Como una empresa sanitaria planea reemplazar 600.000 medidores de agua con la ayuda de AWS IoT core for LoRAWAN
Artículo publicado originalmente en: https://aws.amazon.com/ Con los gobiernos reconociendo la necesidad de controlar el consumo de los recursos vitales, de reducir el desperdicio y consumo ineficiente, vemos que es cada vez más necesario que los servicios públicos sean inteligentes. Aunque las necesidades de los distintos servicios públicos (luz, gas, electricidad y agua) son diferentes y muy específicas, vemos que todos ellos necesitan soluciones de tecnologías similares en términos de dispositivos inteligentes, conectividad y capacidad de procesamiento de datos. Aguas Nuevas, una compañía de servicios públicos de agua en Chile, se embarcó en un programa de modernización y digitalización del proceso de recolección de datos de los medidores de agua de sus clientes, que hoy en día se realiza de forma manual una vez por mes con la visita de un agente de la compañía a cada cliente. Para esto Aguas Nuevas adquirió antenas y dispositivos IoT compatibles con la tecnología LPWAN – LoRAWAN para realizar la recolección de datos de consumo de agua de manera inalámbrica, y se encontró con varios desafíos sobre cómo operar el gateway y una gran flota de dispositivos IoT y también la dificultad de extraer valor de los datos provenientes de los sensores IoT. Dispositivos inteligentes Hoy en día vemos una gran cantidad de dispositivos inteligentes disponibles, pero muchos de estos dispositivos necesitan conectarse a una red de una manera efectiva para enviar los datos colectados, que solo podrán brindarnos beneficios una vez que se procesan, analizan y se tome alguna acción sobre ellos. Conectividad Por lo tanto la conectividad se ha convertido en la última barrera para permitir a los servicios públicos ser verdaderamente inteligentes. Los llamados medidores inteligentes no pueden lograr su inteligencia y valor potenciales sin estar conectados de manera confiable, robusta y rentable. Tecnología como LPWAN ( Low Power Wide Area Network o Redes de Área Amplia de Baja Potencia ) en general, y LoRAWAN en particular, satisfacen y superan las necesidades de conectividad de las empresas de servicios públicos a medida que se transforman para la nueva era digital del suministro de servicios públicos inteligentes. LoRAWAN es la tecnología de conectividad líder dentro del mercado LPWAN y ya se ha adoptado ampliamente en un gran ecosistema respaldado por LoRa Alliance, de la cual AWS es miembro. AWS IoT Core para LoRAWAN AWS IoT Core para LoRAWAN es un servicio de servidor de red LoRAWAN (LNS) completamente administrado que permite a los clientes conectar dispositivos inalámbricos que utilizan el protocolo LoRAWAN para conectividad LPWAN con la nube de AWS. Con AWS IoT Core, nuestros clientes ahora pueden configurar una red LoRAWAN privada conectando sus dispositivos y gateways compatibles con LoRAWAN a la nube de AWS, sin necesidad de desarrollar, mantener u operar su propio servidor de red LoRAWAN. AWS y el Agua Desde AWS entendemos que la necesidad del acceso a agua segura, limpia y asequible de las personas no cambiará. A su vez vemos en temas relacionados al agua varios desafíos globales a los que estamos comprometidos a llevar nuestra tecnología y los servicios de Amazon Web Services como por ejemplo: Asequibilidad del agua Resiliencia al cambio climático Infraestructura envejecida Reemplazo de la fuerza laboral Agua no contabilizada (Agua perdida en la distribución) Disponibilidad de suministro de agua Comprensión pública del valor del agua Contaminantes emergentes Cumplimiento normativo Arquitectura de la Solución En esta primera fase del proyecto Aguas Nuevas utilizó los servicio de AWS IoT Core para LoRAWAN para administrar de forma muy sencilla sus Gateways y sensores compatibles con LoRAWAN así como la seguridad y conectividad con cientos de medidores de agua inteligentes que ya están enviando datos a AWS. Nuestro partner Morris & Opazo brindó soporte al equipo de Aguas Nuevas para la integración de los gateways y sensores inteligentes, y también realizó el desarrollo de una solución para integrar los datos recibidos desde los sensores inteligentes con los sistemas de facturación de Aguas Nuevas. Aguas Nuevas nos comentó que quedó impresionado con la facilidad y rapidez de incorporación de todos los dispositivos con AWS IoT Core para LoRAWAN. Aguas Nuevas Es una empresa chilena de servicios de agua que brinda este recurso esencial a más de 400.000 clientes en todo el país andino. Desempeña un papel crucial en la sociedad chilena, impactando hogares, negocios, agricultura y minería. Su misión es satisfacer las necesidades de sus clientes, cuidar el medio ambiente y contribuir al desarrollo de las ciudades en las que trabaja. Se esfuerza por optimizar y mejorar constantemente sus operaciones de TI para sus clientes y aproximadamente 1300 usuarios internos. Morris & Opazo Es un socio consultor avanzado de AWS en la competencia de datos y análisis, con clientes en Chile y el resto de las Américas. Trabaja con clientes públicos y privados, impulsando el análisis de big data y los recursos en la nube para ofrecer soluciones comerciales mejoradas. Su talento es su recurso más valioso, ampliando el conocimiento técnico con sus clientes y manteniéndose a la vanguardia de la innovación para ayudar a extraer el máximo de la tecnología disponible. Fuente: AWS En esta sección describiremos a grandes rasgos los componentes y configuración utilizados en esta solución. Configuración del servicio de AWS IoT for LoRAWAN Para la configuración del servicio de AWS IoT for LoRAWAN, se necesitan completar las siguientes configuraciones: Gateways Dispositivos Profiles Destinations Gateways Para dar de alta los Gateways, necesitara el Gateway EUI ( provisto por el proveedor del dispositivo) y la frecuencia soportada en su país. Una vez realizado este paso, obtendremos las credenciales y certificados necesarios para la integración con su Gateway. Profiles En esta sección especificamos las capacidades técnicas del dispositivo así como los parámetros de inicio que el servidor LNS necesita para establecer la conectividad. En nuestro caso el dispositivo utilizado se le configuraron utilizando los siguientes parámetros: Frecuencia soportada en su país: AU915 MAC VERSION: 1.2 Regional parameter version : RP002 MaxEIRP: 15 Destination La información de esta sección esta relacionada al destino de los datos que el dispositivo envié al Gateway y que a
Blog: Monitoreo automatizado de data drift en modelos de machine learning – Morris & Opazo
La deriva de datos o data Drift, es un fenómeno en el cual las variables deentrada de un modelo cambian su comportamiento habitual, generando unadisminución en el rendimiento del modelo. Descargar
Automatice procesos empresariales con RPA y MorrisOpazo
Caso de éxito: Reconocimiento y Analítica de etiquetas de servicio de delivery en near real time
Resumen ejecutivo: Entel Perú, empresa del grupo Entel Chile, inició operaciones en Perú en 2014, ofreciendo diversos servicios de telecomunicaciones, siendo reconocida como líderes en telecomunicaciones en Latinoamérica. Morris & Opazo, un socio Consultor Avanzado de Amazon Web Services (AWS), ha apoyado a Entel Perú implementando una solución que le permitió mejorar la toma de decisiones y optimizando su proceso de entrega de productos vía servicio de delivery. El desafío a resolver El proceso que realiza Entel Perú para la recepción de paquetes y la digitalización de las etiquetas de los mismos, lo ejecutan de manera manual, ocupando así mayor tiempo de producción, por lo cuál desea contar con procedimientos automatizados, con el fin de optimizar el cálculo de rutas rápidas de delivery de sus productos. Solución propuesta Se implementó una solución que consistió en un módulo de detección inteligente de los caracteres alfanuméricos de las etiquetas de productos (escritas a mano o impresas desde diferentes tipos de fuente, capturados desde la cámara del dispositivo móvil del cliente) la cual incluía reconocimiento de imágenes y algoritmos, así como su ingreso al sistema de manera semiautomática. Además de disponibilizar la data y meta data de las imágenes en un clúster de OpenSearch para su consumo y analítica en OpenSearch Dashboards. Beneficios Confiabilidad y seguridad: Contar con una infraestructura informática global escalable, segura y de confianza. Agilidad: Mayor velocidad para los despliegues de cómputo y almacenamiento, y reducir costos asociados. Disponibilidad oportuna de la información: El tener la información consolidada de manera oportuna, permite que la organización tome decisiones más rápido. Datos Centralizados: Al tener los datos en un solo lugar, se facilita el realizar nuevos análisis que necesite el negocio. No requiere licencia y tiene alta disponibilidad Tecnologías usadas Los servicios utilizados por esta solución permiten trabajar bajo el Marco de Buena arquitectura de AWS, el cual describe los conceptos claves para diseñar y ejecutar cargas de trabajo en la nube. Algunos de estos servicios son: Algunos de los servicios de AWS utilizados fueron: Amazon Textract Amazon Comprehend Amazon OpenSearch Service Amazon S3 Diagrama Referencial de la Solución Resultados: Se obtuvo un flujo automatizado que permitió construir un repositorio de consulta diseñando un dashboard que permita visualizar la data recopilada, así como demostrar la capacidad de extraer y filtrar información relevante a partir de imágenes. Con esto, Entel Perú pudo manejar de una manera óptima y realizar el seguimiento adecuado de una parte de su proceso de venta. Fuente: AWS
Smart Business Day: Morris & Opazo le apoya en la transformación digital de su negocio
Descubra cómo la nube impulsa el crecimiento de empresas de diversos tamaños con seguridad y ahorro. Miércoles, 1 de junio, 20229:00am – 1:00pm (CDT, COT, PET) | 10:00am – 2:00pm (AST, CLT, PYT) | 11:00am – 3:00pm (ART, UYT). Asegure su lugar en el Smart Business Day, un evento virtual gratuito pensado para inspirar y capacitarlo en como innovar y llevar su negocio al siguiente nivel. Tendrá acceso a 13 sesiones exclusivas en español, divididas en dos tracks, incluyendo gestión e innovación de negocio, además de sesiones técnicas incluyendo demostraciones en la consola de AWS. Todo esto, en una plataforma interactiva, con expertos AWS conectados e interactuando en tiempo real. Innovar y crecer con la nube no tiene que ser difícil. Sea parte del Smart Business Day y dé el próximo paso rumbo a la transformación digital de su negocio. Regístrese
Centralice y automatice su data en AWS Backup
Analice el rendimiento y disponibilidad de sus BDD con Machine Learning
Caso de éxito: Desarrollo de plataforma analítica para el proceso de toma de decisiones – Morris Opazo
Resumen ejecutivo: Chimú Agropecuaria es una empresa líder en la producción y comercialización de aves, la cual busca ser competitivo a nivel mundial, suministrando productos de valor agregado para la alimentación. Desde 1985, tienen como compromiso ofrecer a sus consumidores productos con la mejor calidad, controlando cada detalle del proceso de producción. Morris & Opazo, un socio Consultor Avanzado de Amazon Web Services (AWS), apoyó a Chimú Agropecuaria desarrollando una plataforma que le permitió optimizar y mejorar su proceso de toma de decisiones. El desafío a resolver Actualmente la empresa desea realizar la transmisión de su data proveniente de sensores hacia un almacén de datos en AWS, teniendo como origen, un controlador Agrologic. Además, busca generar un análisis de los datos usando herramientas de la nube de Amazon Web Services, con el fin de controlar y tomar mejores decisiones para la calidad y vida de las aves en sus granjas. Solución propuesta Se implementó una solución que consistió en desplegar un conjunto de dashboards y visualizaciones, acordes a la analítica requerida, con la información proveniente de sus sensores en granjas climatizadas en near-real-time. Dicha solución generaba alertas si la data superaba umbrales en base a los parámetros definidos por el cliente, además de proyectar el desempeño productivo de las aves de acuerdo a indicadores estándar en la industria. Beneficios Datos Centralizados: Al tener los datos en un solo lugar, se facilita el realizar nuevos análisis que necesite el negocio. Confiabilidad y seguridad: Contar con una infraestructura informática global escalable, segura y de confianza. Agilidad: Mejora en la velocidad de sus cargas de trabajo hacia la nube, almacenamiento durable y reducir costos asociados. Disponibilidad oportuna de la información: El tener la información consolidada de manera oportuna, permite que la organización tome decisiones más rápido. No requiere licencia y tiene alta disponibilidad Tecnologías usadas Los servicios utilizados por esta solución permiten trabajar bajo el Marco de Buena arquitectura de AWS, el cual describe los conceptos claves para diseñar y ejecutar cargas de trabajo en la nube. Algunos de estos servicios son: Algunos de los servicios de AWS utilizados fueron: Amazon Kibana Amazon Elasticsearch Service Amazon SNS Amazon Lambda Amazon S3 AWS CLI Diagrama Referencial de la Solución Resultados: Con la solución ofrecida, Chimú Agropecuaria logró tener la información de sus sensores en la nube de AWS, logrando realizar analítica sobre éstos, beneficiando así a su área de operaciones, ya que controlaron y manejaron el proceso de toma de decisiones en su fase de producción. Fuente: AWS
Caso de éxito: Análisis de EPP para prevención de accidentes laborales
Resumen ejecutivo: Ripconciv es una empresa ecuatoriana comprometida y responsable con sus clientes y con el desarrollo de la sociedad, razón por la cual ha incorporado en su plan estratégico certificaciones y normas internacionales como ISO 9001:2015, ISO 14001:2015 y OHSAS 18001:2007. Morris & Opazo, un socio consultor avanzado de Amazon Web Services (AWS), ha sido un aliado estratégico de Ripconciv, conociendo sus necesidades e intercambiando conocimientos, con lo que, se logró cumplir todos los objetivos de la solución, permitiéndole el reconocimiento de malos o nulos usos de equipos de protección personal (EPP) por parte de los trabajadores, logrando así, en tiempos muy cortos, notificar incidencias a los supervisores de obra. El desafío a resolver Ripconciv necesitaba monitorear potenciales riesgos laborales para así evitar accidentes y reconocer el mal uso de los equipos de protección personal (EPP) en los sitios de construcción, ayudando a automatizar y fortalecer la mejora continua, esperando en el futuro, suplir la necesidad de evaluar el rendimiento de sus operarios y el avance de obra mediante videovigilancia. Cabe precisar que solamente se contaba como input un stream live de video vigilancia en formato H.264. Solución propuesta Se desplegó una solución completamente serverless, basada en KVS, Fargate, S3, Lambda, Step Functions y Rekognition (API PPE), que permita, mediante Inteligencia Artificial, detectar a través de cámaras. casi en tiempo real, a los operadores que no utilizan correctamente sus equipos de protección personal y enviar alertas a los supervisores a través del servicio SNS. Beneficios Agilidad: Mayor agilidad y velocidad para el almacenamiento, y reducir costos asociados. Confiabilidad y seguridad: Se cuenta con una infraestructura informática global escalable y segura. Características importantes a un bajo costo: La solución le ofrece a Ripconciv tener un esquema de pago mensual por uso de los componentes. No requiere licencia y tiene alta disponibilidad Tecnologías usadas Los servicios utilizados por esta solución permiten trabajar bajo el Marco de Buena arquitectura de AWS, el cual describe los conceptos claves para diseñar y ejecutar cargas de trabajo en la nube. Algunos de estos servicios son: Algunos de los servicios de AWS utilizados fueron: Amazon S3 AWS Fargate Amazon EC2 Amazon Lambda Amazon SQS Kinesis Video Streams Amazon Cloudwatch Amazon Rekognition Amazon SNS AWS Step Functions Resultados: Notificaciones en near real time sobre incidencias acerca del mal uso de EPP, enviadas por correo a los supervisores, adjuntando evidencias en imagen. Fuente: AWS
Blog: Como mejorar la performance de modelos en escenarios de clases desbalanceadas
Como mejorar la performance de modelos en escenarios de clases desbalanceadas. Descargar
