{"id":1861,"date":"2019-10-09T19:52:05","date_gmt":"2019-10-09T18:52:05","guid":{"rendered":"https:\/\/evenbytes.com\/?p=1861"},"modified":"2019-10-11T07:51:53","modified_gmt":"2019-10-11T06:51:53","slug":"caso-de-uso-solucion-de-business-intelligence-utilizando-machine-learning-en-google-cloud-platform-aplicado-al-sector-industrial-parte-i","status":"publish","type":"post","link":"https:\/\/evenbytes.com\/es\/caso-de-uso-solucion-de-business-intelligence-utilizando-machine-learning-en-google-cloud-platform-aplicado-al-sector-industrial-parte-i\/","title":{"rendered":"Caso de uso: Soluci\u00f3n de Business Intelligence utilizando Machine Learning en Google Cloud Platform aplicado al sector industrial (Parte I )"},"content":{"rendered":"\n<div class=\"wp-block-image\"><figure class=\"aligncenter\"><img fetchpriority=\"high\" decoding=\"async\" width=\"715\" height=\"400\" src=\"https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/Soluci\u00f3n-de-Business-Intelligence-utilizando-Machine-Learning-en-Google-Cloud-Platform-aplicado-al-sector-industrial.png\" alt=\"\" class=\"wp-image-1874\" srcset=\"https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/Soluci\u00f3n-de-Business-Intelligence-utilizando-Machine-Learning-en-Google-Cloud-Platform-aplicado-al-sector-industrial.png 715w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/Soluci\u00f3n-de-Business-Intelligence-utilizando-Machine-Learning-en-Google-Cloud-Platform-aplicado-al-sector-industrial-300x168.png 300w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/Soluci\u00f3n-de-Business-Intelligence-utilizando-Machine-Learning-en-Google-Cloud-Platform-aplicado-al-sector-industrial-700x392.png 700w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/Soluci\u00f3n-de-Business-Intelligence-utilizando-Machine-Learning-en-Google-Cloud-Platform-aplicado-al-sector-industrial-539x303.png 539w\" sizes=\"(max-width: 715px) 100vw, 715px\" \/><\/figure><\/div>\n\n\n\n<p>En esta serie de articulos vamos a describir el proceso de desarrollo de una soluci\u00f3n de Business Intelligence utilizando Machine Learning en Google Cloud Platform aplicado al sector industrial<\/p>\n\n\n\n<p>La solucion que vamos a implementar durante esta serie de post se basa en una solucion desarrollada por Evenbytes en uno de nuestro clientes. En el siguiente <a href=\"https:\/\/evenbytes.com\/use-cases\/application-of-neural-networks-using-machine-learning-for-live-video-recognition\/\" target=\"_blank\" rel=\"noreferrer noopener\" aria-label=\"vinculo (opens in a new tab)\">vinculo<\/a> se puede comprobar la implementacion de la solucion final.<\/p>\n\n\n\n<p>Para entender un poco el conexto, a continuacion se describen unas supuestas necesidades del cliente en las que se va a basar nuestra solucion.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Descripci\u00f3n del proyecto a implementar<\/h2>\n\n\n\n<p>Se necesita la monitorizar y extraer de datos acerca de la actividad en una de las pistas de embarque del aeropuerto. El principal objetivo des esta monitorizacion es generar un reporte con una serie de indicadores requeridos por el cliente para comprobar el correcto desarrollo de la misma. <\/p>\n\n\n\n<p>Como datos de entrada \u00fanicamente disponemos de una c\u00e1mara en directo que muestra la zona de estacionamiento de un aeropuerto. <\/p>\n\n\n\n<p>Se va a monitorizar unicamente de las puertas de embarque del aeropuerto. Se necesita monitorizar las siguientes acciones: <\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Tiempo estacionado de los aviones<\/li><li>Duraci\u00f3n del repostaje<\/li><li>Duraci\u00f3n de la carga \/ descarga de equipajes<\/li><li>Compa\u00f1\u00eda del avi\u00f3n<\/li><li>Modelo del avion<\/li><\/ul>\n\n\n\n<p>Se requiere que el proceso est\u00e9 completamente automatizado y no requiere intervenci\u00f3n humana.<\/p>\n\n\n\n<p>Los datos monitorizados ser\u00e1n explotados de dos maneras diferentes:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Monitorization de los datos en tiempo real (Con un retraso m\u00e1ximo de 30 seg)<\/li><li>Reporte diario para generaci\u00f3n de gr\u00e1ficos con estad\u00edsticas<\/li><\/ul>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Arquitectura de la soluci\u00f3n<\/h2>\n\n\n\n<p>La arquitectura dise\u00f1adad para la implemtacion de  la soluci\u00f3n consta de 3 partes claramente diferenciadas, que son: captura de datos, an\u00e1lisis de las im\u00e1genes y explotaci\u00f3n de datos.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img decoding=\"async\" width=\"1024\" height=\"378\" src=\"https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14-1024x378.png\" alt=\"\" class=\"wp-image-1866\" srcset=\"https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14-1024x378.png 1024w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14-300x111.png 300w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14-768x284.png 768w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14-700x259.png 700w, https:\/\/evenbytes.com\/wp-content\/uploads\/2019\/10\/2019-10-10_16-28-14.png 1215w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p style=\"text-align:center\"><em>Diagrama del proyecto<\/em><br><\/p>\n\n\n\n<p>Como datos de entrada para el primer bloque (captura de datos), disponemos de un flujo de datos accesible a traves de la url <a href=\"http:\/\/kamery.airport.gdansk.pl:1935\/EPGD\/pps3.stream\/playlist.m3u8\">http:\/\/kamery.airport.gdansk.pl:1935\/EPGD\/pps3.stream\/playlist.m3u8<\/a>,&nbsp; que nos proporciona la c\u00e1mara del aeropuerto. Esta se encuentra grabando las 24 horas sobre el estado de la pista. A partir de esta fuente, obtenemos una secuencia de im\u00e1genes fijas o fotos que seran guardarlos en un <em>bucket<\/em> creado en GCP para un procesado posterior. (Fuente de los datos extraida de <a href=\"https:\/\/www.airport.gdansk.pl\/lotnisko\/kamery-internetowe-p30.html\">https:\/\/www.airport.gdansk.pl\/lotnisko\/kamery-internetowe-p30.html<\/a>)<br><\/p>\n\n\n\n<p>El segundo bloque (analisis de datos), gestionara las im\u00e1genes almacenadas en el <em>bucket<\/em>. Este proceso se encarga del analisis y procesamiento de las im\u00e1genes, haciendo uso de los modelos de aprendizaje automatico previamente entrenados.  Este proceso de analisis de imagenes es realizado gracias al uso de una maquina virtual corriendo en GCP. Como resultado de este proceso obtendremos una serie de etiquetas o metadatados que seran almacenados en BigQuery para un analisis y procesado posterior. Esas mismas etiquetas son almacenadas en una base de datos de Firebase para que puedan ser consultadas en tiempo real por la <a href=\"https:\/\/evenbytes.com\/use-cases\/application-of-neural-networks-using-machine-learning-for-live-video-recognition\/\">Web de monitorizacion<\/a>.<\/p>\n\n\n\n<p>Finalmente, en el ultimo bloque (explotacion de datos), se generada un <em>reporte BI <\/em>creado en <em>Datastudio<\/em> para mostrar los datos m\u00e1s relevantes e indicadores, como pueden ser el tiempo de estancia de cada avi\u00f3n, el n\u00famero de compa\u00f1\u00edas en un d\u00eda, la media de vuelos al mes..etc. y poder visualizar y navegar por los datos de una manera mas eficiente.<br><\/p>\n","protected":false},"excerpt":{"rendered":"<p>En esta serie de articulos vamos a describir el proceso de desarrollo de una soluci\u00f3n de Business Intelligence utilizando Machine Learning en Google Cloud Platform aplicado al sector industrial La solucion que vamos a implementar durante esta serie de post se basa en una solucion&#8230;<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[55],"tags":[],"class_list":["post-1861","post","type-post","status-publish","format-standard","hentry","category-develop-es"],"_links":{"self":[{"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/posts\/1861","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/comments?post=1861"}],"version-history":[{"count":8,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/posts\/1861\/revisions"}],"predecessor-version":[{"id":1877,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/posts\/1861\/revisions\/1877"}],"wp:attachment":[{"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/media?parent=1861"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/categories?post=1861"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/evenbytes.com\/es\/wp-json\/wp\/v2\/tags?post=1861"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}