El tejido industrial español no puede dar la espalda a la transformación digital. Debe adoptar la digitalización para ganar en eficiencia y productividad, y abrazar lo que se conoce como Industria 4.0. El término de Industria 4.0 hace referencia a la 4ª revolución industrial, que consiste en aplicar la transformación digital a la industria, digitalizando los procesos para hacerlos más eficientes y productivos. Esta nueva industria inteligente tiene varios ejes sobre los que se articula: el Big Data, el Internet de las Cosas (IoT) y la Robótica con Inteligencia Artificial. Se espera que el nuevo concepto de industria 4.0 sea capaz de impulsar cambios fundamentales al mismo nivel que los que produjo en su momento la primera revolución industrial del vapor, o las producciones en cadena de la segunda revolución.

1. Master Class
INDUSTRIA 4.0 y BIG DATA
TRANSFORMACIÓN DIGITAL APLICADA A LA INGENIERÍA INDUSTRIAL
Dr. Enrique Puertas
enrique.puertas@universidadeuropea.es
linkedin.com/in/enriquepuertas
Máster universitario en Big Data Analytics

2. Las cosas cambian

4. ¿Qué es Industria 4.0?
 Cuarta Revolución Industrial.
 No es el futuro… está pasando.
 Fábricas Inteligentes que se
adaptan al entorno.
 Se apoya en tecnologías
existentes pero que se han
usado de forma aislada.
INDUSTRIA

5. 4ª Revolución Industrial
1ª 2ª 3ª 4ª
Energía del vapor,
Mecanización
Electricidad,
Cadenas de montaje
Automatización,
Sistemas
Informáticos
Sistemas ciberfísicos,
IoT, Big Data

6. Tecnologías Industria 4.0
 Big Data y Análisis de datos: Análisis de grandes volúmenes de datos que den soporte a
la toma de decisions en tiempo real.
 Robots Autónomos: Interacción con personas y mejoras del rendimiento.
 Simulación: Reproducciones del mundo real en un modelo virtual para realizar tests y
optimizar la programación y desarrollo de máquinas.
 Internet de las Cosas (IoT): Basado en la conexión de máquinas y sistemas en sus
entorno de producción, y el intercambio de información con el mundo exterior.
 Integración vertical y horizontal de sistemas: fabricantes, productores, vendedores y
clientes estrechamente conectados a través de ordenadores y smartphones, creando
cadenas de valor.
 Ciberseguridad: Proteger sistemas industriales críticos y líneas de producción contra
ataques cibernéticos, derechos de copyright y propiedad industrial, privacidad y datos
personales.
 La nube: Escalado eficiente de recursos informáticos.
 Impresión 3D: Reducción de costes en materiales, alamacenaje y logísitica .
 Realidad Aumentada: Información en tiempo real a los trabajadores.

7. Big Data, IoT, Privacidad

8. Big Data

9. ¿Qué es Big Data?
Big Data (Grandes Volúmenes de Datos) es el proceso de
extracción y análisis de grandes cantidades de datos para
encontrar información oculta, patrones recurrentes o
nuevas correlaciones, en el que los medios tradicionales de
procesamiento son ineficaces debido al tamaño, variedad y
velocidad de actualización de los datos.

10. Datos generados en 1 minuto
 Desde 2013, el número de
tweets se ha incrementado
hasta más de 350.000 tweets
por minuto!
 Los usuarios de Instagram dan
“like” a 2,5 millones de fotos
por minuto!
 Facebook tiene casi
6.000.000.000 “me gusta” de
posts cada día!
 En un minuto se suben a
Youtube más de 300 horas de
video (el equivalente a 150
largometrajes)!
fuente: www.domo.com/blog/data-never-sleeps-3-0

11. Big Data
El tamaño sí que importa, pero hay otras cosas…
Volumen
Velocidad
Variedad
Veracidad
Valor
Las 5 Vs del Big Data

12. Big Data
Volumen
Velocidad
Variedad
Veracidad
Valor

13. Valor que aporta el Big Data
 Creando transparencia.
 Reducir ineficiencias.
 Permitiendo descubrir necesidades, exponer variabilidad y
mejorar el rendimiento de procesos.
 Reemplazar o ayudar decisiones humanas por algoritmos
automatizados.
 Crear nuevos modelos de negocio, productos o servicios.
 Entender mejor a nuestros clientes.
 Valor social.

14. Big Data en la Industria

15. Big Data en la Industria
 No sólo grandes corporaciones como Google, Amazon o Facebook.
 Todos los sectores industrialesestán sometidos a la presión de adaptarse para seguir
siendo competitivos.
 Las empresas manufactureras generan una enorme cantidad de datos. Además, cada vez
con más frecuencia, estos datos se generan de forma ubicua.
 Ejemplo: Una empresa que fabrica un producto de cuidado personal genera 5000
instancias de datos cada 33 milisegundos.
– … Es decir, 9 millones de datos por minuto
– … que son 13 mil millones de datos al día…
– o 4 billones de datos al año.
Estas cifras están fuera del alcance de las técnicas tradicionales de almacenamiento y
análisis de datos.

16. ¿Por qué ahora sí?
 Modelo de programación creado por Google para realizar cálculos computacionales de
forma distribuida sobre enormes fuentes de datos, así como un entorno para procesar
datos a gran escala en clusteres de servidores.
2004 100TB al día
2008  25 PB al día con MapReduce
 Ordenadores muy baratos.
 Precio de un disco que pueda almacenar TODA la música del mundo 200€.
 Amazon Web Services, Microsoft Azure,…
 Pay as you go.

17. Big Data en la práctica
 Manufactureras tradicionales
 Energéticas
 Automovilistica
 TIC / desarrollo de apps
 Ventas y marketing
 Financieras
 Seguros
 Seguridad
 Recursos humanos
 Deportes
 Apuestas
 Farmaceúticas /salud

18. Manufactureras
Predecir cuándo habrá que cambiar piezas
 Colocación de sensores en las máquinas para comprender mejor sus patrones habituales
de funcionamiento y luego detectar cambios que indican que la máquina va a necesitar
pronto una reparación. Esto permite planificar el mantenimiento, en lugar de causar
tiempo de inactividad no planificada (que es un gran problema).
Simulación
 Los fabricantes pueden usar datos reales de sus productos en el mercado y luego
ejecutar simulaciones basadas en lo que sucedería si cambian un componente o aspecto
de diseño del producto.

19. Automovílistica
Registro de incidencias y predicción de costes
 Los fabricantes de automóviles colocan cientos de sensores en los automóviles que
registran constantemente datos sobre el rendimiento y los fallos. Todos estos datos se
pueden utilizar para reingenierizar los diseños y crear productos más eficientes. También
se utilizan para predecir las reparaciones en periodo de garantía y provisionar el coste en
dinero y recursos humanos.

20. Ventas y marketing
Análisis de Sentimientos
 Entender la opiniones y reacciones de los usuarios y/o potenciales clientes mediante el
estudio de Redes Sociales.
NFC
 Detectar presencia (física) de clientes para ofrecerles ofertas y promociones
personalizadas.
Predicción de abandono
 Las empresas están analizando la forma en que los clientes interactúan con la web y con
los servicios de atención al cliente para detectar cuándo están en riesgo de abandonar la
compañía y dejar de ser clientes.

21. Financieras
Detección de fraude
 Se buscan en tiempo real comportamientos “anómalos” en las transacciones.
Concesiones de créditos
 Detectar presencia (física) de clientes para ofrecerles ofertas y promociones
personalizadas.
Perfilado de partners y clientes
 Las empresas están usando el Big Data para medir la “salud económica” y la reputación
de sus partners y proveedores.

22. Farmacéuticas / Salud
Predicción/detección de enfermedades.
 Mediante el uso de Big Data y Aprendizaje Automático se construyen sistemas que son
capaces de detectar algunas patologías (cáncer de piel) con la misma eficacia que un
médico.
Ensayos clínicos
 Mediante técnicas de Big Data y entornos de simulación se pueden realizar ensayos
clínicos más eficientes.
Genómica
 Uno de los campos dónde más se está utilizando el Big Data es en el campo del análisis
de cadenas de ADN. Su uso en el campo de la genética abre un mundo de posibilidades
en la exploración de curar determinadas enfermedades.

24. Industria actual en España
fuente: Instituto Nacional de Estadística

25. Industria 4.0 en España y el mundo
33%
8%
72%
19%
fuente: www.pwc.es

26. Causas
 Falta de cultura digital adecuada.
 Ausencia de una visión clara de las operaciones digitales de la alta dirección.
 Conocimiento confuso de los beneficios económicos de invertir en transformación digital.
 Elevados costes de inversión financiera.
 Socios de negocio no capaces de colaborar en entornos digitales.
 Talento insuficiente.
fuente: www.pwc.es

27. Data Scientists

28. Las perspectivas de futuro
 Las perspectivas en España no son buenas
 Titulaciones
 En 10 años se han reducido un 30% los estudiantes de estas titulaciones

29. Industria 4.0: La digitalización en el sector industrial español

30. World Economic Forum:The Fourth Industrial Revolution

31. Amazon Go