Energía, sustentabilidad, medio ambiente y sociedad

¿Cómo integramos y procesamos tantos datos requeridos para el análisis y la

toma de decisiones?

Tercer Encuentro y Primer Congreso InternacionalRED SUMAS

Alfredo Espinosa Reza

Septiembre 2017

Antecedentes

• Blockbuster nació el 19 de octubre de 1985 en Dallas, en su momento de máximo esplendor, dio empleo a 130,000 personas en más de 3,000 tiendas a lo largo de 24 países.

• En 1997, Reed Hastings (cofundador de Netflix), olvidó devolver la película “Apollo 13” que había alquilado, debía 40 dólares a Blockbuster por una simple demora.

• En el año 2000, Netflix ofreció la empresa al gigante azul; Blockbuster valía 3,000 millones de USD y Netflix solo 50. Blockbuster se negó, consideraba que tenía un modelo de negocios eficaz a prueba de errores.

• Blockbuster se declaró en bancarrota en 2010.

Antecedentes

• Amazon no mató a la industria minorista. Lo hicieron a ellos mismos con un mal servicio al cliente.

• Netflix no mató a Blockbuster. Lo hicieron ellos mismos, con sus ridículas cuotas por retardos en la devolución.

• Apple no mató a la industria de la música. Lo hicieron ellos mismos al obligar a la gente a comprar álbumes de larga duración.

• Uber no mató al negocio del taxi. Lo hicieron ellos mismos, con su número limitado, control de tarifas, cuotas y mal servicio.

• Airbnb no mató a la industria hotelera. Lo hicieron ellos mismos con baja disponibilidad y limitadas opciones de precios.

La tecnología por si misma no es el verdadero disruptor.

No centrase en el usuario es la mayor amenaza de cualquier negocio.

Premisas

1. Un estudio de planificación energética, considerando evaluar la sustentabilidad, la factibilidad de integración de energías limpias, el impacto en el medio ambiente, análisis del cambio climático y sus implicaciones, así como la afectación a la sociedad y el proceso de apropiación social de las nuevas tecnologías, requiere de algunos datos.

Premisas

1. Un estudio de planificación energética, considerando evaluar la sustentabilidad, la factibilidad de integración de energías limpias, el impacto en el medio ambiente, análisis del cambio climático y sus implicaciones, así como la afectación a la sociedad y el proceso de apropiación social de las nuevas tecnologías, requiere de algunos datos.

2. Los datos requeridos siempre están disponibles, en el formato requerido, con la oportunidad necesaria, en cantidades suficientes, completamente validados y son altamente coherentes.

Premisas

1. Un estudio de planificación energética, considerando evaluar la sustentabilidad, la factibilidad de integración de energías limpias, el impacto en el medio ambiente, análisis del cambio climático y sus implicaciones, así como la afectación a la sociedad y el proceso de apropiación social de las nuevas tecnologías, requiere de algunos datos.

2. Los datos requeridos siempre están disponibles, en el formato requerido, con la oportunidad necesaria, en cantidades suficientes, completamente validados y son altamente coherentes.

¿Cuánto es mucho?

• Cantidad total estimada de datos en el mundo:

• 2013: 4.4 zettabytes

• 2020: +44 zettabytes

• Cada día se producen 2.5 exabytes de datos, equivalentes a:

• 530,000,000 millones de canciones o 90 años de video HD.

• Solo en YouTube, cada minuto se suben 300 horas de video.

• Se estima que en 2013, solo el 22% de la información fue susceptible de ser analizada, es decir, se tratade información útil; poco se sabe de los datos a menos que sean etiquetados o caracterizados (modelosdescriptivos). En realidad se analizó menos del 5%. Se espera que en 2020 la información útil supere el35%.

• Se estima que en 2013, menos del 20% de los datos “tocaron” la nube (CloudComputing), para 2020ese porcentaje se duplicara al 40%.

• SENER estima que en 2015 se tuvo más del doble de estudios sísmicos en México que en toda lahistoria de la industria de los hidrocarburos (https://www.youtube.com/watch?v=6yz-v2R_-Xc publicado el 4/03/16).

¿Cuánto es mucho?

8

J. Dongarra

Evolución de la capacidad de computo HPC (1993 - 2016)

¿Cuánto es mucho?

9

J. Dongarra

Evolución de la capacidad de computo HPC (1993 - 2016)

¿Cuánto es mucho?

10

J. Dongarra

Evolución de la capacidad de computo HPC (1993 - 2016)

Laptop Intel i7-7ª Gen92 Gflop/s

¿Cuánto es mucho?

11

J. Dongarra

Evolución de la capacidad de computo HPC (1993 - 2016)

Laptop Intel i7-7ª Gen92 Gflop/s

iPhone7 multicore Apple A10

12.6 Gflop/s

¿Interoperabilidad?

Mapa Mental de las Opciones

Un ejemplo

• 1ª Ley de Kirchhoff• En cualquier nodo, la suma de las corrientes que entran en

ese nodo es igual a la suma de las corrientes que salen. Es decir, la suma de todas las corrientes que pasan por el nodo es igual a cero.

• 2ª Ley de Kirchhoff• En un lazo cerrado, la suma de todas las caídas de tensión

es igual a la tensión total suministrada. Es decir, la suma algebraica de las diferencias de potencial eléctrico en un lazo es igual a cero.

Un ejemplo

Problema:

• Aplicando las Leyes de Kirchhoff, encuentre el balance de energía del siguiente circuito.

Un ejemplo

Una solución

• Establecer estrategias, tecnologías y estándares de interoperabilidad de sistemas para evitar problemas de duplicidad, inconsistencia e incompatibilidad de datos.

Una solución

• Arquitectura para análisis y procesamiento de grandes volúmenes de datos.• Atributos: Volumen, Velocidad, Variabilidad, Veracidad, Valor.

Procesamiento de grandes volúmenes de datos

30 clústeres identificados

dinámicamente

Procesamiento de grandes volúmenes de datos

Entre más variables se correlacionen, mejor es el agrupamiento (clustering).Determinación dinámica de centroide y área de seguridad.Las áreas seguras y no seguras se determinan mediante el modelo descriptivo del proceso.

30 clústeres identificados

dinámicamente

Procesamiento de grandes volúmenes de datos

Entre más variables se correlacionen, mejor es el agrupamiento (clustering).Determinación dinámica de centroide y área de seguridad.Las áreas seguras y no seguras se determinan mediante el modelo descriptivo del proceso.

30 clústeres identificados

dinámicamente

Procesamiento de grandes volúmenes de datos

Entre más variables se correlacionen, mejor es el agrupamiento (clustering).Determinación dinámica de centroide y área de seguridad.Las áreas seguras y no seguras se determinan mediante el modelo descriptivo del proceso.

30 clústeres identificados

dinámicamente

Procesamiento de grandes volúmenes de datos

• .

Procesamiento de grandes volúmenes de datos

• .

Predicción del consumo en un periodo

Consumo en tiempo real

Vigilancia de la deviación en tiempo

real

Error de la raíz cuadrada de la media

Error Porcentual Medio Absoluto

Procesamiento de grandes volúmenes de datos

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Procesamiento de grandes volúmenes de datos

Predicción dinámica y vigilancia de la desviación en tiempo real

Conclusiones

• El Internet de las Cosas (IoT) llegó para quedarse.

• La cantidad de datos que se generan en los procesos energéticos, medioambiente y sociales está creciendo de manera acelerada.

• Se cuenta con mucha información histórica que no es sencillo procesar demanera integral, a esto se agrega la información en tiempo real (streaming)de equipos y procesos.

• Las fuentes de datos son muchas y variadas.

• Para mejorar la utilidad de los datos, se requiere de modelado descriptivo quegenere metadatos para su correcta interpretación sintáctica y semántica.

• Para mejorar el uso de la información, se requiere de modelado predictivo,analíticos avanzados y aplicaciones de visualización efectiva.

• La aplicación de nuevas tecnologías en el procesamiento avanzado de lainformación permitirá enfocar esfuerzos en el corto, mediano y largo plazo.

ineel.mx

Contacto:

Alfredo Espinosa Reza

aer@ineel.mx