Aingura insights

Recibimos los datos de los sensores asociados a los procesos, ya sean propios (acelerómetros, sondas de energía, cámaras de alta velocidad), o ya existentes (PLC de activos, sistemas CNC y otro tipo de fuente de datos industriales). Tenemos dos características diferenciales: trabajamos con un amplio rango de frecuencias de muestreo desde 3 Hz hasta 20 kHz (equivalente a una muestra cada 50 microsegundos), y con una precisión de 0,05 microsegundos; y podemos usar datos desincronizados: la fusión de datos de sensores y sistemas, generalmente asíncronos

Preprocesamos los datos en tiempo continuo, fusionándolos desde diferentes dominios y tiempos de muestreo, y realizando diferentes transformaciones y filtros (lineales y no lineales) de los mismos. También realizamos controles de buen funcionamiento, limpiando valores de datos atípicos. Nuestra diferenciación a este nivel está basado en nuestra capacidad de ejecutar la selección de variables usando algoritmos de Machine Learning, ayudándonos a trabajar las variables más relevantes en el momento de la medición, permitiendo optimizar las capacidades computacionales de nuestro sistema. Esto asegura una mejora del rendimiento en términos de precisión, confiabilidad, tasas de falsos positivos y tiempos de respuesta, además de reducir las necesidades de potencia de cómputo y la infraestructura de comunicación posterior al análisis.

Podemos almacenar los datos en el propio dispositivo, pero también los podemos enviar a otro nodo para completar el análisis local. El módulo de AI se integra en las plataformas de IT enviando datos a plataformas de almacenamiento públicas o privadas (en la nube o in situ) según las necesidades de la solución. La diferencia más importante con respecto a otros enfoques es que gracias a nuestro paso de pre-procesado, no es necesario ni almacenar ni enviar todos los datos recibidos upstream, sino solo aquellos que requieran tratamientos posteriores en otros elementos del workflow, o lo que se considere necesario para proporcionar trazabilidad al proceso.

Nuestro negocio principal es diseñar, desarrollar y utilizar análisis de datos avanzados, como algoritmos de Inteligencia Artificial (AI - Artificial Intelligence) implementados sobre tecnología Edge Computing para resolver necesidades específicas. Dependiendo de la necesidad, trabajamos online o offline, con el fin de obtener información procesable en el tiempo que requiere el proceso. Utilizamos principalmente análisis exploratorio para descubrir patrones de comportamiento, detectar anomalías sin necesidad de entrenamiento previo, monitorizar la degradación y estimar la vida útil remanente en condiciones desconocidas. También utilizamos técnicas supervisadas para predecir el comportamiento si el problema real cumple con los requisitos de esta aplicación. Para lo que no se puede tratar localmente, los modelos de Digital Twin podrían alimentarse con datos pre-procesados ​​o parcialmente procesados ​​para realizar análisis a largo plazo.

El objetivo principal es proporcionar información procesable como píldoras de conocimiento para ayudar a la toma de decisiones del cliente. Por lo tanto, entregamos información a los usuarios en función de su nivel de interacción con el sistema: desde información simple de semáforo, hasta información enriquecida con diferentes KPI para análisis más profundos o de largo plazo.