La cara oculta de los datos en el tiempo

El análisis de datos para ir más allá de lo evidente.

La clave del ajedrez consiste en escoger con sutileza las mejores alternativas analizando los posibles movimientos del rival, pero ¿depende nuestra elección del juicio realizado sobre la próxima jugada, sobre las dos, o sobre las diez siguientes? La realidad funciona como una partida, nos contamos una historia simplificada obviando innumerables detalles y acabamos convencidos de que esta se reduce a unos pocos elementos que controlamos como peones.  

ajedrez-01

El análisis requiere simplificar un sistema para abordarlo, es común que en nuestra vida diaria calculemos usando una regla de tres o estimemos un valor usando el promedio, es decir asumimos que todos los sistemas son lineales y que todas las distribuciones son normales. La realidad es una mezcla de no linealidades, dependencias y discontinuidades, y nuestros modelos mentales son sólo aproximaciones vagas a ellos. Es decir, al margen de cada modelo existen un sinfín de detalles ocultos donde la información subyacente tiene respuestas a lo que queremos averiguar y que sólo se hacen visibles a través de la complejidad.  

Relaciones y correlaciones 

La mayoría de los análisis de señales de IoT parten de un supuesto básico, cada serie de tiempo marca una realidad independiente y puede ser comprendida por sí misma sin requerir información extra, esto es claramente contraintuitivo, podemos encontrar que en un sistema tan sencillo como un motor, las partes mecánicas y las eléctricas actúan de forma inseparable, aunque podamos medir vibraciones y corrientes eléctricas de forma separada. ¿Como leer los efectos eléctricos provocados por las vibraciones y viceversa? ¿Y cómo podríamos extender este proceso cuando tengamos 5, 10 o 100 variables monitoreadas de forma simultánea que se correlacionan entre sí? Esto pone de manifiesto la necesidad de herramientas que permitan encontrar información común entre variables, algunas herramientas como los análisis de correlación permiten hacerlo a través de visualizaciones con dos o más variables, si aparecen valores altos de correlación implica que la información contenida es redundante y podríamos, incluso llegar a prescindir de una de ellas, por el contrario, valores bajos indican que ambas variables contienen información independiente y distinta. 

La causa y la correlación 

Una gran cantidad de herramientas permiten realizar el análisis de datos que en ocasiones los transforman en información sobre simplificada y en otros, en parámetros densos que no responden a las preguntas fundamentales para nuestro negocio casi todas formuladas en términos de causalidad: "si la condición X causa una falla Y" o "si decidimos hacer Y ocurrirá Z". Más que estadísticas y análisis de tendencias necesitamos respuestas, respuestas sencillas que pueden generarse a partir de un análisis de causalidad.  

Mostrar causalidad de un evento sobre otro, como cuando una condición monitoreada causa una falla puede resumir gran parte de nuestro trabajo, habitualmente nos limitamos a encontrar correlaciones entre gráficas de variables; muchas personas confunden correlación con causalidad, es decir que dos fenómenos aparezcan juntos no implica que uno cause al otro, existen varias posibilidades adicionales desde que un tercer evento oculto cause a ambos hasta que sean mera coincidencia. Una alta probabilidad de causalidad entre dos eventos implica la presencia de al menos tres elementos:   

  • Prelación: Uno de los eventos aparece siempre antes que el otro. 
  • Asociación: Existe un hecho físico, químico o de otra índole entre los dos eventos que los relacionan. 
  • Dependencia: La aparición de uno de los eventos implica siempre la aparición o no del otro.  

analitica

Las herramientas de los nuevos tiempos 

La analítica avanzada puede indagar en sistemas complejos analizando prelaciones y dependencias sin sobre simplificarlos, manejan las no linealidades, reconocen las dependencias entre variables y pueden incorporar la discontinuidad de los datos sin problemas y finalmente con su aplicación correcta, estas herramientas, que incluyen operaciones y estructuras complejas, permiten transformar un conjunto de valores difícil de comprender en respuestas sencillas como valores numéricos, probabilidades o valores de verdadero o falso. Piense en los modernos sistemas de inteligencia artificial, como los utilizados para el reconocimiento de imágenes, como una caja a la que entran miles de puntos de imagen y son transformados en la respuesta a la pregunta de si la imagen corresponde a usted o no. 

Estas herramientas han venido para solucionar el problema fundamental de la complejidad de los datos ahorrando tiempo, esfuerzo y capacidades de los seres humanos para que estas sean invertidas en procesos de toma de decisiones. Ahora podemos percibir nuestros entornos dentro de la riqueza de los datos y sus variaciones sin caer en la parálisis e ignorancia de la simplicidad del análisis tradicional en cual nadamos todos los días y nos hace recordar a Yasmina Kahdra cuando decía: "El pez rojo no puede concebir la complejidad de los océanos desde la quietud de su acuario". 

firma juan

Prepárate para el lanzamiento de Predictto con el curso: IoT y el mantenimiento predictivo.  Conoce de forma sencilla cada uno de los aspectos básicos de esta nueva era del mantenimiento 4.0 ¡Ingresa aquí!

arrow_back

La cara oculta de los datos en el tiempo

El análisis de datos para ir más allá de lo evidente.

La clave del ajedrez consiste en escoger con sutileza las mejores alternativas analizando los posibles movimientos del rival, pero ¿depende nuestra elección del juicio realizado sobre la próxima jugada, sobre las dos, o sobre las diez siguientes? La realidad funciona como una partida, nos contamos una historia simplificada obviando innumerables detalles y acabamos convencidos de que esta se reduce a unos pocos elementos que controlamos como peones.  

ajedrez-01

El análisis requiere simplificar un sistema para abordarlo, es común que en nuestra vida diaria calculemos usando una regla de tres o estimemos un valor usando el promedio, es decir asumimos que todos los sistemas son lineales y que todas las distribuciones son normales. La realidad es una mezcla de no linealidades, dependencias y discontinuidades, y nuestros modelos mentales son sólo aproximaciones vagas a ellos. Es decir, al margen de cada modelo existen un sinfín de detalles ocultos donde la información subyacente tiene respuestas a lo que queremos averiguar y que sólo se hacen visibles a través de la complejidad.  

Relaciones y correlaciones 

La mayoría de los análisis de señales de IoT parten de un supuesto básico, cada serie de tiempo marca una realidad independiente y puede ser comprendida por sí misma sin requerir información extra, esto es claramente contraintuitivo, podemos encontrar que en un sistema tan sencillo como un motor, las partes mecánicas y las eléctricas actúan de forma inseparable, aunque podamos medir vibraciones y corrientes eléctricas de forma separada. ¿Como leer los efectos eléctricos provocados por las vibraciones y viceversa? ¿Y cómo podríamos extender este proceso cuando tengamos 5, 10 o 100 variables monitoreadas de forma simultánea que se correlacionan entre sí? Esto pone de manifiesto la necesidad de herramientas que permitan encontrar información común entre variables, algunas herramientas como los análisis de correlación permiten hacerlo a través de visualizaciones con dos o más variables, si aparecen valores altos de correlación implica que la información contenida es redundante y podríamos, incluso llegar a prescindir de una de ellas, por el contrario, valores bajos indican que ambas variables contienen información independiente y distinta. 

La causa y la correlación 

Una gran cantidad de herramientas permiten realizar el análisis de datos que en ocasiones los transforman en información sobre simplificada y en otros, en parámetros densos que no responden a las preguntas fundamentales para nuestro negocio casi todas formuladas en términos de causalidad: "si la condición X causa una falla Y" o "si decidimos hacer Y ocurrirá Z". Más que estadísticas y análisis de tendencias necesitamos respuestas, respuestas sencillas que pueden generarse a partir de un análisis de causalidad.  

Mostrar causalidad de un evento sobre otro, como cuando una condición monitoreada causa una falla puede resumir gran parte de nuestro trabajo, habitualmente nos limitamos a encontrar correlaciones entre gráficas de variables; muchas personas confunden correlación con causalidad, es decir que dos fenómenos aparezcan juntos no implica que uno cause al otro, existen varias posibilidades adicionales desde que un tercer evento oculto cause a ambos hasta que sean mera coincidencia. Una alta probabilidad de causalidad entre dos eventos implica la presencia de al menos tres elementos:   

  • Prelación: Uno de los eventos aparece siempre antes que el otro. 
  • Asociación: Existe un hecho físico, químico o de otra índole entre los dos eventos que los relacionan. 
  • Dependencia: La aparición de uno de los eventos implica siempre la aparición o no del otro.  

analitica

Las herramientas de los nuevos tiempos 

La analítica avanzada puede indagar en sistemas complejos analizando prelaciones y dependencias sin sobre simplificarlos, manejan las no linealidades, reconocen las dependencias entre variables y pueden incorporar la discontinuidad de los datos sin problemas y finalmente con su aplicación correcta, estas herramientas, que incluyen operaciones y estructuras complejas, permiten transformar un conjunto de valores difícil de comprender en respuestas sencillas como valores numéricos, probabilidades o valores de verdadero o falso. Piense en los modernos sistemas de inteligencia artificial, como los utilizados para el reconocimiento de imágenes, como una caja a la que entran miles de puntos de imagen y son transformados en la respuesta a la pregunta de si la imagen corresponde a usted o no. 

Estas herramientas han venido para solucionar el problema fundamental de la complejidad de los datos ahorrando tiempo, esfuerzo y capacidades de los seres humanos para que estas sean invertidas en procesos de toma de decisiones. Ahora podemos percibir nuestros entornos dentro de la riqueza de los datos y sus variaciones sin caer en la parálisis e ignorancia de la simplicidad del análisis tradicional en cual nadamos todos los días y nos hace recordar a Yasmina Kahdra cuando decía: "El pez rojo no puede concebir la complejidad de los océanos desde la quietud de su acuario". 

firma juan

Prepárate para el lanzamiento de Predictto con el curso: IoT y el mantenimiento predictivo.  Conoce de forma sencilla cada uno de los aspectos básicos de esta nueva era del mantenimiento 4.0 ¡Ingresa aquí!