Monitorización de sistemas heredados con la ayuda de Ultralytics YOLO11

Muchas empresas, especialmente en los sectores de fabricación, automatización industrial, aeroespacial, telecomunicaciones y energía, dependen de sistemas heredados para sus operaciones diarias. Sin embargo, el mantenimiento de estos sistemas antiguos suele conllevar costes elevados y desafíos técnicos. A pesar de ello, la razón principal por la que las empresas siguen utilizando sistemas heredados es que están profundamente integrados en sus flujos de trabajo.

Casi dos tercios de las empresas gastan más de 2 millones de dólares en el mantenimiento y upgrading legacy systems. Estos sistemas más antiguos se construyeron para otra época, cuando la automatización y la analítica en tiempo real no eran una prioridad. Las empresas solían depender de procesos manuales o de herramientas de supervisión obsoletas, lo que generaba ineficiencias y mayores riesgos operativos. Como resultado, muchas empresas se encuentran atrapadas con estos sistemas obsoletos, incapaces de realizar una transición sencilla hacia soluciones más modernas sin interrupciones significativas.

Aquí es donde la IA y la computer vision, que permiten a las computadoras entender y analizar datos visuales, pueden intervenir y ayudar. En concreto, los modelos de computer vision como Ultralytics YOLO11 se pueden utilizar para detectar y supervisar sistemas heredados como contadores y medidores.

En este artículo, exploraremos cómo se puede utilizar Ultralytics YOLO11 en la supervisión de sistemas heredados, sus beneficios y cómo las empresas pueden integrarlo fácilmente en sus flujos de trabajo existentes.

Fig 1. Ejemplos de sistemas heredados. Imagen del autor.

Desafíos relacionados con la modernización de sistemas heredados#

Los sistemas heredados son vitales para muchas industrias, pero convertirlos en sistemas digitales no siempre es sencillo. Modernizar estos sistemas es importante para aumentar la eficiencia y reducir los riesgos. Estos son algunos de los desafíos técnicos y ambientales a los que se enfrentan las empresas al actualizar sistemas heredados:

• Falta de interfaces digitales: Muchos sistemas heredados se diseñaron antes de que la transformación digital fuera común. Funcionan mediante controles analógicos, manómetros e indicadores mecánicos, lo que dificulta la integración directa con soluciones de monitorización modernas.

• Costes elevados de actualización: Sustituir o actualizar la infraestructura heredada puede ser costoso y perturbador. Muchas empresas dudan a la hora de invertir en sustituciones a gran escala debido a los elevados costes iniciales y a las preocupaciones por el tiempo de inactividad.

• Diseños de sistemas incoherentes: La maquinaria antigua varía significativamente en estructura, materiales y funcionalidad. Esta falta de estandarización dificulta la aplicación de una solución digital uniforme en distintos sistemas.

• Desafíos en la captura de datos en tiempo real: Las pantallas analógicas no se diseñaron para la recopilación automática de datos, lo que dificulta la extracción de lecturas precisas y en tiempo real de diales, medidores o contadores mecánicos.

Fig 2. Desafíos relacionados con la modernización de sistemas heredados. Imagen del autor.

Cómo la IA de visión puede ayudar a monitorizar sistemas heredados#

Muchas máquinas antiguas utilizan diales analógicos, contadores y medidores que no se pueden conectar a sistemas digitales. Las Vision AI solutions pueden utilizar cámaras para supervisar estos dispositivos, y las imágenes se pueden procesar en tiempo real para convertir sus lecturas en registros digitales que faciliten el seguimiento y la elaboración de informes.

Una de las ventajas de utilizar la visión artificial para esto es que los problemas operativos pueden detectarse casi al instante. En caso de emergencia, las alertas automatizadas pueden notificar a los operadores cuando los valores superan los límites de seguridad.

Aparte de esto, la computer vision es una opción más económica. Configurar cámaras e implementar un sistema de IA para analizar estas imágenes resulta rentable en comparación con las actualizaciones tradicionales o los métodos de supervisión manual. En lugar de costosas actualizaciones de infraestructura, los Vision AI models como YOLO11 pueden funcionar con los equipos existentes, lo que hace que la modernización sea más asequible.

Sistemas de monitorización heredados habilitados por Ultralytics YOLO11#

Hoy en día, la inteligencia artificial está en auge y existen una variedad de modelos y técnicas a considerar al implementar una solución de inteligencia artificial. Por lo tanto, es posible que te preguntes, ¿qué hace que un modelo como Ultralytics YOLO11 sea tan especial?

Ultralytics YOLO11 es compatible con varias tareas de visión por ordenador como la detección de objetos, la segmentación de instancias y el seguimiento de objetos, y es ideal para la supervisión en tiempo real. Una de sus ventajas clave es su capacidad para ejecutarse de manera eficiente en dispositivos periféricos. Esto significa que puede procesar datos localmente, sin depender de una conexión de red sólida o de una infraestructura en la nube.

Fig. 3. Un ejemplo de Ultralytics YOLO11 utilizado para la detección de objetos.

En las plantas de producción o en entornos industriales con redes débiles o poco fiables, implementar Ultralytics YOLO11 en dispositivos periféricos garantiza una supervisión continua en tiempo real y sin interrupciones, lo que reduce la necesidad de costosas soluciones basadas en la nube y lo convierte en una opción más asequible y práctica para las empresas.

Además de esto, YOLO11 es conocido por su rendimiento superior tanto en precisión como en velocidad en comparación con sus predecesores. Con un 22% menos de parámetros que YOLOv8m, YOLO11m logra una mayor precisión media (mAP) en el conjunto de datos COCO.

En pocas palabras, Ultralytics YOLO11 puede detectar objetos con mayor precisión y rapidez, incluso con menor potencia de procesamiento. Esto hace que sea más eficiente a la hora de detectar problemas y supervisar sistemas en tiempo real, al tiempo que utiliza menos recursos, lo cual es especialmente útil para los sistemas heredados.

Aplicaciones de Ultralytics YOLO11 en sistemas de monitorización heredados#

A continuación, vamos a explorar algunos casos de uso del mundo real en los que Ultralytics YOLO11 automatiza procesos mediante el uso de la visión por ordenador para rastrear y analizar lecturas, todo ello sin necesidad de modificar los equipos existentes.

Monitorización de medidores analógicos mediante Ultralytics YOLO11#

Varias máquinas industriales aprovechan los indicadores analógicos para medir la presión, la temperatura y los niveles de líquidos. Las lecturas manuales llevan tiempo y a menudo conducen a incoherencias, especialmente en operaciones a gran escala. Ultralytics YOLO11 puede mejorar estos procesos.

Aquí tienes un análisis más detallado de cómo suele funcionar la supervisión de indicadores analógicos utilizando Ultralytics YOLO11:

• Detección de objetos: Ultralytics YOLO11 primero detecta y localiza el indicador dentro de una imagen, asegurando que se identifique con precisión, incluso en entornos complejos.
• Segmentación de instancias: una vez que se identifica el indicador, Ultralytics YOLO11 utiliza la segmentación de instancias para separar elementos clave como la aguja, la escala y las marcas numéricas. Esto es importante porque garantiza que el sistema se centre únicamente en las partes relevantes del indicador, eliminando cualquier ruido o distracción de fondo. Al aislar estas áreas clave, el siguiente paso se vuelve más preciso y eficiente.
• Optical Character Recognition (OCR): Por último, la tecnología OCR se puede utilizar para convertir los números del medidor en datos digitales, lo que permite a las empresas realizar un seguimiento de las mediciones sin necesidad de lecturas manuales.

Aunque este es el método general, los pasos exactos pueden variar dependiendo de factores como el tipo de manómetro, las condiciones ambientales y el ángulo o la calidad de las imágenes capturadas. Pueden realizarse ajustes para garantizar lecturas precisas basadas en estas variables.

Fig 4. Cómo funciona la supervisión de indicadores analógicos utilizando Ultralytics YOLO11. Imagen del autor.

Ultralytics YOLO11 puede simplificar la supervisión de contadores de servicios públicos#

Muchos proveedores de servicios públicos siguen dependiendo de contadores mecánicos para realizar el seguimiento del consumo de agua, gas y electricidad. En algunos casos, se requieren visitas manuales a las instalaciones para recopilar lecturas, lo que requiere tiempo y aumenta los costes.

Ultralytics YOLO11 automatiza el proceso de supervisión mediante el uso de la visión por ordenador para detectar y recortar las partes relevantes de las esferas de los contadores. Al hacerlo, se pueden aislar los valores numéricos de la esfera y se puede utilizar OCR para leerlos.

Con los datos recopilados mediante computer vision, los proveedores de servicios públicos pueden analyze consumption patterns de manera más eficaz. La integración de la analítica de datos en el proceso de supervisión ayuda a rastrear las tendencias históricas de uso, identificar anomalías y detectar irregularidades, como picos o caídas repentinas en el consumo, que podrían indicar problemas como fugas o contadores defectuosos.

Análisis de paneles de control con Ultralytics YOLO11#

Los sistemas heredados como las unidades de control industrial, los monitores de red eléctrica y los paneles de automatización de fábricas dependen de paneles de control analógicos con interruptores, botones y luces indicadoras para mostrar el estado de la máquina y los códigos de error. Generalmente, los operadores inspeccionan estos paneles manualmente, lo que lleva mucho tiempo y aumenta el riesgo de retrasos en las respuestas.

Ultralytics YOLO11 puede optimizar este proceso identificando y rastreando con precisión los componentes del panel de control. Puede detectar interruptores, etiquetas y luces indicadoras, y determinar sus posiciones y estados. Puede identificar si las luces indicadoras muestran advertencias o un funcionamiento normal.

Por ejemplo, si se activa una luz de advertencia, Ultralytics YOLO11 puede detectar el cambio inmediatamente y se puede alertar a los operarios, lo que permite tiempos de respuesta más rápidos y reduce el riesgo de pasar por alto problemas críticos.

Fig 5. Un panel de control con luces indicadoras.

Pros y contras de la modernización de sistemas heredados#

La visión artificial es una forma práctica de monitorizar sistemas heredados sin sustituir el hardware existente. Sin embargo, como cualquier otra tecnología, tiene ventajas y limitaciones. Exploremos ambas para tener una mejor idea de cómo puede aplicarse eficazmente.

Aquí tienes algunas formas en las que la IA de visión influye positivamente en la monitorización de sistemas heredados:

• Menores costes a largo plazo: Aunque la configuración inicial puede requerir inversión, la automatización de las tareas de monitorización y la reducción del error humano pueden generar ahorros significativos con el tiempo.
• Coherencia y fiabilidad: a diferencia de las inspecciones humanas, cuya calidad y coherencia pueden variar, Ultralytics YOLO11 ofrece un rendimiento coherente y fiable a lo largo del tiempo.
• Toma de decisiones mejorada: Los datos y el análisis en tiempo real mejoran la toma de decisiones, permitiendo a los operadores tomar decisiones informadas basadas en información actualizada.

Mientras tanto, aquí hay algunas consideraciones que deben tenerse en cuenta:

• Dependence on image quality: La computer vision depende en gran medida de imágenes o fuentes de vídeo de alta calidad. Una calidad de imagen deficiente, una resolución baja o una mala iluminación pueden dar lugar a detecciones inexactas o perdidas.
• Vulnerabilidad a factores ambientales: Los entornos hostiles como temperaturas extremas, polvo, vibraciones o interferencias pueden degradar el rendimiento de los sistemas de visión artificial.
• Complejidad en el manejo de grandes volúmenes de datos: A medida que el sistema recopila grandes cantidades de datos visuales, gestionar, almacenar y analizar esos datos puede convertirse en un desafío sin la infraestructura adecuada.

Conclusiones clave#

Monitorizar sistemas heredados de forma eficiente no siempre requiere sustituir el hardware existente. Muchas empresas trabajan con equipos obsoletos, pero la IA de visión ofrece una forma de realizar un seguimiento del rendimiento sin realizar cambios importantes.

Ultralytics YOLO11 hace esto posible mediante el uso de la detección de objetos y otras tareas de visión por ordenador. Puede leer indicadores, contadores y paneles de control con cámaras para la supervisión en tiempo real, sin necesidad de modificar el sistema. El modelo se ejecuta sin problemas en dispositivos periféricos, lo que lo convierte en una opción ideal para industrias con conectividad en la nube limitada. Esto permite a las empresas procesar datos in situ y abordar rápidamente los problemas operativos.

¡Únete a nuestra creciente community! Explora nuestro GitHub repository para aprender sobre IA y echa un vistazo a nuestras licensing options para poner en marcha tus proyectos de Vision AI. ¿Te interesan las innovaciones como la AI in healthcare y la computer vision in agriculture? ¡Visita nuestras páginas de soluciones para descubrir más!