de construcción. En base a este contexto, la Alianza para la innovación de IoT y Edge Computing (AIOTI) ha elaborado el informe ‘IoT and Edge Computing Carbon Footprint Measurement Methodology Report Release 2’ para ayudar a los usuarios de tecnologías y servicios IoT y edge computing a tomar decisiones informadas con el fin de reducir la huella de carbono de las soluciones y servicios.

Para eliminar la huella de carbono del entorno de la construcción, tanto los edificios como los materiales deben volverse más eficientes, inteligentes y baratos. Las eficiencias a pequeña escala, como mejoras en la calefacción, la iluminación o los electrodomésticos, también desempeñarán un papel importante. Dada la amplitud del impacto del entorno de construcción, se necesitarán soluciones más fundamentales, por ejemplo, almacenamiento térmico y electricidad a nivel de edificio, métodos de construcción innovadores o gestión inteligente de edificios basada en sensores.

Respecto al informe, no solo ayuda a comprender cómo evaluar la huella de carbono, sino también a medir a través de metodologías que respaldan la reducción de la huella de carbono. El documento está estructurado para presentar las reglas y regulaciones del Pacto Verde Europeo, las iniciativas y estándares, y las metodologías existentes para medir la huella de carbono de las TIC.

También incluye cómo se pueden aplicar esas metodologías a IoT y edge computing, la descripción de éstas, los criterios de selección y cómo medir los beneficios de su uso para reducir la huella de carbono mediante el uso de tecnologías y servicios de IoT y edge computing para varios dominios industriales.

Objetivos del informe

Según la Alianza AIOTI, el informe persigue cuatro objetivos. El primer objetivo se centra en ayudar a los usuarios de tecnologías y servicios de IoT y edge computing a comprender y tomar decisiones informadas sobre cómo evaluar la huella de carbono de las soluciones y servicios que utilizan, y a medir cómo estas metodologías apoyan la reducción de la huella de carbono en su uso.

Como segundo objetivo, el informe presenta dos iniciativas y estándares, así como metodologías existentes para la medición de la huella de carbono TIC, y cómo se pueden aplicar a estas tecnologías.

En el tercer objetivo se presentan los criterios metodológicos de selección y cómo medir los beneficios de usarlos para reducir la huella de carbono al utilizar tecnologías y servicios de IoT y edge computing para varios dominios industriales. Finalmente, se propone un método de cálculo de las emisiones de carbono evitadas en una industria sector/dominio, cuando las TIC se utilizan como tecnología habilitadora.

Además de los objetivos, en la versión 2 del documento, la AIOTI ha actualizado las ecuaciones que se introdujeron en la primera versión. Los cálculos se centran en un escenario de referencia (industrial) respaldado por una solución de TIC y un escenario (industrial) habilitado para el medio ambiente, que aplica una solución de TIC avanzada para reducir las emisiones de carbono en el mismo escenario industrial; y sobre el impacto que un proceso de reciclaje/asignación de circuito cerrado tiene en estas ecuaciones.

El informe también ofrece diferentes metodologías para medir la huella de carbono, en función de los ámbitos de actuación. De esta forma, los usuarios tienen una metodología genérica de medición de huella de carbono; otra para medir el carbono de IoT y edge computing; una tercera para ámbitos industriales, como redes inteligentes, ciudades/edificios inteligentes, movilidad conectada, agricultura de precisión y fabricación inteligente. Y una cuarta metodología para medir el beneficio de IoT y edge computing para la reducción de la huella de carbono en los ámbitos industriales.

Método TIC para medir la huella de carbono de IoT y edge computing

Según el informe, el IoT puede ayudar a allanar el camino hacia la economía circular y hacia un mundo más sostenible al permitir la digitalización de muchas operaciones y procesos, como la distribución de agua, el mantenimiento preventivo o la fabricación inteligente.

Las tecnologías y paradigmas de IoT, como la computación de borde, tienen un enorme potencial para la transición digital hacia la sostenibilidad, aunque todavía no están contribuyendo al desarrollo sostenible del propio sector de IoT. De hecho, un sector de este tipo tiene una huella de carbono significativa debido al uso de materias primas escasas y su consumo de energía en los procesos de fabricación, operación y reciclaje. Para abordar estos problemas, el paradigma Green IoT (G-IoT) ha surgido como un área de investigación para reducir dicha huella de carbono; sin embargo, su visión sostenible choca directamente con la llegada de la edge con inteligencia artificial (Edge AI), que impone un consumo de energía adicional.

El documento propone un escenario basado en un taller inteligente de Industria 5.0, que busca mejorar la seguridad del operador y el seguimiento de las operaciones. Un caso de aplicación de este tipo hace uso de una arquitectura de computación de niebla compuesta por nodos de IoT habilitados para IA. Tras describir el caso de aplicación, se evalúa su consumo energético y se analiza el impacto en la huella de carbono que puede tener en diferentes países. En general, este caso proporciona pautas que ayudarán a los futuros desarrolladores a enfrentar los desafíos que surgirán para crear la próxima generación de sistemas Edge-AI G-IoT.

Metodología para los edificios inteligentes

Otra de las metodologías que incluye este informe se centra en la medición de la huella de carbono en los ámbitos industriales, como edificios/ciudades inteligentes, fabricación inteligente, movilidad conectada, entre otras áreas.

Todos los enfoques requieren la medición de la reducción de la huella de carbono de los sectores que actúan como base para evaluar los beneficios potenciales que las soluciones de IoT y edge computing pueden ofrecer. Existe una amplia gama de metodologías para medir la huella de carbono, cuyo enfoque más realista es derivar una lista con criterios genéricos del sector multiindustrial para seleccionar una o más metodologías existentes para medir la huella de carbono.

La conclusión a la que llega el informe es que el uso inteligente de tecnologías digitales limpias puede servir como un facilitador clave para la acción climática y de sostenibilidad ambiental. La tecnología puede mejorar la eficiencia energética y de los recursos, facilitar la economía circular y conducir a una mejor asignación de los recursos, así como reducir las emisiones, la contaminación, la pérdida de biodiversidad y la degradación ambiental.

La entrada Un informe de la AIOTI ofrece metodologías para medir la huella de carbono de los edificios que usan las tecnologías IoT y edge computing aparece primero en CASADOMO.