Tru

True

True

True

True

True

TF

TF

TF

DBL

DBL

TF

P…C…

S…A…

0.1

5

0

0.5

100

100

0.001

0.999

0.1

13 500

0.32

DBL

0,1

0,1

Controller Output Simulated Plant Measured Temperature

IO Mode

Sensor Measurement Task

Pulse Generation Task

block duration

Control

Power Applied(%)Power Applied(%)

Power Applied

Controller Output

Temperature Error

Temperature Reached

Desired Temperature

PI gains

Stop

Stop

StopStop

Setpoint and Process Variable

Wait (ms)

FUTUREFASTER

NI Trend Watch 2018

+

Shelley GretleinVice Presidente Mercadotecnia CorporativaNational Instruments

El Futuro, Más RápidoEstamos a casi 20 años del inicio del siglo XXI y es indiscutible que la tecnología nunca había avanzado tan rápidamente: desde robots autodidactas hasta la secuenciación del genoma humano y el almacenamiento omnipresente de datos. A este ritmo, tenemos que pensar críticamente hacia dónde nos dirigimos y cómo llegaremos ahí.

Algunos de los avances más emocionantes que hemos visto recientemente incluyen la inteligencia artificial y la computación en la nube, superando a un humano 10 años antes de lo previsto; además de los transistores hetero-bipolares de silicio y germanio que establecen nuevos estándares en los parámetros de velocidad de procesamiento.

Otro ejemplo es el automóvil eléctrico superdeportivo NIO EP9 que estableció un sorprendente récord, completando en forma autónoma el Circuito de las Américas en 2:40:33 a 257 km/h, o el prototipo del sistema hyperloop que promete propulsar a los pasajeros a sus destinos a una velocidad promedio de 965 km/h. Con este impulso, 2018 será, sin duda, otro año excepcional en el impresionante progreso tecnológico.

El próximo año también generará nuevas perspectivas de negocio con las soluciones Big Analog Data™ y una capacidad de machine learning cada vez más capaz. Continuaremos experimentando acontecimientos importantes para los vehículos conectados y las fábricas inteligentes, veremos disminuciones significativas en los tiempos de prueba y un magnífico progreso en 5G para comunicaciones y conectividad.

Conforme nos acercamos al futuro, NI mantendrá a nuestros clientes un paso adelante con una plataforma abierta, centrada en software y diseñada para acelerar el desarrollo de cualquier sistema de prueba, medición y control definido por el cliente. ¿Está usted listo para el futuro?

Artículos3 Mandatos para Administrar Exitosamente sus Cosas La proliferación de “cosas” inteligentes y conectadas en el Internet Industrial de las Cosas (IIoT) ofrece enormes oportunidades para un mayor rendimiento y menores costos, pero la administración de estos sistemas distribuidos por lo general es un reto que se pasa por alto.

El Progreso en 5G Revolucionará los Procesos de Pruebas La innovación de 5G no se detiene en el diseño Las soluciones de pruebas y medidas serán clave en el ciclo de comercialización, pero 5G requiere un enfoque de pruebas diferente al de las tecnologías inalámbricas anteriores. Descubra lo que se requiere para hacer 5G una realidad.

Rompiendo la Ley de Moore Durante décadas el ritmo constante de la innovación ha seguido notablemente cerca la ley de Moore, a pesar de algunas revisiones y lo mucho que se ha dicho de su desaparición. Pero ahora, la observación de más de 50 años se enfrenta a retos de salud nuevamente. Descubra lo que eso significa para el futuro del mercado de semiconductores.

Electrificación de Vehículos: Cambiando la Industria Automotriz y Más Allá La tendencia de la electrificación de vehículos es algo más profundo que un cambio global de vehículos de combustión interna e híbridos a trenes motrices completamente eléctricos. Considere las implicaciones más allá del vehículo cada vez más complejo, incluyendo las nuevas demandas de infraestructura de apoyo.

Automatizar la Información de Ingeniería con el Aprendizaje de Máquinas Los sistemas inteligentes crean y dependen de los datos, pero la cantidad de datos cada vez mayor agrava el reto de Big Analog Data™. Descubra cómo el aprendizaje de máquinas aborda el problema de frente, para que los ingenieros puedan los ingenieros pueden enfocarse en encontrar y resolver el próximo gran reto.

ni.com/trend-watch

————————————————————————————————————

El Internet Industrial de las Cosas (IIoT) ha evolucionado rápidamente desde los conceptos y proyectos piloto hasta las implementaciones en toda la planta con impresionantes ganancias. Estas ganancias se basan principalmente en conocimientos aplicables y basados en datos que han equipado a compañías con visión del futuro, como Jaguar Land Rover, China Steel y Duke Energy, para maximizar el tiempo de operación, impulsar el rendimiento y la innovación de productos. La industria está evolucionando para ser más inteligente y estar más conectada. Quienes tarden en adoptar el IIoT corren el riesgo de perder participación en el mercado e incurrir en costos innecesarios por no mantenerse al día con el ritmo de la innovación. De hecho, “95% de los líderes empresariales esperan que su compañía utilice el IIoT en los próximos tres años”, de acuerdo al reporte Connected Business Transformation de Accenture en Marzo 2017.

Con el hardware de dispositivos distribuidos y el software de análisis de hoy en día, es bastante sencillo extraer beneficios empresariales de los modelos a pequeña escala del IIoT para el mantenimiento predictivo y el control de máquinas inteligentes conectadas. Hoy en día las tecnologías son fáciles de conseguir para permitir un creciente volumen de sistemas conectados y revelar los retos de ingeniería y administración de la inteligencia operativa que definirán la continua evolución del IIoT. La atención y la inversión ahora se están enfocando en el próximo reto: escalar y administrar grandes implementaciones del IIoT, incluyendo la administración remota de sistemas, la administración de la configuración del software y la administración de datos..

1. Administración Remota de SistemasCon menores costos operacionales de la tecnología, los sistemas que monitorean y controlan equipos críticos se han vuelto habituales. Los gerentes de mantenimiento y equipos ahora enfrentan el reto de implementar estrategias rentables para administrar esas tecnologías operacionales y disminuir el tiempo muerto de los equipos. Las compañías pueden aprovechar la flexibilidad que ofrecen las tecnologías alojadas en la nube para implementar soluciones de administración remota de sistemas que proporcionan información útil sobre el estado de los múltiples sistemas conectados.

Las soluciones exitosas de administración remota de sistemas necesitarán abordar aspectos del sistema como abastecimiento, configuración, diagnóstico y administración de dispositivos distribuidos. Las capacidades de administración remota de sistemas por lo general incluyen parámetros del sistema de monitoreo, como la memoria y el uso del CPU, redes y estadísticas de E/S, al nivel de la tarea o el proceso para ayudar a minimizar el impacto del tiempo muerto debido a errores de software y para descubrir potenciales brechas de seguridad.

3 Mandatos para Administrar Exitosamente sus Cosas

“El 95% de los líderes empresariales esperan que su compañía utilice el IIoT en los próximos tres años.” —Accenture, 2017

ni.com/iiot

ni.com/iiot

2. Administración de la Configuración del SoftwareEl mercado del IIoT está estableciendo altas expectativas de entrega y mejora continua. Aumentar la presión para llegar al mercado, demanda rápidamente flexibilidad del software para corregir errores, modificar la funcionalidad y responder a vulnerabilidades de seguridad. No implementar estrategias efectivas de administración de software, puede resultar en sistemas que ejecutan software obsoleto, lo que puede afectar el rendimiento de los equipos, la seguridad y la fiabilidad. Las compañías de IIoT pueden implementar frameworks comprobados y prácticas recomendadas para evitar los costos e ineficiencias de la distribución manual del software.

Las estrategias eficaces para la administración de la configuración del software en escenarios industriales operarán en entornos altamente dinámicos y heterogéneos, donde la disponibilidad del sistema y la estabilidad de la red son variables. Una gran selección de sistemas por parte de múltiples proveedores que operan a diferentes niveles de la red del IIoT, requerirán tecnologías capaces de rastrear y controlar cambios de software a niveles de aplicación y firmware de cada sistema. En el futuro, las compañías tendrán que realizar una transición a plataformas que incorporen las mejores prácticas de administración de la configuración del software para navegar por los confusos límites entre tecnología operativa (TO) y soluciones de TI convencionales sin afectar al negocio.

3. Administración de DatosLos sistemas del IIoT pueden generar cantidades masivas de datos en el orden de terabytes y potencialmente exabytes. Administrar esta cantidad de datos para obtener información útil es un vector de diferenciación que las empresas deben abordar para comprender su negocio e implementar mejoras. Información valiosa está oculta en los océanos de los datos producidos por los sistemas de IIoT y estos conocimientos se pueden desbloquear utilizando procesamiento de señales inteligente y avanzado. Conforme las tecnologías de administración de datos se vuelven más accesibles, las compañías tienen una variedad de opciones para administrar sus datos y obtener información sobre todos los niveles de la organización.

Las estrategias de administración de datos deben incluir funciones de análisis que operen tanto a nivel distribuido como empresarial. De acuerdo con el “FutureScape de IDC: Predicciones Mundiales del 2017 del Internet de las Cosas,” para el 2019, por lo menos el 40% de los datos creados

por IoT serán almacenados, procesados, analizados e interpretados de forma distribuida. Una solución eficaz de administración de datos necesita incorporar datos de múltiples fuentes distribuidas y producir diferentes niveles de análisis para obtener la información correcta para las personas adecuadas y traducir datos sin procesar en decisiones informadas.

Ahora es el Momento: El Poder de las PlataformasConstruir soluciones de IIoT, hoy representa una oportunidad para desarrollar una ventaja competitiva y evitar quedarse atrás cuando el mercado continúa adoptando las soluciones disponibles. Las compañías de todas las industrias están adoptando una nueva generación de plataformas y ecosistemas que transformarán a los negocios en motores de innovación y crecimiento, explotando tecnologías inteligentes como cómputo basado en sensores, análisis industrial y aplicaciones de máquinas inteligentes. Con las tecnologías del IIoT, podemos aprovechar los beneficios de estas plataformas de vanguardia para reducir los costos de mantenimiento y mejorar la utilización de los equipos.

ADMINISTRACIÓN REMOTA DE SISTEMAS

ADMINISTRACIÓN DE LA CONFIGURACIÓN

DEL SOFTWARE

ADMINISTRACIÓN DE DATOS

ECOSISTEMAS Y PLATAFORMAS DEL IIOT

————————————————————————————————————

5G significa una transformación generacional que tendrá profundo impacto en las empresas y los consumidores en todo el mundo. Promete una experiencia revolucionaria con datos mucho más rápidos, tiempos más cortos de respuesta de red (menor latencia), acceso instantáneo en cualquier lugar y en todas partes y la capacidad para billones de dispositivos. No solamente estamos hablando de ser capaces de descargar más rápido un video a su teléfono móvil. A diferencia de 3G y 4G, 5G busca expandirse mucho más allá de nuestros dispositivos móviles y en aplicaciones que están presentes en todas las facetas de nuestras vidas. Desde habilitar el IoT Industrial para garantizar la seguridad de los vehículos automotrices, 5G cambiará nuestras vidas de maneras que son difíciles de imaginar.

El Camino hacia 5GEl organismo de estandardización de 3GPP está avanzando activamente para definir 5G, pero el verdadero trabajo está apenas comenzando. La compañías especializadas en tecnologías de semiconductores, infraestructura de red, nube, software, manufactura y pruebas, ahora deben diseñar, desarrollar, probar y distribuir soluciones que aprovechen estas nuevas capacidades inalámbricas. Esto no es una tarea fácil.

5G ofrece nuevas tecnologías como MIMO Masivo y Onda Milimétrica (mmWave). Ambas tecnologías utilizan múltiples antenas y beamforming, lo que es una gran diferencia con las arquitecturas inalámbricas actuales y anteriores. 5G también incluye nuevos mecanismos de control inalámbricos que dividen el control y los datos para facilitar el concepto de segmentación de red, que escala el nivel de servicio a un dispositivo de usuario individual.

Además, los estándares propuestos para 5G son mucho más complejos que los estándares 3G y 4G. 5G transformará nuestras redes, por lo que la industria debe transformar la manera en que estos sistemas son diseñados, desarrollados y probados. Para diseño de algoritmos, simplemente el modelado de sistemas sin ninguna validación del mundo real, no ha sido suficiente para que una idea avance del concepto a la producción. Para pruebas, los métodos tradicionales que se enfocan en un componente individual no serán capaces de explicar el impacto en el sistema

El Progreso en 5G Revolucionará los Procesos de Pruebas

“Diez años a partir de ahora, vamos a mirar hacia atrás y decir que 5G fue una de las piezas más importantes de la tecnología en la historia. Esto hace posible todo lo que está surgiendo hoy en día, ya sean automóviles de manejo autónomo que hablan entre sí o simplemente tener la más fascinante experiencia de video.”—Patrick Moorhead, Presidente y Analista, Moor Insights & Strategy

ni.com/5g

Un Enfoque Basado en PlataformaLos investigadores de sistemas inalámbricos en todo el mundo descubrieron rápidamente que el único camino hacia el éxito es a través de un enfoque basado en la plataforma para 5G con el software en el núcleo. Nokia introdujo el primer prototipo 5G de Onda Milimétrica a 73 GHz y rompió el récord de velocidades de datos de acceso móvil usando espectro de onda milimétrica. La Universidad de Lund desarrolló el primer prototipo de MIMO Masivo y los investigadores en la Universidad de Bristol y Facebook extendieron sus prototipos de MIMO Masivo para alcanzar niveles sin precedentes en la eficiencia del espectro.

Estos prototipos de sistemas ya han jugado un papel importante en la evolución de la tecnología 5G. El enfoque de diseño basado en plataforma utilizado en estos ejemplos aprovecha al máximo los radios definidos por software (SDRs) para afrontar los retos del sistema y reducir el tiempo para obtener resultados. Los SDRs para diseño y generación de prototipos continuarán evolucionando conforme el software cambia. Incluso podemos imaginar SDRs más capaces con software que se extiende más allá de la capa física para aprovechar el vasto ecosistema de software de código abierto. Esto permitirá a los investigadores abordar tanto las capas superiores como la red para reducir aún más el tiempo de adopción y romper el enfoque aislado para el diseño

PRUEBAS

5G

ni.com/5g

La innovación de 5G no se detiene en el diseñoLas soluciones de pruebas y medidas serán clave en el ciclo de comercialización. Los sistemas de pruebas deben expandirse más allá de la capa física para probar de forma rápida y rentable estas nuevas tecnologías de múltiples antenas con haces controlables/dirigibles. Además, estos sistemas deben abordar los nuevos dispositivos con capacidad de onda milimétrica con anchos de banda extremadamente amplios. Estas soluciones de pruebas no solamente deben ser capaces de probar los parámetros importantes de un dispositivo, sino también ser rentables para que 5G alcance su potencial y una extensa adopción.

Con estas características, 5G requiere un diferente enfoque para probar dispositivos y sistemas inalámbricos. Por ejemplo, la pruebas over-the-air (OTA) a nivel del sistema debe convertirse en estándar en el ecosistema 5G. La prueba OTA presenta varios retos pero tal vez lo más desalentador pertenece al entorno en el que el equipo de prueba y el dispositivo bajo prueba deben coexistir. El aire es un medio impredecible y el propio canal varía con el tiempo y las condiciones ambientales. Los ingenieros de pruebas inalámbricas deben aislar el canal en el escenario de la OTA y controlar el dispositivo por haz para “probar” eficazmente el dispositivo.

Además, compañías como Intel han introducido módulos de antena en fase con una antena conectada directamente al extremo frontal de RF para minimizar las pérdidas del sistema. Debido a que el acceso al dispositivo es limitado, el equipo de prueba debe incrementar en frecuencia a las bandas de onda milimétrica y caracterizar métricas clave de rendimiento haz por haz.

Finalmente, mientras que el ancho de banda es un reto familiar en las pruebas, el ancho de banda probado de 5G se espera que aumente 50 veces en un canal LTE estándar. A estos anchos de banda, los sistemas de pruebas no solamente deben generar y adquirir formas de onde de ancho de banda más amplio, sino también procesar todos esos datos en tiempo real.

¿Qué Sigue?Los investigadores de sistemas inalámbricos han adoptado un enfoque de diseño de plataforma utilizando SDRs para acelerar la fase inicial de investigación de 5G. Ahora, los proveedores de soluciones de pruebas deben hacer lo mismo. 5G presenta un cambio de paradigma como nunca antes lo hemos visto, y un enfoque basado en plataforma que sea flexible y configurable por software será esencial para el desarrollo de este ecosistema.

+ni.com/5g

————————————————————————————————————

Mucho se ha publicado recientemente sobre la muerte de la ley de Moore. Aunque esta observación de más de 50 años enfrenta nuevamente problemas de salud, no empecemos a cavar la tumba para el mercado de semiconductores y electrónica. Gordon Moore, cofundador de Intel, observó la velocidad a la que los transistores en un semiconductor se duplicaron, inicialmente cada 12 meses y después aproximadamente cada 24 meses. A pesar de algunas revisiones menores, el procesamiento de semiconductores ha seguido notablemente a esa observación durante décadas. Esta escala “libre” permitió que nuevamente se implementaran diseños arquitectónicos similares, lo que proporcionaba menores costos, menor potencia y mayores velocidades esperadas en la curva de crecimiento. ¿Es cierto que la desaparición de esta escala libre indica el final de los avances en la informática? Aunque esta amenaza es lo suficientemente grave como para inspirar a DARPA a aumentar los fondos para investigar el mundo posterior a la ley de Moore, los científicos e ingenieros tienen una historia superando obstáculos y algunas alternativas innovadoras para la escala de semiconductores prometen un futuro brillante e interesante. “El final de la ley de Moore podría ser un punto de inflexión,” dijo Dr. Peter Lee, vice presidente corporativo de Microsoft Research, en el March 2016 Technology Quarterly de The Economist. “Está lleno de retos, pero también es una oportunidad para atacar en diferentes direcciones y para reorganizar las cosas”.

La Historia de la Ruptura de la LeyLa ley de Moore se refiere específicamente al número de transistores en un dispositivo semiconductor, pero por lo general se confunde con otras ventajas de escalar semiconductores como velocidad más alta y potencia más baja. Estos beneficios esperados de este escalamiento fueron válidos por décadas, pero ya no son fáciles o esperados. Es enfriamiento de procesadores paralizó el aumento exponencial de la tecnología de frecuencia del procesador,

pero este “muro” aparente fomentó las innovaciones que hicieron que el procesador multinúcleo fuera habitual. Aunque el crecimiento de la frecuencia ha sido limitado, el rendimiento del sistema de PC ha seguido aumentando con la adición de múltiples núcleos y unidades especiales de procesamiento de vectores que aceleran las gráficas, los juegos y la reproducción de vídeo. Estas adiciones crearon nuevos retos en el desarrollo de modelos de software para utilizar mejor estos nuevos bloques de procesamiento. Además de generar cambios en la arquitectura de procesamiento, los transistores de alta velocidad se han aplicado fuera del CPU a los subsistemas de E/S que alimentan a los procesadores con mayor ancho de banda desde redes, cámaras y recolección de datos. Las aplicaciones de procesamiento de señales de alta velocidad para estándares inalámbricos y cableados han creado un crecimiento en el ancho de banda de E/S que ha superado la escala de frecuencias de transistor.

Utilizando la Tercera DimensiónSe han cumplido predicciones anteriores al final de la ley de Moore con avances en el diseño de chips. Las técnicas actuales para aprovechar mejor la tercera dimensión al apilar los chips y transistores continuarán aumentando

Rompiendo la Ley de Moore

“El final de la ley de Moore podría ser un punto de inflexión. Está lleno de retos, pero también es una oportunidad para atacar en diferentes direcciones y para reorganizar las cosas.”—Dr. Peter Lee, Vice Presidente Corporativo, Microsoft Research

ni.com/semiconductor

la densidad, pero pueden crear nuevos problemas de diseño y pruebas. Por ejemplo, el costo cada vez mayor de los pequeños transistores ha requerido nuevos chips para combinar más funciones del sistema para justificar el precio más alto. Este avanzado enfoque de “system on a chip” se demuestra por la evolución del FPGA desde un arreglo simple de compuertas lógicas hasta un sistema de procesamiento y E/S de alto rendimiento que combina procesadores, DSPs, memoria, interfaces de datos en un solo chip. Muchas de las nuevas opciones para escalar la densidad de los chips se basan en usar una tercera dimensión en cómo se construyen los transistores y en cómo la tecnología 3D-IC puede utilizarse para combinar chips existentes en un solo paquete. Aunque estos sistemas en chip son más complejos de diseñar y probar, se crearon para reducir el costo de diseño del sistema final con su alto nivel de integración. Incluso con este beneficio, apilar chips implica nuevas complejidades que presentan nuevos retos. A medida que más sistemas se basan en la escala 3D, los retos de depuración y pruebas se volverán más obvios y se utilizará más área de silicio para proporcionar funciones integradas de depuración y pruebas.

Nuevas Arquitecturas de CómputoLa historia ha demostrado que los problemas de escala anteriores han fomentado novedosas mejoras arquitectónicas que aprovechan aún más la tecnología del silicio. Los retos más recientes crearon la era de la informática diseñada para un uso particular para la cual se combinan múltiples y únicos tipos de arquitectura de cómputo y se aplican a los problemas. Esta tendencia se volvió popular con los procesadores gráficos que complementan los CPUs de uso general, pero esa técnica se expande rápidamente con la aceleración del cómputo personalizado que utiliza FPGAs, procesadores vectoriales e incluso bloques de cómputo específicos de aplicaciones. Estas técnicas de aceleración, como aquellas utilizadas para el aprendizaje de máquinas, se convertirán en los siguientes bloques estándares para el sistema en chip del mañana. La clave para aprovechar estas arquitecturas de procesamiento mixto son las herramientas de software y frameworks que ayudan a los usuarios a diseñar con una descripción de alto nivel para su implementación en una variedad de motores de procesamiento para

aceleración. La lucha inicial por explotar el paralelismo en chips multinúcleo se repetirá a medida que el cómputo heterogéneo se convierte en la opción para escalar. Y aunque la viabilidad de la venerable ley de Moore está siendo amenazada nuevamente, las necesidades del mercado, como el aprendizaje de máquinas y el vehículo autónomo, requerirán escalar continuamente la capacidad de procesamiento y el ancho de banda de E/S, lo que representa una nueva oportunidad para impulsar nuevas innovaciones arquitectónicas.

HETERO

GÉN

EOM

ULTIN

ÚCLEO

Re

nd

imie

nto

de

Có

mp

uto

SING

LE-CORE

ni.com/semiconductor

————————————————————————————————————

En todo el mundo, los gobiernos están anunciando disposiciones oficiales que causarán la desaparición del motor de combustión interna. China va al frente, exigiendo que en 2018 el 8% de los vehículos nuevos en circulación sean vehículos de “nueva energía” o de cero emisiones, un enorme crecimiento sobre el 2 al 3% en circulación hoy en día. Regulaciones gubernamentales similares que limitan el futuro del motor de combustión interna han sido aprobadas alrededor del mundo y no se puede dejar de recalcar la importancia y el crecimiento de la industria del automóvil completamente eléctrico e híbrido. Volvo posiblemente ha tomado la postura más fuerte entre los fabricantes de automóviles, prometiendo fabricar para 2019 solamente autos híbridos o completamente eléctricos y comprometiéndose a vender más de 1 millón de vehículos eléctricos para el 2025. “Este anuncio marca el final del automóvil impulsado exclusivamente por motor de combustión” dijo Håkan Samuelsson, presidente y CEO de Volvo, en una declaración en Julio de 2017.

Más que Solamente EV/HEVEl cambio de combustión interna a plantas de energía híbrida y luego totalmente eléctricas representa únicamente la parte más visible del agresivo crecimiento de los sistemas de electrónica de potencia en los vehículos. La electrificación se aplica de la misma manera a los subsistemas de vehículos. Tan reciente como hace 10 años, un acoplamiento totalmente mecánico entre

el volante y las ruedas delanteras no era inusual. El volante conectado a un eje que se conectaba a un sistema de mecanismo de cremallera que giraba las ruedas, e incluso una versión hidráulica más eficiente del sistema, aún mantenía un acoplamiento mecánico entre el volante y los neumáticos. La historia es similar para el pedal del acelerador y la transmisión manual.

La explosión de la tecnología Drive-by-Wire en el vehículo moderno ha cambiado este paradigma. Un sensor, un actuador remoto y múltiples sistemas de control han reemplazado la conexión mecánica. En lugar de una conexión directa entre el volante y los neumáticos delanteros, un sensor en la columna de dirección, ahora mide el ángulo de la rueda. Un controlador

embebido luego traduce esa medida en un ángulo y envía el valor al bus de comunicación del vehículo. En alguna otra parte del bus de comunicación, otro controlador recoge el valor, lo traduce en un ángulo de la rueda basado potencialmente en la velocidad del vehículo y ajustes del controlador, y luego ordena a un actuador mover la rueda a un ángulo deseado. En muchos vehículos, un sistema de seguridad se sitúa en medio de este sistema de dirección drive-by-wire para garantizar que el vehículo permanece en el carril y evita los obstáculos en la carretera. Conforme crece el número de subsistemas de electrónica de potencia en el vehículo, el propio automóvil comienza a parecerse a una micro-red eléctrica con un bus de potencia común que conecta una creciente lista de fuentes y salidas de energía, cada una administrada por un sistema independiente de control embebido.

Electrificación de Vehículos: Cambiando la Industria Automotriz y Más Allá

“Este anuncio marca el final del automóvil impulsado exclusivamente por motor de combustión.”—Håkan Samuelsson, Presidente y CEO, Volvo

ni.com/automotive

El Impacto GeneralEchando un vistazo más amplio a implicaciones de las disposiciones automotrices del gobierno, el crecimiento exponencial en la electrificación y el fin inminente de los motores de combustión interna, representan un cambio radical en la infraestructura requerida para soportar el cambio en las plantas de energía de los vehículos. Un automóvil con un motor de combustión interna requiere aproximadamente 10 minutos en casi cualquier gasolinera para llenar su tanque para otras 300 millas de viaje. Sin embargo, incluso con un compresor dedicado, una pit stop similar requiere al menos una hora para que un vehículo completamente eléctrico cargue. Incluso para la recarga lenta asociada con un viaje de ida y vuelta diario, el hardware de carga necesario necesita un poco de reflexión. Para los propietarios de vivienda, instalar una estación de carga nocturna podría ser tan simple como poner un circuito de alta corriente en el garaje, pero esto se vuelve más complicado para un arrendatario en una casa o un apartamento. Si el dueño del vehículo vive en una ciudad y se estaciona en la calle, el concepto de una estación de recarga en casa podría ser completamente imposible.

Mirando el futuro de la electrificación de vehículos desde la perspectiva de empresa de suministro energía, las demandas cíclicas basadas en el horario diario de la fuerza laboral, además de las altas demandas de carga rápida representan increíbles nuevos retos para la red eléctrica. Si todo el personal vuelve a casa a las 5:00 p.m. y conecta sus vehículos eléctricos casi al mismo tiempo, esto cambia la duración de la demanda pico típica en la red y cambia el consumo máximo regional por calefacción o enfriamiento al transporte. En la escala más grande de una gasolinera, una colección de compresores para una carga rápida requerirán una cantidad de energía similar a la utilizada por un vecindario de tamaño mediano.

La tendencia por las disposiciones gubernamentales con respecto a los vehículos eléctricos conduce directamente al crecimiento en la complejidad de los vehículos y conduce indirectamente a una necesidad inmediata de crecimiento en infraestructura. El futuro de la industria automotriz impulsará el futuro de la red eléctrica, lo que requerirá sistemas de control

más inteligentes. Convertirlo en una realidad representa un verdadero reto interdisciplinario para desarrollar sistemas de control seguros y confiables entre otras necesidades. Para llegar al mercado rápidamente, esto requerirá una mayor dependencia en las pruebas en tiempo real, en las pruebas de producción y que los socios de ecosistemas cuenten con experiencia en herramientas de desarrollo, además de una plataforma flexible, abierta y líder en la industria. Con las herramientas adecuadas, los ingenieros pueden adaptarse a las perturbadoras tecnologías que requerirá la electrificación de vehículos.

2020

CHINA REINO UNIDO

ALEMANIA

2030

20405M DE VEHÍCULOS DE

CERO EMISIONES EN CIRCULACIÓN

SERÁN FABRICADOS ÚNICAMENTE VEHÍCULOS DE CERO EMISIONES

PROHIBICIÓN DE AUTOMÓVILES DE GASOLINA Y DIESEL; TODOS ELÉCTRICOS

ni.com/automotive

————————————————————————————————————

El aprendizaje de máquinas ya ha producido notables resultados en ciertos nichos en los que el reconocimiento de patrones es obvio, pero está produciendo impactos aún mayores y duraderos en las empresas que demandan amplios conocimientos y eficiencias en sus industrias. Las inversiones de los gigantes tecnológicos en las aplicaciones de aprendizaje de máquinas están llamando mucho la atención.La mayor colección de desarrolladores de Google fuera de su sede en Estados Unidos es un grupo de investigación dedicado al aprendizaje de máquinas. Microsoft lanzó CNTK de fuente abierta, Baidu publicó PaddlePaddle, Amazon decidió dar soporta a MXNet en AWS y Facebook creó dos frameworks de amplio aprendizaje. La ola de aplicaciones de aprendizaje de máquinas en el espacio de los consumidores se extenderá a la industria, lo que ayudará a los ingenieros y gerentes a mejorar las operaciones comerciales con el análisis de datos automatizado. Además de impulsar la innovación, el aprendizaje de máquinas ofrece mejoras en el negocio aquí y ahora, como el tiempo de funcionamiento, el rendimiento de producción y la eficiencia de la ingeniería.

El Aprendizaje de Máquinas se Alimenta de los DatosLa habilidad de conectar en red sistemas inteligentes para mejorar la visibilidad de los datos es bien conocida como un beneficio de Internet de las Cosas (IoT) y como un reto de Big Analog Data™. ABI Research (QTR 1 2017) dice que los datos de sensores y máquinas de equipos industriales superarán los 78 exabytes en 2020 y en algún lugar de entre todos esos datos habrá evidencia de una falla de la máquina, un defecto de fabricación o una prueba crítica de validación que la tecnología de hoy en día pasó por alto. Los extensos conjuntos de datos ayudarán a preparar mejores modelos a partir de algoritmos de aprendizaje de máquinas y producirán resultados más rápidos, pero solamente si están disponibles. Los diseñadores de sistemas de hoy en día necesitan ver la recolección de datos organizada como el primer paso para implementar la tecnología de aprendizaje de máquinas y desarrollar estrategias más completas de DAQ y administración de datos para sistemas conectados.

Automatizar la Información de Ingeniería con el Aprendizaje de Máquinas

Recolección de Datos

DATOS SIN PROCESAR

Extracción de Características

Reducción de Características

Modelo de Capacitación

VALORES DE LA FUNCIÓN

VECTOR DE FUNCIÓN MODELO DE CANDIDATO ANÁLISIS DE NEGOCIO

■■ Incrementar tiempo de operación ■■ Reducir costo de mantenimiento ■■ Mejorar rendimiento de producción ■■ Reducir costo de desarrollo ■■ Mejorar calidad del producto

APRENDIZAJE DE MÁQUINAS

ni.com/big-analog-data

Impulsando la InnovaciónTratar con defectos de diseño durante el desarrollo del producto puede ser costoso, es por eso que se emplea tiempo, atención y presupuesto a la verificación de diseño y las pruebas de validación. Antes de que el aprendizaje de máquinas pueda ayudar a enfocar el costoso tiempo de ingeniería en las áreas del producto que necesitan más pruebas y validación, los datos históricos de las pruebas deben estar organizados y ser accesibles.

Rendimiento MejoradoLa mayoría de los fabricantes de hoy en día identifican condiciones de paso/falla y guardan datos para análisis forense, registros de calibración y genealogía. Algunos fabricantes utilizan métodos de pruebas automatizadas más avanzados, pero los modelos de aprendizaje de máquinas pueden ayudarles a identificar defectos del producto independientemente de la causa. ¿Los componentes a nivel de silicio de la versión actual provienen de un nueva fábrica? ¿El diseño incluye componentes falsificados? ¿La temperatura de soldadura de onda está desactivada debido a un sensor defectuoso? Las interminables anomalías pueden causar defectos, por lo que establecer límites de pruebas para todos ellos no es práctico (o posible). La tecnología de aprendizaje de máquinas alertará a los ingenieros de pruebas de manufactura sobre los defectos omitidos en las fases de diseño y pruebas durante el desarrollo del producto.

Mayor Tiempo de OperaciónMuchas compañías en la fabricación de procesos u otras industrias de procesos tienen extensas bases de datos de mantenimiento y datos operacionales para sus equipos industriales. Hoy en día, los ingenieros de mantenimiento trabajan manualmente con estos datos, pero los futuros métodos de aprendizaje de máquinas procesarán estos datos para clasificar los estados operativos y detectar anomalías. Los sistemas debidamente capacitados identificarán las irregularidades que requieren atención y alertarán al personal de mantenimiento para la solución de problemas.

Aprovechando los Sistemas DistribuidosDe alguna manera, ya está establecida la etapa para el aprendizaje de máquinas. La integración del procesamiento robusto y la fusión de sensores con el aprendizaje de máquinas ayudará a los ingenieros a construir mejores sistemas que puedan interpretar los datos de forma distribuida, sin tener que comunicarse con el equipo empresarial. Algunas tecnologías ya pueden preparar y ejecutar modelos remotamente para ofrecer a los ingenieros las siguientes opciones de arquitectura del sistema: entrenamiento de modelos e implementación en la nube, de forma distribuida o ambos. Llevar la inteligencia a los dispositivos remotos con señales del mundo real reduce la latencia de las decisiones y la necesidad de infraestructuras costosas, lo que ayuda a que miles de millones de nuevos dispositivos entren en línea y compitan por un ancho de banda limitado.

ni.com/big-analog-data

Las Plataformas Aprovecharán el Poder del Aprendizaje de Máquinas Un elemento clave que se debe tomar en cuenta es la incorporación del aprendizaje de máquinas que ayuda a los desarrolladores a enfocarse en nuevos problemas, ahorrar tiempo combinando tecnologías adyacentes y a no perderse en el middleware. Los ingenieros rara vez quieren pasar tiempo en preguntas que ya han sido contestadas o que se consideran necesarias debido a las herramientas. ¿Cuáles análisis de la nube son soportados? ¿De quién es la nube? ¿Existen problemas de compatibilidad de RTOS al implementar los modelos? Integrar el aprendizaje de máquinas en las plataformas de nube, software y hardware, proporcionará montones de tecnología controlada, así los ingenieros podrán enfocarse en nuevos retos.

Las aplicaciones de aprendizaje de máquinas de hoy en día pueden encontrar fotos de un perro en un álbum, pero los líderes empresariales buscan ingenieros, plataformas y la próxima ola de aprendizaje de máquinas para ayudar a encontrar tiempo de operación, rendimiento y eficiencia en un mar de Big Analog Data.

“Existen enormes oportunidades para extraer información oculta en los diferentes sistemas de información empresarial que la mayoría de las empresas poseen hoy en día. Una plataforma de aprendizaje de máquinas puede extraer rápidamente estos datos junto con los datos de los sensores de IoT recién adquiridos. Dejemos que la plataforma haga el trabajo sin valor agregado para que la empresa pueda concentrarse en obtener información útil.” —Andy Timm, Chief Technology Officer, PTC

ni.com/big-analog-data

Tru

True

True

True

True

True

TF

TF

TF

DBL

DBL

TF

P…C…

S…A…

0.1

5

0

0.5

100

100

0.001

0.999

0.1

13 500

0.32

DBL

0,1

0,1

Controller Output Simulated Plant Measured Temperature

IO Mode

Sensor Measurement Task

Pulse Generation Task

block duration

Control

Power Applied(%)Power Applied(%)

Power Applied

Controller Output

Temperature Error

Temperature Reached

Desired Temperature

PI gains

Stop

Stop

StopStop

Setpoint and Process Variable

Wait (ms)

FUTUREFASTER

NI Trend Watch 2018

US Corporate Headquarters11500 N Mopac Expwy, Austin, TX 78759-3504T: 512 683 0100 F: 512 683 9300 info@ni.com

ni.com/global–International Branch Officesni.com/trend-watch

©2017 National Instruments. All rights reserved. Big Analog Data, National Instruments, NI, and ni.com are trademarks of National Instruments. Other product and company names listed are trademarks or trade names of their respective companies. 30296