LabVIEW es un lenguaje muy utilizado para adquirir datos y mostrarlos en una interfaz de usuario. Este proceso se describe a menudo utilizando los tres términos siguientes: (1) adquisición, (2) análisis y (3) presentación. Aunque el proceso se sitúa generalmente en el contexto de la lectura de un par de entradas y su registro en un gráfico, también puede escalarse en muchos órdenes de magnitud. Big data, en pocas palabras, es la adquisición, análisis y presentación de un conjunto de datos significativamente mayor en términos de tiempo, número de puntos de datos individuales o fuentes del conjunto de datos.
Cualquier problema puede resolverse con una cantidad adecuada de datos y una idea de cómo utilizar esos datos para generar una solución. Los macrodatos son una herramienta que puede utilizarse para resolver diversos problemas con el objetivo final de reducir costes mediante el siguiente proceso:
- Definir el proceso y los parámetros
- Seleccionar parámetros cuantitativos y cualitativos del proceso a medir
- Identificar etiquetas para identificar mejor esos parámetros (utilizadas para filtrar)
- Utilizar parámetros para definir métricas que puedan utilizarse posteriormente tras el análisis
- Adquirir los parámetros del proceso
- Adquirir parámetros mediante la adquisición de datos
- Adquirir parámetros como entradas para la automatización de procesos
- Adquirir entradas como valores del mundo real centrados en el tiempo
- Filtrar y analizar macrodatos
- Utilizar filtros para reducir el conjunto de datos y centrarse en las tendencias.
- Utilizar métricas para cuantificar la eficiencia y los costes
- Utilizar criterios humanos para rendir cuentas
- Mantenimiento predictivo (PDM): Una aplicación puede adquirir datos de una unidad bajo prueba (UUT) a intervalos regulares y analizarlos constantemente para detectar un fallo agudo o una degradación del rendimiento a lo largo del tiempo.
- Análisis del rendimiento: Las métricas se pueden utilizar junto con los datos adquiridos en tiempo real para crear valores representativos del rendimiento que luego se pueden utilizar para identificar el coste. Estos datos también pueden utilizarse para crear una línea de base que permita cuantificar el efecto de los cambios en el proceso.
- Modelos de simulación: Se puede crear un modelo simple reproduciendo los datos adquiridos o se puede crear un modelo más sofisticado utilizando los datos adquiridos para crear un modelo estadísticamente similar. Este modelo puede utilizarse para crear un algoritmo de control sin hardware y/o evitando pruebas de borde adicionales que podrían ser destructivas y/o costosas.
