Nanotecnología: una pequeña

solución a los grandes problemas

#sociedad #I+D+i

Partículas invisibles que combaten las células cancerígenas,

microprocesadores más rápidos que consumen menos energía, baterías
10 veces más duraderas o placas solares que rinden el doble. Estas son
solo algunas de las muchas aplicaciones de la nanotecnología, una
disciplina con todos los ingredientes para convertirse en una nueva
revolución industrial.

La nanotecnología modifica la estructura molecular de los materiales para crear objetos inteligentes.

La nanotecnología y su universo microscópico ofrecen posibilidades gigantescas

para la ciencia y la industria contemporáneas. Este campo, que floreció entre los
años 60 y 80, ha crecido con fuerza en las últimas dos décadas con un mercado global
en auge cuyo valor superará los 125.000 millones de dólares el próximo lustro, según
apunta el informe Global Nanotechnology Market (by Component and Applications) de
Research & Markets que presenta previsiones de cara a 2024.

¿QUÉ ES LA NANOTECNOLOGÍA?

Esta rama tecnológica manipula la estructura molecular de los materiales para

cambiar sus propiedades intrínsecas y obtener otros con aplicaciones
revolucionarias. Es el caso del grafeno —carbono modificado más duro que el acero,
más ligero que el aluminio y casi transparente— o las nanopartículas que se emplean en
áreas como la electrónica, la energía, la biomedicina o la defensa.

En 1959 el premio Nobel y físico norteamericano Richard Feynman fue el primero en

hablar de las aplicaciones de la nanotecnología en el Instituto Tecnológico de California
(Caltech). Con el siglo XXI llegó la consolidación, la comercialización y el apogeo de
esta área que engloba otras como la microfabricación, la química orgánica o la biología
molecular. Solo en Estados Unidos, por ejemplo, se invirtieron más de 18.000
millones de dólares entre 2001 y 2013 a través del NNI (National Nanotechnology
Iniciative) para convertir este sector en motor de crecimiento económico y
competitividad.
 La nanotecnología, de cerca.

  VER INFOGRAFÍA: La nanotecnología, de cerca [PDF]Enlace externo, se abre

en ventana nueva.

TIPOS DE NANOTECNOLOGÍA
Los diferentes tipos de nanotecnología se clasifican según su forma de proceder (top-
down o  bottom-up) y de la naturaleza del medio en el que trabajan (seca o húmeda):

 Descendente (top-down)

Los mecanismos y las estructuras se miniaturizan a escala nanométrica —con un

tamaño de 1 a 100 nanómetros—. Es la más frecuente hasta la fecha, sobre todo en el
ámbito de la electrónica.

 Ascendente (bottom-up)

Se comienza con una estructura nanométrica —una molécula, por ejemplo— y mediante
un proceso de montaje o auto ensamblado se crea un mecanismo mayor que el inicial.

 Nanotecnología seca

Sirve para fabricar estructuras en carbón, silicio, materiales inorgánicos, metales

y semiconductores que no funcionan con la humedad.

 Nanotecnología húmeda

Se basa en sistemas biológicos presentes en un entorno acuoso —incluyendo material

genético, membranas, enzimas y otros componentes celulares—.

EJEMPLOS Y APLICACIONES DE LA NANOTECNOLOGÍA

Las aplicaciones de la nanotecnología y los nanomateriales abarcan todo tipo de

sectores industriales. Lo más habitual es encontrarlos en estas áreas:

  Electrónica

Los nanotubos de carbono están cerca de sustituir al silicio como material para fabricar
microchips y dispositivos más pequeños, veloces y eficientes, así como nanocables
cuánticos más ligeros, conductores y resistentes. Las propiedades del grafeno lo
convierten en un candidato ideal para el desarrollo de pantallas táctiles flexibles.

  Energía
Un nuevo semiconductor ideado por la Universidad de Kyoto permite fabricar paneles
solares que duplican la cantidad de luz solar convertida en corriente eléctrica. La
nanotecnología también abarata costes, produce turbinas eólicas más fuertes y ligeras,
mejora el rendimiento de los combustibles y, gracias al aislamiento térmico de algunos
nanocomponentes, puede ahorrar energía.

  Biomedicina

Las propiedades de algunos nanomateriales los hacen idóneos para mejorar el

diagnóstico precoz y el tratamiento de enfermedades neurodegenerativas o del cáncer.
Son capaces de atacar las células cancerígenas de forma selectiva sin dañar al resto de
células sanas. Algunas nanopartículas también se han utilizado para la mejora de
productos farmacéuticos como las cremas solares.

  Medio ambiente

La purificación del aire con iones, la depuración de aguas residuales con nanoburbujas o
los sistemas de nanofiltración para los metales pesados son algunas de sus aplicaciones
positivas para el medioambiente. También existen nanocatalizadores para que las
reacciones químicas resulten más eficientes y contaminen menos.

  Alimentación

En este campo se podrían usar nanobiosensores para detectar la presencia de

patógenos en los alimentos o nanocompuestos para mejorar la producción alimentaria al
aumentar la resistencia mecánica y térmica, y disminuir la transferencia de oxígeno en
los productos envasados.

  Textil

La nanotecnología posibilita el desarrollo de tejidos inteligentes que ni se manchen ni se

arruguen, así como de materiales más resistentes, ligeros y duraderos para fabricar
cascos de moto o equipamiento deportivo.

LA NANOTECNOLOGÍA EN EL FUTURO

El futuro de la nanotecnología vislumbra luces y algunas sombras en el horizonte. Por

un lado, se prevé un crecimiento global del sector impulsado por los avances
tecnológicos, el mayor apoyo gubernamental, el aumento de la inversión privada y
la demanda creciente de dispositivos más pequeños, entre otros. Sin embargo, los
riesgos medioambientales, sanitarios y de seguridad de la nanotecnología, y las
preocupaciones relacionadas con su comercialización podrían obstaculizar la expansión
del mercado.

Estados Unidos, Brasil y Alemania liderarán la industria nanotecnológica en

2024, con una importante presencia importante en el Top 15 de países asiáticos como
Japón, China, Corea del Sur, la India, Taiwán y Malasia. El sector de los cosméticos
escalará posiciones y le arrebatará el tercer puesto al biomédico en un ranking que
encabezarán, al igual que ahora, la electrónica y la energía.

……………….

Historia del Big Data

El término "big data" se refiere a los datos que son tan grandes, rápidos o
complejos que es difícil o imposible procesarlos con los métodos tradicionales.
El acto de acceder y almacenar grandes cantidades de información para la
analítica ha existido desde hace mucho tiempo. Pero el concepto de big data
cobró impulso a principios de la década de 2000 cuando el analista de la
industria, Doug Laney, articuló la definición actual de grandes datos como las
tres V:

Volumen: Las organizaciones recopilan datos de diversas fuentes, como

transacciones comerciales, dispositivos inteligentes (IO), equipo industrial,
vídeos, medios sociales y más. En el pasado, su almacenamiento habría sido
un problema - pero el almacenamiento más barato en plataformas como los
data lakes y el Hadoop han aliviado la carga.

Velocidad: Con el crecimiento del Internet de las Cosas, los datos llegan a las
empresas a una velocidad sin precedentes y deben ser manejados de manera
oportuna. Las etiquetas RFID, los sensores y los medidores inteligentes están
impulsando la necesidad de manejar estos torrentes de datos en tiempo casi
real.
Variedad : Los datos se presentan en todo tipo de formatos: desde datos
numéricos estructurados en bases de datos tradicionales hasta documentos de
texto no estructurados, correos electrónicos, vídeos, audios, datos de teletipo y
transacciones financieras.

En SAS, consideramos otras dos dimensiones cuando se trata del big data:

Variabilidad:

Además de las crecientes velocidades y variedades de datos, los flujos de

datos son impredecibles, cambian a menudo y varían mucho. Es un reto, pero
las empresas necesitan saber cuándo algo está de moda en los medios
sociales, y cómo gestionar los picos de carga de datos diarios, estacionales y
desencadenados por eventos.

Veracidad:

La veracidad se refiere a la calidad de los datos. Debido a que los datos

provienen de tantas fuentes diferentes, es difícil vincular, comparar, limpiar y
transformar los datos a través de los sistemas. Las empresas necesitan
conectar y correlacionar las relaciones, las jerarquías y los múltiples vínculos
de datos. De lo contrario, sus datos pueden salirse de control rápidamente.
 Producción optimizada con analítica de big data
En la Corporación USG, el uso de big data con analítica predictiva es clave
para comprender plenamente cómo se hacen los productos y cómo funcionan.
Y en un mercado con un aluvión de competencia global, los fabricantes como
USG saben la importancia de producir productos de alta calidad a un precio
asequible. Usando la Plataforma SAS, USG ha eliminado las conjeturas y
optimizado sus inversiones en producción. Los resultados: una mejor calidad
de los productos y el tiempo de comercialización.

¿Por qué son importante el big data?

La importancia del big data no gira en torno a la cantidad de datos que tienes,
sino en lo que haces con ellos. Puedes tomar datos de cualquier fuente y
analizarlos para encontrar respuestas que permitan 1) reducir los costos, 2)
reducir el tiempo, 3) desarrollar nuevos productos y optimizar las ofertas, y 4)
tomar decisiones inteligentes. Cuando se combinan grandes datos
con análisis de alta potencia, se pueden realizar tareas relacionadas con los
negocios como:

 Determinar las causas de origen de fallos, problemas y defectos casi en tiempo

real.

 Generar cupones en el punto de venta basados en los hábitos de compra del

cliente.

 Recalcular portafolios de riesgo completos en minutos.

 Detecte el comportamiento fraudulento antes de que afecte a su organización.

Big data en el mundo de hoy

Big Data - y la forma en que las organizaciones gestionan y obtienen la
información - está cambiando la forma en que el mundo utiliza la información
de los negocios. Más información sobre el impacto del big data.

Integración de datos Deja Vu: Los grandes datos revitalizan la ID

Para seguir siendo pertinente, la integración de datos debe funcionar con

muchos tipos y fuentes de datos diferentes, y a la vez operar con diferentes
 latencias, desde el tiempo real hasta la transmisión. Aprenda cómo el ID ha
evolucionado para cumplir con los requisitos modernos.

Lea el documento

Cómo generar su estrategia de datos y analítica

¿Se pregunta cómo construir una organización analítica de clase mundial?

Asegurése de que la información es confiable. Potencie las decisiones basadas
en datos en todas las líneas de negocio. Impulse la estrategia. Y conozca cómo
obtener hasta el último pedazo de valor del big data.

Lea el e-book.

El data lake y el almacén de datos... conozca la diferencia

¿Es el término "data lake" simple exageración de marketing? ¿O es un nuevo

nombre para un almacén de datos? Phil Simon deja en claro lo que es un lago
de datos, cómo funciona y cuándo podría usted necesitar uno.

Lea el artículo

Nuevo ecosistema analítico

La nube, los contenedores y la potencia de cálculo a demanda - una encuesta

de SAS a más de 1.000 organizaciones explora la adopción de la tecnología e
ilustra cómo la adopción de enfoques específicos le posiciona para hacer
evolucionar con éxito sus ecosistemas analíticos.

Lea el e-book.

¿Quién se centra en el big data?

El big data es un gran problema para las industrias. El ataque de la IoT y otros
dispositivos conectados ha creado un aumento masivo en la cantidad de
información que las organizaciones recolectan, manejan y analizan. Junto con
el big data viene el potencial de desbloquear grandes insights - para cada
industria, de grande a pequeña.
 Select an industry

Más información acerca de industrias que emplean esta tecnología

El deep learning anhela el big data porque es

necesaria para aislar patrones ocultos y para
encontrar respuestas sin sobrecargar los
datos. Con el deep learning, cuantos más
datos de buena calidad tenga, mejores serán
los resultados.Wayne Thompson SAS Product Manager
Más información sobre Deep Learning

Innovación impulsada por los datos

Los exabytes actuales del big data abren innumerables oportunidades para
capturar insights que impulsen la innovación. Desde una previsión más precisa
hasta una mayor eficiencia operativa y mejores experiencias de los clientes, los
usos sofisticados del big data y analítica impulsan avances que pueden
cambiar nuestro mundo: mejorando vidas, curando enfermedades, protegiendo
a los vulnerables y conservando recursos.
 

Cómo funciona Big Data

Antes de que las empresas puedan poner a trabajar el big data, deben
considerar cómo fluyen entre una multitud de lugares, fuentes, sistemas,
propietarios y usuarios. Hay cinco pasos clave para hacerse cargo de este gran
 "centro de datos" que incluye datos tradicionales y estructurados junto con
datos no estructurados y semiestructurados:

 Establezca una gran estrategia de datos.

 Identifique fuentes de big data.

 Acceda, gestione y almacene los datos.

 Analice los datos.

 Tome decisiones basadas en datos.

1) Establezca una estrategia de big data

A un alto nivel, una estrategia de big data es un plan diseñado para ayudarle a
supervisar y mejorar la forma en que adquiere, almacena, gestiona, comparte y
utiliza los datos dentro y fuera de su organización. Una estrategia de big data
establece el escenario para el éxito del negocio en medio de una abundancia
de datos. Cuando se desarrolla una estrategia, es importante considerar las
metas e iniciativas de negocios y tecnología existentes y futuras. Esto exige
tratar los grandes datos como cualquier otro activo empresarial valioso, en
lugar de considerarlos sólo como un subproducto de las aplicaciones.
 Haga clic en la infografía para conocer más sobre el big data.

2) Conozca las fuentes del big data

 El streamingde datos proviene del Internet de las Cosas (IoT) y otros

dispositivos conectados que fluyen a los sistemas de TI desde los vestidos, los
coches inteligentes, los dispositivos médicos, los equipos industriales y más.
Puede analizar este big data a medida que llegan, decidiendo qué datos
guardar o no guardar, y cuáles necesitan un análisis más profundo.

 Los datos de losmedios sociales provienen de interacciones en Facebook,

YouTube, Instagram, etc. Esto incluye big data en forma de imágenes, vídeos,
voz, texto y sonido, útiles para la comercialización, las ventas y las funciones
de apoyo. Estos datos suelen estar en formas no estructuradas o
semiestructuradas, por lo que plantean un desafío único para el consumo y el
análisis.

 Los datos disponibles públicamente provienen de cantidades masivas de

fuentes de datos abiertos como el data.gov del gobierno de los Estados Unidos,
el World Factbook de la CIA o el Open Data Portal de la Unión Europea.

 Otros big data puede provenir de data lakes, fuentes de datos en la nube,

proveedores y clientes.

3) Acceda, gestione y almacene big data

Los sistemas informáticos modernos proporcionan la velocidad, la potencia y la

flexibilidad necesarias para acceder rápidamente a cantidades masivas y tipos
de big data. Además de un acceso confiable, las empresas también necesitan
métodos para integrar los datos, asegurar la calidad de los mismos,
proporcionar un gobierno y un almacenamiento de datos, y preparar los datos
para el análisis. Algunos datos pueden almacenarse en data warehouse
tradicional, pero también hay opciones flexibles y de bajo costo para almacenar
y manejar big data a través de soluciones de nube, lagos de datos y Hadoop.

4) Analice el big data

Con tecnologías de alto rendimiento como la computación en red o analítica en

memoria, las organizaciones pueden optar por utilizar todos sus big data para
análisis. Otro enfoque es determinar por adelantado qué datos son relevantes
antes de analizarlos. De cualquier manera, el análisis de big data es cómo las
empresas obtienen valor e información a partir de los datos. Cada vez más, el
big data alimenta los esfuerzos analíticos avanzados de hoy en día, como la
inteligencia artificial.

5) Tome decisiones inteligentes, basadas en datos

Los datos bien administrados y confiables conducen a un analítica y decisiones

confiables. Para seguir siendo competitivas, las empresas necesitan
aprovechar todo el valor del big data y operar de una manera basada en los
datos, tomando decisiones basadas en la evidencia presentada por los grandes
datos en lugar de en el instinto visceral. Los beneficios de ser impulsado por los
datos son claros. Las organizaciones basadas en datos se desempeñan mejor,
son operacionalmente más predecibles y son más rentables.

Pasos siguientes
El big data exige una gestión de datos sofisticada y técnicas de analítica
avanzada. SAS le tiene cubierto.

Descubra la Plataforma SAS

Preparación de datos SAS

Para preparar el big data para la analítica primero hay que acceder, perfilar,
limpiar y transformar los datos. Con una variedad de fuents de big data,
tamaños y velocidades, la preparación de los datos puede consumir enormes
cantidades de tiempo. La preparación de datos de SAS simplifica la tarea, de
modo que puede preparar los datos sin necesidad de codificación, habilidades
especializadas o dependencia de la informática.

Más información sobre la preparación de datos del SAS