Está en la página 1de 26

Cordial saludo;

Estimados estudiantes envió el enunciado del segundo parcial de la asignatura:


Deben escribir un ensayo de tipo análisis crítico al Artículo científico adjunto a
este correo.

El ensayo debe realizarse en word y debe tener una extensión 1500 palabras. En el
ensayo es válido soportarse en otras fuentes y referencias bibliográficas. (Las
referencias bibliográficas no hacen parte de las 1500 palabras). En el ensayo es
válido soportarse en imágenes, ecuaciones y modelos. (pero estos no serán contados
en las 1500 palabras).

Deben enviar un archivo en forma individual al correo


electrónico: adithperez@unicesar.edu.co antes del día martes 19 de Noviembre a las
8:00a.m. Hora del servidor de correo UPC. ( a esa hora el profesor evaluará y no
considerará entregas posteriores a esta hora)

NOTA: Todo plagio será calificado con nota de 0.0 en el Parcial


Resumen
Los sistemas modernos de acuaponia pueden ser muy exitosos, pero requieren un
monitoreo, control y gestión intensivos. En consecuencia, la Pirámide de
Automatización (AP) con sus capas de Control de Supervisión y Adquisición de
Datos (SCADA), Planificación de Recursos Empresariales (ERP) y Sistema de
Ejecución de Manufactura (MES) se aplica para el control del proceso. Con el
análisis predictivo basado en IoT basado en la nube en el pantano anterior, vale la
pena averiguar si IoT hará que estas tecnologías sean obsoletas o si pueden
trabajar juntas para obtener resultados más beneficiosos. En este documento,
discutiremos la mejora de SCADA, ERP y MES con IoT en acuaponía y,
asimismo, cómo la analítica predictiva basada en IoT puede ayudar a sacar más
provecho de ella. Se presentará un caso de uso de ejemplo de un proyecto de
acuaponia con cinco sitios de demostración en diferentes ubicaciones geográficas
para mostrar los beneficios de IoT en los servicios de análisis predictivo de
ejemplo. Innovador es la recopilación de datos de los cinco sitios de
demostración sobre IoT para hacer robustos los modelos de pescado, tomate,
componentes técnicos como filtros utilizados para monitoreo remoto,
mantenimiento predictivo remoto y optimización económica de las plantas
individuales. La robustez de los diversos modelos, modelos de crecimiento de
peces y cultivos, modelos para la optimización econométrica se evaluaron
mediante simulaciones de Monte Carlo que revelaron como se esperaba la
superioridad de los modelos basados en IoT. Nuestro análisis sugiere que los
modelos son generalmente tolerantes a las variaciones del coeficiente de
temperatura de hasta el 15% y los modelos econométricos toleraron una
variación de, por ejemplo, el tamaño de la ración de alimento para peces de hasta
el 4% y por los modelos de optimización de energía una tolerancia de hasta Se
pudo notar un 14% por variaciones de radiación solar. Además, a partir del
análisis realizado, se puede concluir que MES tiene varias capacidades que no
pueden ser reemplazadas por IoT, como la capacidad de respuesta para provocar
cambios en las anomalías. Actúa como proxy cuando no hay casos para los
sensores y garantiza de manera confiable la ejecución correcta en las plantas de
acuaponia. Los sistemas IoT pueden producir mejoras sin precedentes en muchas
áreas, pero necesitan MES para aprovechar su verdadero potencial y sus
beneficios.
 Artículo anterior en cuestión
 Siguiente artículo en cuestión
Palabras clave

Acuaponia
Pirámide de automatización
IoT
Analítica predictiva
Big Data

1 . Introducción
Considere el problema en la Fig. 1, por ejemplo, donde los puntos rojos
representan sitios acuaponicos propiedad de una empresa o un consorcio con su
propia Pirámide de Automatización (AP). Es obvio que la pirámide de
automatización clásica no es suficiente para administrar de manera inteligente y
eficiente el sistema completo. Por lo tanto, vale la pena explorar cómo se afilia
Predictive Analytics basado en IoT basado en la nube en la pirámide de
automatización clásica para una utilización eficiente de la información. Esto está
de acuerdo con la llamada a la acción de innovación H2020 de finales de 2017
que se refiere a la industria 4.0, que incluye Internet de las cosas, computación en
la nube e intercambio de datos [1] .
1. Descargar: Descargar imagen de alta resolución (214KB)
2. Descargar: Descargar imagen a tamaño completo
La Fig. 1 . Ilustración del problema
La acuaponía de doble recirculación de hoy es una compleja operación de
producción integrada que abarca sistemas de recirculación de
acuicultura e hidroponía para producir peces y plantas en un sistema de circuito
cerrado [2]. Los peces producen efluentes ricos en nutrientes.que se usa como
fertilizante para las plantas. Las bacterias descomponen los desechos de pescado
en nutrientes disueltos que las plantas utilizan para crecer en el componente
hidropónico. Esta eliminación de nutrientes no solo mejora la calidad del agua
para los peces sino que también disminuye el consumo general de agua al limitar
la cantidad liberada como efluente. Varios procesos mecánicos y biológicos de
filtrado, bombeo, calefacción, etc. están involucrados en el sistema. El agua
evaporada del sector de la planta se recupera a través de trampas de enfriamiento
y se reintegra en los tanques de peces. La tecnología de acuaponía de doble
recirculación permite establecer condiciones óptimas tanto en los peces como en
las unidades de la planta, asegurando así una alta productividad y mejorando la
eficiencia de los recursos.
Además de los desafíos técnicos, socioecológicos y económicos en acuaponia
discutidos en [3] , se han identificado otros desafíos con respecto a la
información y los datos [4] . Estos incluyen la falta de investigación cuantitativa
para apoyar el desarrollo de sistemas de acuaponía económicamente factibles, un
sistema insuficiente para la producción de un producto de la misma calidad, poco
conocimiento del mercado objetivo y no ir más allá de la producción primaria y
considerar la cadena alimentaria de suministro en su conjunto. Además, la
acuaponía se puede escalar de una mini unidad para aficionados a instalaciones
de producción comercial. Además, algunos sitios de acuaponia incluyen una
fabricación de pescado y frutas y el mercado demanda cada vez más productos
individualizados. Ciclos de vida del productose están acortando y el tamaño
promedio de los lotes se está reduciendo. Teniendo esto en cuenta, la producción
rentable en un entorno globalizado y con recursos limitados requiere una
infraestructura altamente flexible (TI) que también funcione bien en redes entre
empresas. Todas estas características requieren nuevas capacidades en el control
del sistema, diagnóstico para mantenimiento y administración. Una vez
estabilizado, el sistema debería poder funcionar día y noche con menos
intervención humana. Para las empresas de instalación, la adaptación flexible a
configuraciones especiales de acuaponia, así como la parametrización específica
de los módulos individuales es un requisito previo. El diagnóstico y
mantenimiento de tales sistemas requiere un amplio conocimiento de la
acuaponia. Por lo tanto, un soporte directo para el operador de acuaponia es
indispensable, especialmente en el caso de errores, Una asistencia rápida y
específica desempeñará un papel importante para la satisfacción del cliente. En la
mayoría de los casos, el soporte directo no está en el sitio.
Tradicionalmente, los sistemas como la acuaponia se gestionan utilizando la
pirámide de automatización como se muestra en la Fig. 2 [5] . La pirámide de
automatización tiene cinco capas que se pueden dividir en dos secciones
distintas: proceso de producción en la parte inferior (es decir,
sensores, actuadores , hardware, controles lógicos programables (PLC), etc.),
mientras que los sistemas de planificación de recursos empresariales para la
gestión empresarial (es decir, el El control de supervisión y la red de adquisición
de datos (SCADA), el sistema de ejecución de fabricación (MES) y la
planificación de recursos empresariales (ERP) crean el nivel más alto.
1. Descargar: Descargar imagen de alta resolución (205KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.2 . La pirámide del sistema de automatización.
La forma piramidal refleja las características de la información en los diferentes
niveles, como el tamaño del paquete de datos, los requisitos de tiempo real, la
frecuencia de transmisión, los requisitos de disponibilidad, etc. La menor
cantidad de datos aparece en la parte superior y, a medida que baja, la cantidad
de datos aumenta, a medida que aumenta la cantidad de información. En la parte
inferior, donde están los sensores y actuadores, la información se envía al nivel
de control donde controlan el proceso de producción. Los únicos datos que se
envían entre el nivel de control y el nivel HMI son los que el operador necesita
transferir, por lo que se transfiere con menos frecuencia y en paquetes más
grandes. En la parte superior de la pirámide, solo los pedidos de la infraestructura
de tecnología empresarial se transfieren al nivel de control,
Al analizar las características de las capas individuales, se puede ver la mejora
que puede crear IoT. El IoT se puede definir como la conexión de cosas físicas a
Internet que permite acceder a datos de sensores remotos y controlar el mundo
físico desde la distancia. El paradigma clásico de la pirámide de automatización
se debe a su estricta separación jerárquica bien definida de tal manera que la
información fluye hacia arriba desde los dispositivos a la empresa a través de
niveles de control, supervisión y gestión obsoletos [6] , [7] , [8]. Los diferentes
modelos de datos y requisitos funcionales de cada capa ofrecen poca
compatibilidad entre las capas y necesitan entremezclarse de manera más fluida
que en el pasado y, al mismo tiempo, la interoperabilidad necesita considerar
nuevos procesos con respecto a la interacción con clientes, proveedores y
proveedores de servicios. y la utilización de información y datos de otros sitios
de acuaponia para obtener más información. Además, sería imprudente por parte
de la industria de acuaponia no utilizar las tecnologías que se están desarrollando
para extraer datos, desde sensores inteligentes hasta satélites que pueden ser
procesados utilizando varias herramientas de software analítico basadas en la
nube, incluida la inteligencia artificial, para hacer que las operaciones de
acuaponia sean más eficientes e incluso ecológico.

2 . Metodología
El objetivo principal de Aquaponics, basado en IoT basado en IoT Analytics, es
acercar el mundo de los datos comerciales y el mundo de los datos de
automatización para reducir el número de interrupciones de medios y el número
de aplicaciones aisladas de acuaponia. Además de eso, los datos combinados
serán la base para obtener información completamente nueva. Después de
analizar la pirámide de automatización clásica en la Fig. 1 , se obtiene una nueva
estructura como en la Fig. 3 basada en [6] , [9] como sigue:
1. Descargar: Descargar imagen de alta resolución (164KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.3 . El futuro para los sistemas de automatización de procesos de acuaponia con
IoT.
SCADA es eminentemente una herramienta para supervisores que está destinada
a ayudar a tomar decisiones para la línea de producción, pero no ofrece una
visión holística del piso de producción para tomar las mejores decisiones [10]. La
incapacidad de los sistemas SCADA para conectarse a los sistemas informáticos
heredados, las técnicas informáticas con protocolos de comunicación dispares ha
generado la demanda de un almacenamiento de datos federado de diferentes
conjuntos de datos. El análisis predictivo basado en la nube basado en IoT puede
mejorar SCADA al proporcionar en tiempo real, así como análisis de datos
históricos disponibles, que es la base para el análisis predictivo y la toma de
decisiones informada. Los datos históricos recopilados en la planta (s) son
necesarios para realizar evaluaciones comparativas, construir modelos
comparativos y robustos, e impulsar decisiones estratégicas. IoT también está
predestinado para permitir la conectividad de hardware heterogéneo (heredado a
la vanguardia) que está conectado con diversos protocolos en diferentes
plataformas [6] .
Para que una empresa prospere realmente, sus datos personales y sus procesos
deben estar conectados de manera inteligente [11] . ERP proporciona una oficina
administrativa para todos los datos dentro de una empresa, así como una vista
integrada y actualizada continuamente de las actividades comerciales clave. Sin
embargo, sin el análisis de datos y la adaptabilidad proporcionada por IoT basado
en la nube, ERP es solo una gran parte de los datos de transacción. Si bien ERP
ofrece una visión de la situación actual, IoT puede proporcionar información
sobre las causas fundamentales y el terreno para que las acciones avancen. En
resumen, IoT basado en la nube proporciona a ERP agilidad, flexibilidad y
previsibilidad en tiempo real [12]. Gran parte de las actividades y procesos se
pueden automatizar para reducir el trabajo manual trivial y realizado
repetidamente, como la lectura manual del sensor realizada en la mayoría de la
acuaponia.
MES proporciona una visión de la actividad de la planta de producción a los
tomadores de decisiones de nivel superior, por ejemplo, gerentes y proporciona
una base sólida para la aplicación de IoT. Una característica importante de MES
siempre ha sido que utiliza dispositivos inteligentes externos para recopilar datos
y procesarlos en el sistema y los controladores con los que MES puede
comunicarse. Con IoT basado en la nube y la gran cantidad de datos que IoT
extrae en el ecosistema, MES puede volverse más flexible, adaptarse fácilmente
para adaptarse a los diferentes requisitos de una empresa. Los MES van
acompañados de largos tiempos de implementación, grandes costos y
limitaciones en el procesamiento de datos en tiempo real. La naturaleza sin nubes
de MES sin IoT hace que sea muy difícil para los operadores de acuaponia
comparar la eficiencia y la productividad en diferentes plantas del mismo grupo u
otros competidores. Por lo tanto,[12] . IoT basado en la nube está incorporando
capacidades de federación de datos, análisis y aprendizaje automático [13] . Con
IoT en la escena, los sistemas de gestión de acuaponia pueden pasar de informes
puros de parámetros de la planta de producción a la realización de aplicaciones
basadas en análisis, como análisis predictivo, paneles flexibles con
visualizaciones que proporcionan información para todos los niveles de
decisión. Conectado a la IoT basada en la nube, el sistema de gestión de
acuaponia podrá comunicarse y trabajar con diferentes tipos de dispositivos
multimedia, como teléfonos móviles.
Para mayor claridad y mejor comprensión, la Fig. 3 muestra el caso de un sitio de
acuaponia conectado al sistema. En general, la arquitectura es una red donde se
pueden conectar varios sitios de acuaponia como se verá en el estudio de
caso. Cada sitio de acuaponia tiene su máquina y nube de operaciones y solo se
proporciona información insensible a la nube pública. El despliegue de dicho
sistema como se ilustra en la Fig. 3 se ha discutido en varios documentos para
otras aplicaciones [6] , [9] , [10]. Existen varias plataformas comerciales de IoT,
como Microsoft Azure, Google Cloud IoT, IoT Service Button, SAP Industry
4.0, etc. Por lo tanto, se supone que la estructura utiliza una plataforma comercial
de IoT en el proyecto y ahora nos centramos en los servicios de análisis
predictivo basados en la nube. En la siguiente sección se mostrarán dos servicios
analíticos predictivos importantes.

3 . Caso de uso
Considere los aquapónicos sistemas del proyecto INAPRO [14] . Los socios de
INAPRO han realizado cuatro sitios de demostración de INAPRO en Europa y
uno en China ( Fig. 4 ).
1. Descargar: Descargar imagen de alta resolución (128 KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.4 . Mapa de los sitios de demostración de acuaponia
de INAPRO (Fuente: www.inapro.eu ).
Las diferentes ubicaciones geográficas se seleccionaron para demostrar que el
sistema INAPRO es adaptable y económicamente viable bajo diferentes
condiciones climáticas y escala. Debido a este hecho, es obvio que el sistema
descrito en este documento es necesario.
En general, los sitios de demostración consisten en una piscifactoría con
el sistema de recirculación de la acuicultura (RAS), un invernadero de gran nave,
se pueden utilizar diferentes sistemas de energía híbrida de acuerdo con la
ubicación geológica, por ejemplo, planta combinada de calor y energía (CHP),
fotovoltaica El acuaponia es de diferente escala, por ejemplo, uno tiene un área
total de 573 m 2 y se espera que el sitio produzca alrededor de 24 toneladas de
bagre africano y 11 toneladas de tomates por año. Además, hay una fabricación
de pescado y tomate en un solo sitio. Se ha implementado una plataforma de
control y gestión en todo el sitio de acuerdo con la arquitectura de la pirámide de
automatización clásica en la Fig.5 .

1. Descargar: Descargar imagen de alta resolución (434KB)


2. Descargar: Descargar imagen a tamaño completo
Fig.5 . Control y flujo de material del sistema acuaponico .
Además, los sistemas están habilitados para IoT como se describe en la nueva
arquitectura, pero en este momento principalmente debido al hecho de que el
socio consorcial responsable de la instalación de hardware y software todavía
está obteniendo todos los datos en línea para fines de prueba y el consorcio está
utilizando los datos para fines de estudio. Para esta plataforma, se pueden
proporcionar varios servicios de IoT que incluyen gestión de energía (descrita
en [15] ), monitoreo basado en GrowWatch [16] , asistencia de diagnóstico y
mantenimiento, servicios econométricos (descritos en [17]) y para la parte de
fabricación, un servicio de seguimiento logístico para comprender cómo se está
moviendo y almacenando la producción y visualizar en tiempo real el proceso de
la cadena de frío, la temperatura de los almacenes, el proceso de envasado y el
ciclo de vida de las cajas. El sistema está integrado verticalmente, desde el
hardware personalizado hasta el sistema del servidor ( Fig. 3 ). A través de una
API hecha con MongoDB, el sistema rastrea el estado de varios sensores y relés,
por ejemplo, el nivel del agua en la acuicultura y hidropónico.tanques, pH de la
temperatura del agua, turbidez / TDS de agua, caudal, condiciones ambientales
del invernadero. El usuario remoto puede acceder a los datos que se generan
desde este sistema utilizando una interfaz. Al igual que otros sistemas
distribuidos, esto requiere mapear cada señal en la base de datos una vez que se
ha conectado. Esto se visualiza utilizando un front-end web que tiene una
visualización similar a la del sistema físico. Esto también se puede enviar a un
servicio de transmisión como Twitter, por ejemplo, para informar a los clientes
sobre las fechas de cosecha.

3.1 .Empresa: servicio de análisis económico

Como ejemplo, el servicio econométrico se elaborará brevemente aquí. Para este


módulo, la plataforma recopila datos sobre el tamaño de los peces, la calidad del
agua, los patrones de alimentación, el uso de energía y la fuente de suministro y
las condiciones climáticas mediante dispositivos móviles, sensores y
alimentadores automáticos. Combinados con otros datos, los algoritmos
funcionan para proporcionar recomendaciones como mantenimiento remoto,
estrategias de gestión de alimentación y fechas óptimas de cosecha [17] .
La situación actual es que los sitios de acuaponia en consideración tienen
SCADA, MES y ERP en funcionamiento juntos, pero lo que ha estado
sucediendo es lo siguiente:
(1)
Los supervisores han estado recopilando datos de muestra del hardware
heterogéneo y han realizado acciones de control básicas como aumentar la
velocidad de alimentación, etc. Sin embargo, la mayoría de los datos se
transmiten en tiempo real y se almacenan en parte para su análisis
histórico.
(2)
El ERP es utilizado por los gerentes de acuaponia para planificar y tomar
decisiones estratégicas. A menudo, los datos se leen desde medidores y se
ingresan manualmente. Por lo tanto, los retrasos y las imprecisiones
causadas por humanos y la inconsistencia de los datos que hacen que los
datos sean inutilizables son inevitables.
(3)
El MES conecta los sistemas ERP y SCADA y es responsable de analizar
parámetros específicos desde el piso de producción. Sin embargo, los
sistemas MES se implementan actualmente y se utilizan por separado para
cada sitio de acuaponia.
Ahora, yendo un paso más allá, con IoT basado en la nube, todos los datos
recopilados en línea en tiempo real de SCADA junto con análisis en tiempo real
y capacidades de ML de IoT pueden ayudar a recalibrar el MES y también
proporcionar una planificación dinámica en ERP de todos los acuaponios
sistemas del consorcio. Utilizando los modelos econométricos y
dinámicos descritos en nuestros documentos anteriores [17] , [18] ,
respectivamente, la plataforma de software predictivo para el mantenimiento y la
estimación de la fecha óptima de cosecha se puede lograr fácilmente de la
siguiente manera: con toda la información que ingresa a la nube de operaciones
desde el SCADA, y otras fuentes, los modelos en [18] se utilizan de forma
adaptativa para predecir el crecimiento de los peces y las plantas,
alimentostamaño de la ración, agua dulce requerida, así como el rendimiento y la
estimación de las fechas de cosecha. La información de otro sitio de acuaponia se
utiliza para hacer que los modelos sean robustos. Por ejemplo, la eficiencia del
filtro mecánico (MF) y biológico (BF), así como la densidad de almacenamiento
inicial S 0, pueden variar y cada vez que el sistema se vuelve a optimizar para
obtener una tilapia de 700 g. Con los cambios en la eficiencia del filtro biológico,
más o menos el amoniaco se nitrifica, lo que conduce a otra tasa de
crecimiento. Por lo tanto, con una mejor técnica de filtrado, son posibles tamaños
de ración más grandes y un mayor contenido de proteína del alimento, el período
de crianza es, por lo tanto, más corto y el beneficio mayor como se puede ver en
la Tabla 1 de análisis de escenarios .
Tabla 1 . Especificación de escenarios y resultados de análisis.
Guión BF MF Densidad de Retorno neto Días para
almacenamiento [g / litro] [centavos / litro / día] cosechar [días]

Base 1 1 0.13 0,034 265

1 0,95 1.0 0.13 −12% +14

2 0,95 0.5 0.13 + 44% +20


0.5

3 0,80 1.0 0.13 −80% +86

44 0,85 0.5 0,07 −44% +55


0.5

55 0,85 0.5 0.13 −70% +77


0.5

El escenario base en negrita representa la situación ideal del sistema de acuaponia .


La Tabla 1 muestra que se pueden producir 700 g de tilapia en 265 días con un
retorno neto de 0.034 centavos / litro / día utilizando una proteína dietética al 20
por ciento . Los escenarios 1–4 muestran el aumento de días para la cosecha y la
disminución del rendimiento neto si la eficiencia del tratamiento de aguas
residualeslas unidades disminuyen con los efectos del filtro biológico
predominante. Por ejemplo, los rendimientos caen en más del 80 por ciento de
los niveles óptimos para BF por debajo del 80%, independientemente del nivel de
eficiencia de MF. Por ejemplo, una disminución en BF de 1.0 a 0.95 conduce a
un aumento aproximado de 20 días en el tiempo de cosecha para todos los niveles
de almacenamiento. Sin embargo, la disminución de BF a 0.85 causa un aumento
del tiempo de cosecha de 55 días para una densidad de 0.07 peces / litro y
aumenta 77 días para las densidades de 0.13. La caída debida al MF es causada
por la ineficiencia de eliminación de sólidos y la necesidad de una mayor
aireación. En escenarios adicionales, se analizó la sensibilidad del sistema a la
densidad de población. De este modo, los experimentos se repitieron, pero
fijando el MF al 50% y permitiendo un rango de densidades de almacenamiento
y biofiltroniveles de eficiencia Los resultados muestran que los aumentos en la
densidad de población no producen aumentos adicionales en los 267 días óptimos
necesarios para producir una tilapia de 700 g. Esperábamos este resultado,
porque la relativa ausencia de retroalimentaciones metabólicas en el filtro
biológico y la poca demanda bioquímica de oxígeno en el filtro mecánico permite
que los retornos aumenten a medida que aumenta la densidad de almacenamiento
(S o), hasta un máximo de 0.061 centavos / litro / día para una densidad inicial de
0,13 peces / litro, que es el máximo recomendado en la densidad de población en
sistemas reales[19].
En el intento de simulación, la producción de tilapia se escalonó en cinco tanques
de cría, de modo que un tanque de cría se cosecha cada 6 semanas después de un
año. Los peces se mueven de una cría a la siguiente después de un cierto
período. La Fig. 6 , la Fig. 7 muestran como ejemplo una descripción detallada de
la optimización para la cual las eficiencias del filtro biológico y del filtro
mecánico del sistema se establecieron en 0.95 y 0.5, respectivamente. La
concentración máxima de amoníaco UAN max = 0.2 mg / l. Para un control óptimo,
tanto el tamaño de la ración R como el contenido de proteína D siempre fueron lo
más altos posible, pero tan pronto como la concentración de amoníaco se acercó
al Límite crítico de 0.2 mg / l, los valores volvieron a bajar. Esto se atribuye al
precio relativamente caro del agua de 2,27 euros / ly la concentración de
amoníaco está determinada significativamente por la cantidad de proteínas
consumidas por los peces. Por lo tanto, el crecimiento se retrasará, pero la
ganancia es, sin embargo, mayor que la de un alto tipo de cambio de agua.
1. Descargar: Descargar imagen de alta resolución (219KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.6 . Crecimiento de peces en diferentes tanques, densidad de población y
parámetros de control.
1. Descargar: Descargar imagen de alta resolución (399KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.7 . Concentración de nutrientes / suministro de agua dulce.

3.2 . Instalador: monitoreo y asistencia de servicio remoto

Otro ejemplo de servicio para el uso de IoT en el sistema es un sistema de


monitoreo y asistencia de servicio remoto. Utiliza datos de fallas históricas en el
sistema y el conocimiento experto para realizar un diagnóstico remoto del
sistema y producir algunas recomendaciones para el servicio o intervenir
automáticamente, por ejemplo, en caso de falla de aireación. En primer lugar, se
compila una lista de posibles áreas problemáticas y parámetros de calidad del
agua de acuerdo con su importancia relativa y el tiempo de respuesta requerido
que cada uno requerirá. Las prioridades de soporte vital en acuicultura comienzan
con agua, seguidas de niveles adecuados de oxígeno disuelto [20]. En los tiempos
de respuesta, los parámetros que requieren un tiempo de respuesta rápido: los
minutos incluyen energía eléctrica, nivel de agua en el tanque, oxígeno disuelto,
sistema de aireación / sistema de oxígeno, tiempo de respuesta moderado: las
horas incluyen temperatura, dióxido de carbono y normalmente cambia
lentamente; los días incluyen pH, alcalinidad, amoniaco-nitrógeno nitrito-
nitrógeno, nitrato-nitrógeno. Se desarrolla un sistema difuso para el diagnóstico
mediante la extracción de reglas de los datos recopilados, es decir, los datos de la
nube pública y los sitios de demostración.
Según la variación de los parámetros monitoreados, se generarán alertas y
recomendaciones de soluciones si la lectura va más allá de las tolerancias del
sistema. Algunas reglas seleccionadas del sistema se muestran en la Tabla 2 .
Tabla 2 . Reglas de asistencia remota.
Nr. Condición Conclusión Prioridad Acción sugerida

1 O2 cM –O2 cBi  > El sensor de O 2 del Alto Cambiar el aireador de


2 tanque i está emergencia; Verifique y eventualmente
defectuoso o la calibre el sensor. Donde O2 cM es el valor
aireación del tanque máximo de la concentración de oxígeno,
está dañada O2 cBi es el valor actual de la
concentración de oxígeno.

2 NO 3c  > 100 Pecera i Falla del Comprobar controlador


mg / l controlador de
nutrientes

3 NH4 cC – Evolución Alto Compruebe el funcionamiento del biofiltro


NH4 mFB  <0.5 y defectuosa del (si el flujo de líquido se distribuye
NH4 cC – proceso de uniformemente en la sección del biofiltro),
NH4 mFB  > 0 nitrificación. donde NH4 cC es el valor actual de la
concentración de amonio, NH4 mFB es la
concentración de amonio medida en la
última hora dentro del filtro biológico.

4 4 pH c  ≤ 6,5 El pH es inferior al Normal Compruebe si hay un agente alcalino en el


límite admisible. circuito de control Y aumente el flujo de
recirculación de agua O aumente el flujo
Nr. Condición Conclusión Prioridad Acción sugerida

de actualización de agua, donde el pH c es


el valor actual del pH.

5 5 {GMI i ∈ (50– La biomasa de Normal Verifique las condiciones tecnológicas


700 g)} Y peces en el tanque Y / O la tasa de alimentos debe
{SGR <3%} i no se está adaptarse, donde GMI i es el peso
desarrollando promedio del individuo en el tanque i,
normal SGR es la tasa de crecimiento
específica, SGR k  = 100 (lnB k - lnB k – 1 ) /
t , donde t es el tiempo entre las dos
últimas pesadas.

El escenario base en negrita representa la situación ideal del sistema de acuaponia .


El motor de inferencia utiliza una estrategia de encadenamiento hacia adelante,
basada en las reglas de producción anteriores y el razonamiento es de tipo
deductivo, desde los hechos hasta el objetivo. La Fig. 8 , la Fig. 9 muestran los
resultados de este servicio IoT en modo automático, regla 5 y 2,
respectivamente. Las alarmas y las medidas correctivas se activan como se puede
ver en las Figuras, por ejemplo, el 04.11. en la Fig. 8 fueron problemas de nitrato
en este caso se simuló una interrupción del controlador, y en la Fig. 9 , se predice
que el crecimiento de los peces será más lento de lo esperado.
1. Descargar: Descargar imagen de alta resolución (299KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.8 . Alarma de concentración de nitrato.
1. Descargar: Descargar imagen de alta resolución (355KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.9 . Alarma de la tasa de crecimiento de los peces.
Por lo tanto, con IoT en su lugar, los activos y los recursos de la acuaponía se
pueden utilizar mucho mejor, los problemas se pueden detectar temprano, se
pueden utilizar vastas fuentes de información en el análisis, se requiere menos
mano de obra y puede ser más productivo, monitorear, Los procesos de
diagnóstico, de negocios, pueden ser más eficientes y llevar a una mejora directa
en el rendimiento y, por lo tanto, en los ingresos Por ejemplo, para el sistema de
demostración INAPRO, ya se podría demostrar que el intercambio de
información entre sitios puede ayudar a detectar problemas operativos con
bastante anticipación. Específicamente, uno de los sitios de nueva construcción
mostraba una alta turbidez en el sistema RAS, lo cual nunca fue un problema en
los otros sistemas, aunque todos los sitios tenían la misma marca de sistemas de
filtrado. Un análisis adicional de los datos en el sitio mostró que el sistema estaba
equivocado operado.

4 . Análisis de robustez de los modelos basados en IoT


Se realizó un análisis de robustez para todos los modelos para mostrar las
ventajas del sistema asistido por IoT. La robustez de los diversos modelos,
modelos de crecimiento de peces y cultivos, modelos para
la optimización econométrica se evaluaron utilizando simulaciones de Monte
Carlo que revelan la superioridad de los modelos basados en IoT. De este modo,
por un lado, los parámetros de los modelos, como el coeficiente de temperatura
de los modelos de peces, se adaptaron utilizando datos de un sitio y, por otro
lado, con datos de los cinco sitios. Por ejemplo, después de encontrar la solución
óptima del modelo híbrido de optimización energética [15]utilizando el escenario
de condiciones meteorológicas medias de todos los sitios (viento medio y
radiación solar), se realizó un análisis para estudiar lo que sucede en caso de
desviación de este escenario. Los parámetros (radiación solar, velocidad del
viento, precio de energía de la red eléctrica) tienen un gran impacto en el análisis
de costos del sistema, ya que la eficiencia de los componentes renovables del
sistema híbrido depende en gran medida de estos parámetros, es decir, el sistema
se vuelve más factible si el la velocidad del viento es mayor, la cantidad de
radiación solar es mayor y el precio de la energía primaria es menor y
viceversa. El análisis de sensibilidad estudiado en [15] mostró que el modelo de
optimización es tolerante a las variaciones de la velocidad del viento, la radiación
solar y el precio de la energía primaria de hasta 15%, 11% y 5%,
respectivamente.
En los otros modelos del sistema de acuaponia , nuestro análisis sugiere que los
modelos de crecimiento de peces adaptados con datos basados en IoT son
generalmente tolerantes a las variaciones del coeficx| iente de temperatura de
hasta 15% en comparación con el 2% de los modelos anteriores y los modelos
econométricos tolerados para Por ejemplo, una variación del tamaño de
la ración de alimento para peces de hasta un 4% en comparación con los antiguos
modelos no basados en IoT.
5 . Desafíos
Se han demostrado los beneficios de implementar IoT basado en la nube
para acuaponia flexible, pero existen algunos desafíos que no deben descuidarse
y deben abordarse. El primer desafío "conectividad" ya se ha mencionado en el
texto. La falta de estándares de IoT provoca una menor interoperabilidad y se
utilizan todo tipo de dispositivos de automatización de diferentes marcas o
incluso de una sola marca con diversos protocolos que son incompatibles en la
capa de datos.
Otro elemento importante que no debe subestimarse es el costo de implementar
las soluciones de IoT (los costos iniciales, el costo de los sensores habilitados
para IoT es relativamente alto, la compra de datos móviles para monitoreo y
almacenamiento en tiempo real en la nube o centros remotos para
análisis). Como costo adicional para el sistema en ejecución ya existente, a
menudo se percibe como abrumador. Por lo tanto, la elección de la plataforma
IoT debe basarse en los determinantes, como la facilidad de uso y la capacitación
y la facilidad de adopción, etc.
El otro problema es la falta de conocimientos adecuados: la mayoría de los
propietarios u operadores de acuaponia no tienen educación en TI. Pueden tener
toda la información pero no pueden utilizarla. Más grave es también que en
muchos lugares no hay suficiente personal calificado para desplegar la tecnología
IoT al máximo.
Otro factor importante es que se requiere la disponibilidad de electricidad
confiable e internet móvil para la acuaponia.
Por último, pero no menos importante, los conocidos problemas de
seguridad. Los dispositivos IoT se comunican automáticamente entre sí. En
ausencia de una red segura y debidamente encriptada, la adopción de IoT podría
conducir a nuevos desafíos y vulnerabilidades de seguridad [21] , [22] , [23] . Por
otro lado, la IoT basada en la nube se puede introducir en diferentes etapas, como
la distribución de alertas, la recopilación de datos en una base de datos
centralizada y el control de la planta mediante el cálculo basado en la nube.

6 . Conclusiones
Se presentó una mejora de la pirámide de automatización para un sistema
de acuaponia con análisis predictivos de IoT basados en la nube. Ayuda a
automatizar la recopilación y el análisis de datos en tiempo real, es decir,
supervisar y analizar continuamente las condiciones de los peces y las plantas en
diferentes sitios, tomar medidas correctivas automatizadas para equilibrar la
desviación en función de los datos ideales de los expertos para aumentar los
ingresos y reducir los riesgos de los datos. datos falsos y reducir las interacciones
humanas manuales. Se pueden ver varios parámetros en tiempo real y
recolectarse del sistema (temperatura, pH, humedad del suelo , O 2contenido,
etc.). El operador conectado a la nube de operaciones puede controlar los
diversos sistemas de acuaponia, como calentadores, luces y alimentadores de
peces, o cambiar los parámetros del equipo de filtrado de acuerdo con los
derechos de intervención de su sistema, de forma remota. Todos los datos
recopilados se pueden analizar para obtener una idea del crecimiento, así como
de la utilización de energía / sistemas, y se pueden utilizar para hacer robustos los
modelos de análisis predictivo. Los sistemas IoT pueden producir mejoras sin
precedentes en muchas áreas del sistema de acuaponia, pero necesitan MES, ERP
y SCADA para aprovechar su verdadero potencial y sus beneficios.
En el futuro, los servicios deben integrarse en el sistema en línea para las pruebas
e investigaremos los beneficios monetarios de IoT en acuaponía (costos de
instalación y funcionamiento) y problemas de seguridad y soberanía del sistema /
datos.

Conflicto de intereses
Divas Karimanzira declara que no tiene conflicto de intereses. Thomas
Rauschenbach declara que no tiene conflicto de intereses.

Agradecimientos
La investigación que condujo a estos resultados ha recibido financiación del
Séptimo Programa Marco de la Unión Europea FP7-ENV-2013-WATER-INNO-
DEMO en virtud del acuerdo de subvención N ° 619137 . Agradecemos a los
revisores anónimos y los editores por sus valiosos comentarios que son útiles
para mejorar en gran medida la calidad de este manuscrito.