Nuestro Blog
Qué es Python
Se trata de un lenguaje de programación creado en 1991 por Guindo Van Rossum (1956, Holanda). Python es una opción interesante para realizar todo tipo de programas que se ejecuten en cualquier máquina. Está orientado a objetos y preparado para realizar cualquier tipo de programa, con este lenguaje podemos desarrollar software para app científicas, para comunicaciones de red, para app de escritorio con interfaz gráfica de usuario (GUI), para crear videojuegos, para smartphones, para inteligencia artificial, para automatización de tareas y por supuesto, para programación web.
Python es uno de los lenguajes de programación más utilizados, encargado de asegurarse de que la sintaxis haga posible que el código sea legible. Está considerado un lenguaje multiparadigma, al poder ser enfocado a varios estilos, y posee la ventaja de ser de código abierto, lo que permite que cualquiera pueda acceder a él. Desde que en 1991 se publicó el código, han ido evolucionando sus características, las cuales van siendo planteadas desde su filosofía de transparencia y legibilidad:
- Python puede ser fácil de aprender si eres programador o si tienes experiencia con otros lenguajes programación.
- Friendly & fácil de aprender. La comunidad organiza conferencias y reuniones, colabora en el código entre otras actividades.
- Aplicaciones. El Índice de paquetes de Python (PyPI) alberga miles de módulos de terceros para Python. Tanto la biblioteca estándar de Python como los módulos aportados por la comunidad permiten infinitas posibilidades.
- Open Source. Python se desarrolla bajo una licencia de código abierto aprobada por OSI, por lo que se puede usar y distribuir libremente, incluso para uso comercial. La licencia de Python es administrada por Python Software Foundation.
Para qué sirve
Uno de los principales objetivos del uso de Python es conseguir evitar complicaciones y ahorrar tiempo. Además, es muy útil para trabajar con grandes volúmenes de datos, ya que nos favorece los procesos de extracción y procesamiento de estos. Por este motivo, cuando se habla de Big Data también suele mencionarse Python. Algunos de los usos más comunes para los que sirve Python son:
- Realizar cálculos científicos y de ingeniería.
- Desarrollo web.
- Programación de videojuegos.
- Ejecutar programas gráficos.
- Creación de efectos especiales.
Características y ventajas que ofrece Python:
- Sistema multiplataforma. No fuerza a los programadores a aprender un estilo especial sino que permite poder implementar varios estilos de programación enfocados a distintos aspectos. Entre dichos estilos podemos encontrar: programación imperativa, programación orientada a objetos y programación funcional.
- Orientado a objetos. Una de las características de un lenguaje de programación orientado a objetos es la capacidad de permitir a un programador crear nuevas clases que modelen los datos necesarios para resolver un problema. Con Python, nos encontramos ante un paradigma que propone modelar todo en función a clases y a objetos. Esto nos ofrece un uso de conceptos de cohesión, polimorfismo, abstracción y mucho más.
- Código abierto y libre. Posee una licencia de código abierto denominada Python Software Foundation Licence. Toda la información relativa a este lenguaje de programación es libre por lo que, como hemos mencionado anteriormente, cualquier persona puede acceder a él.
- Frameworks. Python cuenta con frameworks de gran calibre para auxiliar el desarrollo web, el desarrollo de juegos o algoritmos avanzados. Son estructuras o espacios de trabajo en base a las cuales se pueden organizar y desarrollar los softwares. Python posee algunos de los más poderosos (como son por ejemplo Django, Flask, Pyramid y Web2py), destacando todos ellos por su gran utilidad, puesto que facilitan en gran medida trabajo de los desarrolladores.
- Tipado dinámico. En Python, una misma variable puede tomar valores de distinto tipo en distintos momentos y en cualquier lugar de su código fuente.
- Calidad en la sintaxis. Esta es una de las ventajas de Python. Este lenguaje de programación nos ofrece una sintaxis clara y limpia que facilita su aprendizaje y enseñanza. Se caracteriza por sustituir las delimitaciones y elementos de alto nivel por sangrías y tokens, componentes lexicográficos elementales que facilitan la escritura y lectura del código. También, otra de las funciones es la de reducir el uso de caracteres y escribir un formato que testee una secuencia determinada.
¿Quieres aprender Pyhton?
En la web se pueden encontrar diversos sites en los que se ofrece información y tutoriales detallados para aprender Python desde cero. Asimismo, el sitio pyhton.org cuenta con una guía para principiantes
ITELLIGENT, con diez años en el mercado, ha sido pionera en España en aplicaciones de Inteligencia Artificial y Big Data. En este post se presentan algunos proyectos desarrollados por ITELLIGENT en diversos sectores de la Industria 4.0 y con soluciones óptimas en su aplicación:
ENERGÍA
CLIENTE Empresa eléctrica
OBJETIVO Inteligencia de mercado y fidelización de clientes.
Imaginemos un proyecto realizado para multinacional de generación y comercialización de energía. El objetivo del proyecto ha sido la generación de inteligencia a partir de los datos obtenidos de contadores inteligentes de los consumidores. Este proyecto ha presentado diversos retos:
- Hibridación de los datos de los contadores inteligentes con otros datos relevantes (ej. datos meteorológicos).
- Generación de modelos de inteligencia artificial para entender y predecir los consumos. Gestión de grandes volúmenes de datos utilizando técnicas de big data.
- Obtención de inteligencia explotable por el cliente.
ARTES GRÁFICAS
CLIENTE Taller de Artes Gráficas
OBJETIVO Mejora de la operativa del taller
En este proyecto se creó un sistema de planificación de operaciones, reactivo para un taller de artes gráficas. El sistema parte de un modelo flexible del taller que se actualiza de forma automática a partir del sistema de monitorización del taller y utiliza distintos algoritmos de inteligencia artificial para dado un objetivo de producción (ej. reducir el numero de trabajos con retraso respecto a su fecha de entrega), proponer el plan de producción que optimice dicho objetivo.
El sistema dispone de un interface visual, basado en gráficos de Gantt interactivos, que permite al jefe de taller interactuar de forma fácil con el sistema y reaccionar de forma efectiva ante los cambios que el día a día impone en un taller.
DISTRIBUCIÓN
CLIENTE Distribuidora de alimentos
OBJETIVO Entender y predecir la demanda y mejorar el esfuerzo comercial
Sistema que permite entender y predecir la demanda de un gran numero de puntos de consumo, con una importante componente geoespacial (los consumos en puntos de venta cercanos son parecidos) y a partir de dicho sistema se ha desarrollado un sistema de decisión para optimizar el esfuerzo comercial de la fuerza de venta, de forma que el responsable comercial pueda optimizar el uso de su fuerza de venta y a la vez la fuerza de venta disponga de la información (inteligencia comercial) para determinar que productos ofrecer a cada punto de venta de forma que se maximicen los beneficios y los argumentos asociado a dichas opciones (ej. El consumo de producto A va a subir por la proximidad del verano o de un festivo).
JAVA
Actualmente, según el índice TIOBE (octubre 2018) es el lenguaje de programación más popular del mundo. Tanto es así que hay miles de softwares, apps y sitios web que no funcionarán a menos que tengan Java instalado. Este lenguaje de programación posee su propia estructura, reglas de sintaxis y paradigma de programación, como cualquier otro lenguaje. Se trata de una derivación del Lenguaje C, por lo que por lo que las reglas de sintaxis se parecen mucho a este lenguaje C. Java es un lenguaje de programación que desarrollado por James Gosling de Sun Microsystems en 1995.
PYTHON
Es uno de los lenguajes de programación más utilizados y el más adecuado para implementar algoritmos de productividad. Python es de código abierto y proporciona un enfoque más generalizado para la ciencia de datos (Data Science). Toda la información relativa a este lenguaje de programación es libre. Python fue creado por Guido Van Rossum en el año 1991 en los Países Bajos. Python posee este nombre por los seis humoristas británicos “Monty Python”, coloquialmente conocidos como “Los Pythons”.
El lenguaje Python es más apropiado para implementar algoritmos de productividad. A través de Python, se tiene acceso a un gran número de paquetes para desarrolladores que permiten crear un código general de manera rápida y vincular flujos de trabajos o componentes. Python permite programar en varios estilos: programación orientada a objetos, estructurada, funcional y orientada a aspectos.
Lenguaje R
El software R se puede utilizar como lenguaje de programación, pero esa no es su fortaleza. Principalmente este lenguaje se utiliza para el análisis estadístico, manipulación de grandes volúmenes de datos y representación gráfica de alta calidad. R apareció por primera vez en 1996, de la mano de los profesores de estadística Ross Ihaka y Robert Gentleman de la Universidad de Auckland en Nueva Zelanda. El nombre surgió de las iniciales de ambos y se inspiró en el lenguaje S de Bell Labs. El lenguaje R es fruto de un proyecto colaborativa que implica a miles de usuarios de todo el mundo. Se trata de un software que está permanentemente actualizado, con funciones nuevas y paquetes accesibles en tiempo real.
Actualmente posee uno de los ecosistemas más ricos para realizar análisis de datos, alrededor de 1.200 paquetes disponibles en Open Source disponible para los sistemas operativos Windows, MACOs, Unix y Linux. Gracias a R, se puede decodificar lenguajes de programación y se puede acceder a la lectura de datos procesados en softwares como Excel, SPSS, etc. Tal es su potencial que se trata del software predilecto de cualquier Data Scientist de la comunidad científica internacional. Además, posee un entorno gráfico con una amplia gama de herramientas estadísticas clásicas y avanzadas para el análisis y la representación gráfica de datos exportables en diversos formatos: pdf, bitmap, png, jpeg, etc. permite generar gráficos con alta calidad, con sólo utilizar las funciones de graficación.
R posee una gran relevancia en áreas de Big Data, minería de datos, Inteligencia Artificial, análisis predictivos, matemáticas financieras, ingeniería industrial, …
Por Jaime Martel Romero-Valdespino es CTO en Intelligent Information Technologies SL
LinkedIn
Llamamos “hibridación de datos” a los procesos que permiten generar un conjunto de datos único y listo para ser utilizados, desde herramientas informáticas, a partir de fuentes de datos heterogéneas y con distintos grados de estructuración. En nuestra experiencia la “hibridación de datos” suele requerir al menos cuatro pasos: estructuración, homogenización, armonización y enriquecimiento.
Actualmente, la hibridación de datos en el sector industrial está mucho menos presente que en otros sectores como servicios o retail. Siendo la predicción de la demanda el caso más habitual, en el mundo industrial, dónde se realiza una “hibridación” previa de los datos internos de ventas con otros datos (ej. meteorología, geodemografía, trafico, festivos, etc). Salvando el caso de previsión de demanda, dentro de las plantas industriales suele ser mucho menos habitual encontrar casos “potentes” de hibridación de datos, pero esto no quiere decir que no sea necesario. Así es habitual, en muchas empresas industriales, que los sistemas de información no estén integrados con las máquinas y cuando lo están, suele ser una integración encaminada a un propósito operativo (ej. trazabilidad) y no a la obtención de unos datos de calidad que permitan su uso por sistemas de inteligencia.
Sistemas Productivos e Hibridación de Datos
Cualquier intento de desplegar sistemas de inteligencia para la mejora de la producción en plantas industriales debe haber sido precedido por un análisis de la disponibilidad de datos para alimentar el sistema y del coste asociado de obtención. Así, por ejemplo, tiene poco sentido implantar un sistema inteligente de planificación de operaciones (scheduling) en un taller si no tenemos automatizado la captura de datos necesario para actualizar el sistema de planificación. Pues muy pronto las planificaciones quedarán obsoletas o se requerirá una importante dedicación de recursos humanos para mantener el sistema actualizado.
En general, en los sistemas de producción, los datos serán internos, pero su hibridación presenta retos similares a los que se encuentran con datos externos. A continuación, vamos a describir un caso basado en nuestra experiencia.
En el taller en cuestión, que trabaja bajo pedido, la primera necesidad planteada era disponer de un sistema que les permitiese tener un seguimiento de tiempos y costes de cada trabajo en planta, para posteriormente poder generar inteligencia encaminada a ayudar a:
- La confección de presupuestos (ej. aprendizaje de unidades de repercusión y los factores que les afectan)
- La detección de desviaciones anómalas (ej. tiempos de procesamientos que los modelos de inteligencia no sean capaz de explicar)
- La detección de patrones de interés (ej. trabajadores con productividad alta),
El taller disponía de un ERP con información de los pedidos y materiales, un sistema CAD para el diseño de las piezas, partes manuales (papel) de producción y controles periódicos de calidad que eran volcados manualmente al ERP. Toda esta información no estaba integrada por lo que la implementación de cualquier sistema de inteligencia era imposible. Se partió de un análisis de disponibilidad de datos y a partir de dicho análisis se elaboró un plan de acción con las siguientes acciones:
- Nuevas fuentes de datos. Se detectaron falta de datos imprescindibles para cubrir las necesidades planteadas. Para ello, se incorporaron nuevos sensores desarrollados ad-hoc para algunas máquinas así como la introducción de tablets con aplicaciones específicas como alternativa a los partes manuales y el desarrollo de un extractor para obtener del ERP aquellos datos de interés para el sistema de inteligencia.
- Desarrollo de un sistema de hibridación de datos que partiendo de las distintas fuentes de datos fuese capaz de hibridarlas y volcar a un repositorio único los datos. Este sistema no podía ser totalmente automático ya que necesitaría cierta supervisión de la oficina técnica.
- Estructuración de datos. Información muy importante para el proceso de producción y generación de inteligencia se encontraba en formato de planos CAD. Estos son datos poco estructurados que no pueden ser utilizados directamente, pero que una vez estructurados pueden generar datos de gran interés para el proyecto. Se decide abordar mediante un proyecto de I+D la generación de modelos de inteligencia que permitan estructurar los datos de los sistemas CAD.
También puedes leer este post en el Blog de #CIC40
