Explore los escáneres de hormigón
Explorar PM8500 Ver la cartera de hormigón
Los datos de inspección están en el punto de mira como nunca antes. Para profundizar en este importante tema, entrevistamos a Marcel Poser sobre los tipos de datos de inspección, cómo afectan a nuestro entorno construido y cómo podemos aprovechar los tipos de datos más valiosos...
Descripción de la tarjeta
Get the best NDT and InspectionTech content delivered straight to your inbox
Con la publicación del informe analítico, Harnessing The Data Advantage in Construction, por Autodesk y FMI, la atención se centra en los datos de inspección en el sector de la construcción, con todos sus defectos. Para profundizar en este importante tema, entrevistamos a Marcel Poser, CEO de Screening Eagle, sobre los datos de inspección, cómo afectan a nuestro entorno de construcción, cómo podemos aprovechar los tipos de datos más valiosos y por qué deberíamos...
Cuando se trata de inspecciones, una cosa es segura: los datos son el punto de partida para controlar la salud estructural, aumentar la seguridad e incrementar el valor de los activos. Pero no todos los datos son iguales. Algunos datos de inspección pueden ser pesados de procesar, complicados de analizar o simplemente de una calidad demasiado baja para utilizarlos. Por otro lado, los datos correctos son extremadamente valiosos...
Los datos de inspección de calidad son un bien muy preciado que puede salvar vidas y billones de dólares a los propietarios de los activos al eliminar residuos, ahorrar tiempo, dar la posibilidad de tomar decisiones más rápidamente, ayudar al mantenimiento predictivo, reducir las emisiones de CO2 procedentes de la construcción del entorno edificado y mucho más.
En mi opinión, los tres tipos de datos de los que más se habla son Big Data, Bad Data y Deep Data.
Por big data se entiende cualquier conjunto de datos extremadamente grande o complejo que requiera un análisis avanzado. En el mundo de la construcción, el análisis de big data puede utilizarse en todas las fases del proceso para crear modelos intuitivos basados en datos y lograr una supervisión predictiva de la salud estructural.
El aprendizaje automático en combinación con big data ya se utiliza para predecir futuros defectos u optimizar los procesos de mantenimiento en maquinaria industrial, aeroespacial, equipos de minería y muchos otros. Pero la adopción de la IA y el análisis de big data para el mundo de la construcción ha sido lenta en casi todo el mundo.
Sin embargo, en Screening Eagle Technologies estamos trabajando duro para salvar esa brecha tecnológica global y poder anticipar los defectos con suficiente antelación mediante inspecciones periódicas con software y sensores inteligentes.
El mundo de la construcción produce grandes cantidades de datos cada día y se espera que el mercado de Big Data alcance un valor de 30.000 millones de dólares en 2021 y 2022, según Analytics Insight. La creación de valor está al alcance de los pioneros... pero ¿qué ocurre cuando la ingente cantidad de datos recopilados es "mala"?
En el mundo de las inspecciones, los datos de proyectos defectuosos son inexactos, incompletos, incoherentes o incapaces de proporcionar información útil. Según el reciente informe , los datos erróneos podrían haber costado a la industria mundial de la construcción la friolera de 1,84 billones de dólares solo en 2020... y esto solo en la industria de la construcción. Si a esto añadimos los billones desperdiciados por el mantenimiento inadecuado de los activos existentes, el despilfarro de dinero es astronómico.
Es difícil señalar una única razón que explique qué hace que los datos sean inutilizables, porque a menudo hay varias causas. Los malos datos de inspección pueden deberse a tecnologías insuficientes, condiciones meteorológicas que dificultan la recogida de datos, pérdida de datos, archivos corruptos, informes incompletos, pruebas inexactas y muchas otras razones.
En el pasado, las inspecciones se realizaban sobre el terreno y los datos debían llevarse a la oficina para su procesamiento, lo que podía llevar muchas horas o días para obtener información. Los datos se compartían mediante copias en papel y memorias USB, que inevitablemente se perdían con el tiempo.
Ahora, la productividad, la eficiencia y la precisión son prioridades absolutas para poder tomar decisiones rápidas e informadas directamente desde el campo. Pero el coste de tomar esas decisiones rápidas con datos erróneos puede ser devastador. El informe mencionado anteriormente mostraba que, en 2020, una de cada tres decisiones erróneas se tomarán como resultado de datos incorrectos y que el 14% de todos los reprocesamientos en la construcción a nivel mundial se debieron a datos incorrectos.
No se trata sólo de recopilar Big Data, porque gran parte de ellos podrían ser inutilizables. Los verdaderos beneficios residen en la recopilación de Deep Data.
Los datos profundos son el nuevo oro.
La diferencia está en la calidad y la integridad de los datos. Los datos profundos son siempre coherentes, completos, informativos y procesables. Esto es lo que diferencia los Deep Data de los Big Data.
En lugar de descubrir que los datos son erróneos en la oficina una vez finalizada la inspección, o de dejar de encontrar los datos unos meses después de una inspección, ahora tenemos la posibilidad, con las tecnologías de inspección inteligentes, de realizar una interpretación y visualización intuitivas de los datos directamente sobre el terreno para verificar que se han recopilado los datos correctos, generar informes en segundos y compartirlos de forma segura con un solo clic desde el terreno. Todos los datos se sincronizan automáticamente en la plataforma Workspace para disponer de una única fuente de verdad, de modo que se elimina la pérdida de datos y éstos están a disposición de todas las partes interesadas para los años y décadas venideros.
En el pasado, no ha sido fácil recopilar Deep Data en el ámbito de la inspección y en el entorno de la construcción, donde la norma ha sido trabajar con "bloc y papel". Ahora, gracias a nuestras innovaciones en sensores y software de inspección, los datos profundos no solo son posibles, sino que pueden ahorrar billones de dólares en el sector de la construcción, ayudar a proteger los activos, aumentar la seguridad, incrementar el valor de los activos y, por último, pero no por ello menos importante, contribuir a reducir las emisiones de CO2 mediante un funcionamiento más prolongado e inteligente de los activos y eliminar el enfoque de las últimas décadas basado en arreglar cuando se rompe y derribar antes de tiempo y reconstruir.
Todos los profesionales de las inspecciones, los localizadores y los topógrafos recopilan toneladas de datos utilizando tecnologías como el radar de penetración en el suelo (GPR), pero muchos los venden como marcas de pintura analógicas en superficies de carreteras, césped, tierra y hormigón, pierden los datos en memorias USB y discos duros o como informes estáticos en PDF. Esto deja toneladas de valor sobre la mesa. Ahora que existe una forma de acceder al "oro" de los datos, es hora de dejar de lado la "grava" de los datos malos y analógicos.
Como sabes, los datos malos pueden tener consecuencias catastróficas. La adopción de estrategias totalmente digitales y basadas en Deep Data ahorrará costes y tiempo de forma significativa, al tiempo que abordará algunos de los principales puntos débiles de nuestro entorno construido. Los datos erróneos empiezan con la recopilación de datos mediante tecnologías de la vieja escuela y, sí... con papel y lápiz.
Los datos buenos empiezan con la recopilación de datos de forma digital... o a la manera de Screening Eagle.
La plataforma de software de Screening Eagle, los sensores y las soluciones basadas en datos permiten a los propietarios de activos y a los expertos que recopilan no sólo los mejores y más claros datos, sino también extraer ese oro de datos de forma estructurada y eficiente en cada fase del ciclo de vida de los activos.
Nuestros equipos de soluciones están a su disposición, conocen sus puntos de pintura, escuchan y comprenden sus flujos de trabajo actuales y, a continuación, proponen y elaboran soluciones que satisfagan sus necesidades.
Hablemos en y descubriremos rápidamente cuáles son las oportunidades mutuas.