PDF de programación - Un vistazo al pasado al presente y al futuro del software

UN VISTAZO AL PASADO AL
PRESENTE Y AL FUTURO DEL

SOFTWARE

Evolución del poder del ser humano

Sociedad
información

Sociedad
Agrícola

Sociedad
Industrial

NEC Confidential

Evolución de la sociedad de la información

Hace

15 años

- PC Obligatorio
- Internet Opcional

Hoy

- PC Obligatorio
- Internet
Obligatorio
- Cloud Opcional

Hace

20 años

- PC Opcional
- Internet Opcional

En 10
años

- PC Obligatorio
- Internet Opcional
- Cloud Obligatorio
- Desarrollo
Obligatorio

En 5
años

- PC Obligatorio
- Internet
Obligatorio
- Cloud Obligatorio
- Desarrollo
Opcional

Una nueva definición del software

• Procesos
• Automatización
• Clasificación
• Orden

Buenas Ideas

PaaS

• Código
• IaaS
• Big Data

• Servicio
• Masificación
• Economía de

Escala

SaaS

Analítica Big Data

Cloud Computing – Computación en la nube

• Símbolo por

defecto de Internet
en los diagramas

• Computación
• Lógica de

coordinación

• Alamacenamiento

y procesamiento

• Mover la

computación del
simple PC o
centro de datos
hacia Internet

Cloud

Computing

Cloud
Computing

Cloud Computing

“Cloud Computing es un modelo para habilitar acceso por

red a un conjunto de recursos computacionales

configurables y compartidos (ergo. Redes, servidores,
almacenamiento, aplicaciones y servicios) de manera
conveniente, por demanda y ubicua que pueden ser

rápidamente aprovisionados y liberados con un esfuerzo

administrativo y una interacción con el proveedor del

servicio mínimos.”

El modelo Cloud Computing promueve disponibilidad



y está compuesto por cinco características

esenciales, tres modelos de despacho y cuatro

modelos de despliegue.

Cloud Computing

Cloud Computing

Según la última definición de Cloud Computing del NIST, las
características esenciales son:


- Autoservicio por demanda
- Acceso amplio a red
- Conjunto de recursos
- Rápida elasticidad
- Servicio medido

Economías de escala…

Economías de escala…

Economías de escala…

Situación mundial y megatendencias

De acuerdo con las Naciones Unidas, se espera que la población mundial
llegue de aproximadamente 7 mil millones de personas a partir del 2011 a
8 mil millones de personas en 2025 y hasta 9,6 mil millones en 2050.

También se prevé que, a medida que más personas se trasladan a las
zonas urbanas, la población urbana mundial aumentará de 3,5 mil millones
en 2011 para 6,3 mil millones en 2050. Como resultado, la demanda de
alimentos, agua y energía aumentará 1,7 veces, 1,6 veces y 1,8 veces
respectivamente.

Se espera que las emisiones de gases de efecto invernadero aumenten
hasta 1,5 veces. Esto significa que si el estilo de vida urbana de hoy
persiste, en 2050 vamos a necesitar más del doble de recursos que la
tierra entera puede suministrar. Por lo tanto, con el fin de construir un
mundo sostenible, no tenemos más remedio que mejorar la productividad
de los recursos, modificar la estructura social y estilo de vida, y reducir el
consumo de recursos.

Situación mundial y megatendencias

El Concepto - Smart City

▐ Una Ciudad Inteligente se concibe como un espacio urbano que, por medio
de millones de sensores, es capaz de “escuchar” y “comprender” lo que está
sucediendo en
la suficiente
información, a la vez que proporciona la información adecuada a los
ciudadanos.

tomar decisiones con

la ciudad para

Estadios

Entretenimiento

Bienestar

La ciudad debe ser un

espacio para vivir,
trabajar y visitar

Seguridad

Deben existir sistemas que

garanticen la seguridad

ciudadana mediante

vigilancia y reconocimiento
de parámetros biométricos.

Residentes

Eficiencia

Lugar eficiente de trabajo.

Facilidad de

desplazamiento.

Elasticidad en la expansión

de la ciudad.

Sostenibilidad

Es crucial que la ciudad no

solamente sea capaz de atraer

personas y talento, sino
también que sea capaz de

retenerlo.

Centro de operaciones de la ciudad


)

C
O
C
C



i

s
e
n
o
c
a
r
e
p
O



s
a
m
e
t
s
S

i

APIs para servicios externos

Tablero de control
de la ciudad

Detección

Información
tiempo real

Analítica de
Big Data

Modelo de

Ciudad

Data Normalisation (FI-WARE)



d
a
d
u
C

i

Monitorización y gestión

Sensores de Ciudad

Fuentes de Información

l



(

d
u
o
C
n
e
o
d
a
s
a
b
d
a
d
u
c
a



i



l



i

e
d
s
e
n
o
c
a
r
e
p
o
e
d
o
r
t
n
e
C



Perspectiva TIC

Servicios de gobierno

Seguridad

Educación

Transporte

Salud

Servicios

Modelo de ciudad

digitalizada



Big data

Agricultura

3G,LTE

Wi-Fi

ZigBee

IrDA

M2M network
Specified Low
Power Radio

Bluetooth

WiMAX

xDSL,FTTH

Z-Wave

Sensores

Sociedad real

Big Data – Creación de nuevo Valor

Salud

Agricultura

Presión sangre

Herencia

Ejercicio

Cuerpo

Temperatura

Nutricional Dieta

Luz del sol

Temperatura

Medicacion

Humedad

Vel. Viento

Dióxido de
carbono

Ecosistema

Calidad sueño

Peso corporal

Precipitacion

Precios mercado

Energía

Marketing

Industrial
actividades

Hospital

Transporte

Agua

Estación

Tiempo

Region

Edad

Moda

Publicidad

Internet

Tendencias

Clima

Temperatura

Electricidad

Gas

Page 18

SEP 2014

Perspectiva TIC

Servicios de gobierno

Seguridad

Educación

Transporte

Salud

Servicios

Modelo de ciudad

digitalizada



Big data

Agricultura

3G,LTE

Wi-Fi

ZigBee

IrDA

M2M network
Specified Low
Power Radio

Bluetooth

WiMAX

xDSL,FTTH

Z-Wave

Sensores

Sociedad real

Big Data

Típicamente caracterizado por las tres “V”, nominalmente,
 Volumen Escalabilidad, …
 Variedad No estructurado, …
 Velocidad Tiempo real, …

En un sentido más amplio, “datos usados para otros propósitos
más allá de los propósitos para los que originalmente se
recolectaron”.

Page 34

Big Data = Grandes retos en TIC

▌

“Big Data: Es definitivamente la fuente de ventaja competitiva entre todas las industrias” - Forbes

▌ Los malos datos o de pobre calidad le cuestan a las compañías de EEUU $600KM


anualmente

▌ Para el 2020 las transacciones de negocios por internet: B2B y B2C – alcanzarán 450KM por


día

▌



Implementar mejores prácticas en calidad de datos puede crecer los ingresos de una compañía
hasta 66%

Data generated by sensors,
machines, etc.
Images, various
measurement data



Corporate data
Transaction data Log data
Digitization of analog data

Media data
Internet Films,
images TV,
radio
Social media, etc.

Increased unstructured
data

Source: IDC Digital Universe Study, 2010; IDC 2012; Big Data/Predictive Analytics

Estrategia BigData

NEC’s Technologies to change BIGDATA into Values

 Media Processing ⇒ Timely and accurate recognition of diversified real

world events.

 Analytics ⇒ Finding new rules, and optimization with predictions.

Data Capture

Prediction

Social Value Creation

Real
World

Vibration
Sensor

Invariant Analysis

Voice

Recognition
Media

Processing

Face

Recognition

Heterogeneous
Mixture Learning

Analytics

RAPID Machine

Learning

Natural Language

Recognition

Textual Entailment


Recognition



Analysis Process Management

O
p
t
i

i

m
z
a
t
i
o
n
/
C
o
n
t
r
o
l


Financial Efficiency
Tax, Social Security

Predictive Medication

Healthcare

Energy

Optimization

Accident, Crime,
Disaster Mgmt.

Food Production

Optimization

NEC’s BigData Offerings

FAILURE SIGN MONITORING
SYSTEM(INVARIANT ANALYSIS)

Failure Sign Monitoring System(Invariant Analysis)

* Collection and analysis of large volumes of sensor data to detect when operations are “different than normal”
* Detection of abnormalities through comparison of past data and real- time data

Detection of signs of failure and/or abnormalities in domains in
which failures could have a high economic and/or social impact

Social infrastructure
(Bridges, expressways, etc.)

IT systems, data
centers, telecom

networks

Power plants

Manufacturing plants
(Assembly, chemical, etc.)

Automobiles, trains,
aircraft, ships, etc.

Sensor data

Operation logs

Provision of safety and security solutions that contribute to society

Detection of abnormalities by comparing past data and real- time data

* Automatic modeling of complex systems using machine learning
* Early detection of abnormalities by comparing current observational data with values predicted

using a model to determine whether or not operations are “different than normal”

Visualization of “normal” operations

[ Invariant model]

Detection of signs indicating that

operations are “different than normal”

[Real- time failure detection]

Visualization
of operations

← Extent of abnormality

Detection of
abnormalities

Mechanical and automatic visualization

of relationships that even experts

would have difficulty noticing

Comprehensive viewing of all relationships

enables abnormalities to be detected in 1 / 20 th

the amount of time it would take a human

Chugoku Electric Power Co., Inc.
Effectiveness of Failure Sign Monitoring System

for Large- scale Plants utilizing invariant analysis confirmed

through field trials at Shimane Nuclear Power Station



Real- Time

 No. of sensors per power plant: 3,500
 100 of data from each sensor in a second

Advanced Analysis

 Discovery of signs indicating that operations are

“different than normal” from correlations
between 3,500 x 3,499 sets of sensors

On- site know- how

 Realization of improved accuracy of failure sign
monitoring through close collaboration between
experts in power plant operations working for
the customer and NEC’s own analysts.

HETEROGENEOUS MIXTURE
LEARNING

Heterogeneous Mixtu