Please use this identifier to cite or link to this item: http://hdl.handle.net/11531/42594
Title: Aplicación de técnicas de Machine Learning para mejorar la seguridad en entornos industriales
Authors: López López, Álvaro Jesús
Moraga Gómez-Olea, Valentín Manuel
Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)
Keywords: 33 Ciencias tecnológicas;3310 Tecnología industrial;331005 Ingeniería de procesos
Issue Date: 2020
Abstract: La Industria 4.0 está a día de hoy presente en prácticamente cualquier Sistema de Control Industrial (ICS por sus siglas en inglés). Esto es algo que no debería sorprender a nadie. No es un concepto o idea remota que pueda llegar a realizarse en un futuro y muchas empresas ya están aprovechando las numerosas oportunidades que esta nueva revolución industrial ofrece. Según un estudio de la PwC sobre la Industria 4.0, se espera que un 72% de las empresas alcancen altos niveles de integración de ésta y de digitalización hacia finales de este año [1]. Además, la situación causada por la COVID-19 ha acelerado este proceso no ha hecho más que acelerar este proceso fuertemente. Se ha detectado un cambio de rumbo hacia la inteligencia operacional y prescriptiva en detrimento de técnicas analíticas meramente descriptivas. Esto se puede observar en varias tendencias que continuarán los próximos años en relación a la Industria 4.0 y al “Industrial Internet of Things (IIoT)”. Alguna de ellas son la recolección de grandes cantidades de datos para su posterior procesado y evaluación, la monitorización y gestión en remoto o niveles cada vez más altos de integración de datos y toma de decisión autónoma. Estas tendencias tendrán como consecuencia una mayor transparencia, un aumento de la eficiencia y una minimización del tiempo de inactividad de los equipos de fabricación. Todo esto con una repercusión directa sobre los niveles de producción. Por tanto, la adopción de herramientas de aprendizaje automático y de inteligencia artificial están cambiando la manera en la que empresas trabajan con sus sistemas industriales. No obstante, estas ventajas no están exentas de algún aspecto negativo, sobre todo en el ámbito de la seguridad. Como conclusión se puede decir que el IIot y la Industria 4.0 presentan un nuevo paradigma y nuevas implicaciones, especialmente para la Ciberseguridad de los ICS.
The fact that Industry 4.0 is nowadays present in almost every Industrial Control System (ICS) should not take anybody by surprise. It is not a remote concept that might become true in the future and many companies are already taking advantage of the opportunities that this new industrial revolution offers. According to a survey carried out by PwC on Industry 4.0, 72% companies expect to achieve advanced levels of integration and digitization by 2020 [1]. Furthermore, the current situation due to COVID-19 pandemic has accelerated this process. There is a shift towards operational intelligence and prescriptive rather than descriptive analytics which can be seen in some trends that will continue into 2020 in regards to the Industrial Internet of Things (IIoT). Some of them are the increased adoption of collecting data for further processing and evaluation, remote monitoring and management or higher levels of data integration and autonomous decision-making. These trends will lead to higher levels of transparency, improvement of efficiency and minimization of downtime. All this with a direct impact in production levels. The process of adopting machine learning and AI techniques in order to manage IIoT devices is changing the way companies and businesses have to deal with their industrial systems. Therefore, IIoT and Industry 4.0 present a new paradigm and new implications, especially regarding ICS Cybersecurity.
Description: Grado en Ingeniería en Tecnologías Industriales
URI: http://hdl.handle.net/11531/42594
Appears in Collections:KTI-Trabajos Fin de Grado

Files in This Item:
File Description SizeFormat 
TFG - Moraga Gomez-Olea, Valentin.pdfTrabajo Fin de Grado2,77 MBAdobe PDFView/Open
Autoria trabajo.pdfAutorización27,93 kBAdobe PDFView/Open    Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.