CASO DE ÉXITO #MachineLearning #IoT #Edge #AI
Detección de equipamiento mediante AI y Edge computing
Cepsa es una compañía multinacional consolidada en el sector, con años de experiencia y un equipo de más de 11.000 profesionales a lo largo de los cinco continentes en los que opera, integrando todas las fases de la cadena de valor de la energía.
Cepsa aspira a convertirse en una referente de la movilidad sostenible, biocombustibles e hidrógeno verde en España y Portugal, así como en una compañía clave en la Transición Energética, poniendo a los clientes en el centro de su actividad y ayudándoles en sus esfuerzos en la descarbonización.
En entornos industriales es necesaria la utilización de equipamiento de seguridad para la realización de determinadas tareas.
La no utilización del mismo puede incrementar la siniestralidad y el impacto de los accidentes laborales. La mayoría de los sistemas de control actuales (manuales) son costosos y no son tan efectivos como se desea.
CEPSA se plantea sustituir los mecanismos de control manuales por soluciones basadas en modelos de Deep Learning y probar su efectividad en entornos reales. Su equipo de Data Science ha desarrollado un primer modelo de reconocimiento de imágenes y, en colaboración con Keepler, convierten ese modelo en una solución de aplicabilidad real en sus instalaciones.
Partiendo del modelo inicial de deep learning desarrollado por los científicos de datos de CEPSA, el reto para Keepler fue convertir ese ejercicio «de laboratorio» (Data Lab) en una solución productiva, configurable, escalable y sencilla de desplegar en las distintas instalaciones.
Un equipo multidisciplinar de Keepler lo refinó y lo “productivizó” creando una solución SaaS (Software as a Service) con una arquitectura cloud serverless y desplegando los modelos en los dispositivos compatibles en el Edge para optimizar rendimiento y costes. La solución analiza las imágenes en tiempo real y envía alertas, vía email y SMS, cuando se detectan incidencias, en este caso, trabajadores sin el equipamiento necesario. A través de una interfaz web muy sencilla, es posible añadir nuevas «ubicaciones», nuevos dispositivos o nuevos usuarios, así como gestionar los existentes.
Keepler adaptó el modelo de deep learning para su ejecución en diferentes dispositivos de entrada (AI en el Edge). La primera versión se puede utilizar tanto dispositivos específicos (AWS Deeplens) como otros de propósito general (Nvidia Jetson Nano), y para garantizar su ejecución en cualquier entorno, se desplegó también en un contenedor Docker.
- El modelo de reconocimiento de imágenes se entrenó y refinó usando un Sandbox de ciencia de datos en cloud.
- Para conseguir el mejor resultado al menor coste, el modelo se desplegó para su ejecución en local en dispositivos compatibles y se adaptó a una cámara AWS Deeplens a un módulo Nvidia Jetson Nano y también se desplegó en un contenedor Docker.
- Se utilizaron las best practices de aplicaciones SaaS del proveedor cloud elegido para asegurar que la aplicación aprovechara todos los beneficios de la nube pública (escalabilidad, seguridad, resiliencia, coste reducido y excelencia operativa).
La solución se basa completamente en el uso de servicios gestionados, con los que se consigue una implementación serverless fácil de mantener, robusta, segura y escalable. Los principales servicios de Amazon Web Services utilizados son:
-
AWS DeepLens como servicio para la gestión de las cámaras, que cuenta con un modelo local donde se ejecuta un core de AWS Greengrass.
-
AWS Greengrass para la comunicación entre la nube y los dispositivos edge vía MQTT permitiendo el despliegue automático de los modelos de Machine Learning.
-
Amazon S3 para almacenar las evidencias sobre incidencias de seguridad (imágenes y metadatos), los modelos de Machine Learning y el frontal estático de la aplicación.
-
AWS Lambda para el procesamiento de eventos y los servicios REST que ejecutan la lógica de negocio de la aplicación.
-
Amazon API Gateway como gestor de API REST (acceso, throttling, versionado) para la comunicación entre el frontal y los servicios de backend.
-
Amazon Cognito para el control de acceso, proveedor de identidad y la autenticación de los usuarios.
-
Amazon RDS (Aurora Serverless) para almacenamiento de la información relacional de la solución.
-
Amazon SNS para el envío de notificaciones vía email y SMS cuando se produce una incidencia.
-
Amazon CloudWatch para la monitorización y operación de la infraestructura y gestión de logs.
-
AWS IAM para la gestión de accesos y permisos a la infraestructura.
-
AWS KMS para la administración de claves de cifrado de la aplicación.
Keepler es una empresa boutique de servicios profesionales tecnológicos especializada en el diseño, construcción, despliegue y operaciones de soluciones software de Big Data y Machine Learning para grandes clientes. Utiliza metodologías Agile y Devops y los servicios nativos de la nube pública para la construcción de sofisticadas aplicaciones de negocio centradas en datos e integradas con diversas fuentes en modo batch y tiempo real. Es nivel Advanced Consulting Partner y cuenta con una plantilla técnica en la que el 90% de sus profesionales están certificados en AWS. Keepler actualmente trabaja para grandes clientes en diversos mercados, como servicios financieros, industria, energía, telecomunicaciones y media.
