La RFID ayuda a mejorar la precisión de los datos de ubicación geográfica

　　Desde el marketing móvil hasta el seguimiento de activos, la ubicación ha sido un factor clave que ha influido en la adopción generalizada tanto de consumidores como de empresas. El GPS es un ejemplo temprano de cómo la combinación de smartphones y tecnología de posicionamiento cambiará la forma en que los consumidores y los vehículos comerciales circulan por la carretera. Los conductores tienen expectativas muy bajas y asumen que en cualquier viaje largo, incluso en la jungla de hormigón de los aparcamientos, cuando las señales de los satélites de posicionamiento se deterioran y los smartphones u otros terminales pierden órbita, el GPS recalculará varias veces. El GPS es preciso y, en la mayoría de los casos, "lo suficientemente preciso" para uso civil general.

　　Con los años, a medida que los servicios basados en la localización, la comunicación máquina a máquina y el Internet de las Cosas empezaron a requerir capacidades de posicionamiento, comenzaron a entrar nuevas tecnologías en el mercado, comenzando principalmente al aire libre y luego expandiéndose a casos de uso para seguimiento de activos en interiores en diversas industrias. Las redes inalámbricas, RFID (RFID), balizas Bluetooth y otras tecnologías han surgido con capacidades fundamentales para satisfacer esta demanda, esencialmente la capacidad de analizar la intensidad de la señal recibida (RSSI). La cuestión es que estas tecnologías Sontech no están diseñadas específicamente para el posicionamiento, y mucho menos para el rendimiento en tiempo real que requieren las aplicaciones emergentes, lo que limita su eficacia y precisión. Sin embargo, en la mayoría de los casos, son "lo suficientemente precisos" y tienen una "latencia tolerable" para las aplicaciones que utilizan.

　　Sin embargo, en los últimos años, el desarrollo del Internet de las Cosas y su aparición en mercados B2B no industriales han cambiado la percepción sobre los requisitos de precisión del posicionamiento. Impulsadas por la eficiencia a nivel empresarial, las organizaciones están imaginando una variedad de aplicaciones que pueden utilizar IoT, como rastrear objetos más pequeños o incluso personas mediante sensores integrados en tarjetas de identificación, con el objetivo de interactuar con el entorno. De hecho, para cada tipo de entorno, empiezan a surgir varios casos de uso, e incluso dentro del mismo campo, existen diferentes competidores. Mientras tanto, avances tecnológicos significativos han adoptado la forma de sistemas de posicionamiento en tiempo real (RTLS), que proporcionan capacidades de posicionamiento submedidor. Incluso recientemente, la posición de la industria para aplicaciones emergentes y de vanguardia ha superado el nivel del centímetro—y en algunos casos, incluso más pequeño.

　　Pero, ¿requieren el IoT y otras aplicaciones posicionamiento a nivel de centímetro? Primero, veamos qué significa realmente la precisión del posicionamiento para las aplicaciones.

　　Entender la precisión

　　La precisión en el sentido de RTLS puede definirse como una combinación de precisión y latencia. Alta precisión significa que, al seguir objetivos en movimiento, el sistema RTLS puede alcanzar una precisión desde submetros (menos de 1 metro) hasta nivel centímetro, mientras sigue ejecutando un seguimiento en tiempo real con un tiempo de retardo inferior a un segundo. Sin embargo, independientemente de la tecnología utilizada, lograr precisión con baja latencia tiene un coste. Normalmente, el seguimiento en tiempo real de alta precisión se logra cubriendo áreas de interés con dispositivos y creando redundancia de datos, lo que conduce a un aumento de los costes iniciales del sistema y, en algunos casos, al coste total de propiedad.

　　La latencia es otro factor que afecta a la precisión en RTLS. No todas las aplicaciones requieren capacidades de localización en tiempo real; por ejemplo, equipos pesados de movimiento lento pueden requerir datos de posición separados por varios minutos—un objeto de 10 toneladas no se movería sin una grúa—y, al seguir atletas, un retraso superior a 300 milisegundos no es suficiente para aplicaciones de realidad aumentada.

　　En la mayoría de las aplicaciones IoT actuales, la precisión a nivel de centímetro y el seguimiento en tiempo real no son requisitos críticos. Por ejemplo:

　　▲ Posicionamiento de carretillas elevadoras en almacenes: la precisión a unos pocos metros es aceptable, y las posiciones en segundos en lugar de en tiempo real también son aceptables.

　　▲ Posicionamiento de contenedores en astilleros: la precisión en unos pocos metros es aceptable, y también es aceptable recibir información de posición en un minuto.

　　▲ Mover maquinaria grande alrededor del yacimiento petrolífero: Esta aplicación puede requerir datos de localización a intervalos de varios minutos, pero la información de localización a pocos metros suele ser aceptable.

　　Sin embargo, algunas aplicaciones emergentes requieren seguimiento de alta precisión, que puede o no incluir requisitos de capacidad en tiempo real. Ejemplos de aplicación que requieren alta precisión incluyen:

　　▲ Análisis de deportes competitivos: Rastrea el movimiento de atletas u objetos, como el patinaje de hockey sobre hielo en la arena. Esto requiere rastrear en tiempo real hasta unos pocos centímetros, porque los atletas y el equipo están siempre en movimiento, y sus posiciones relativas son cruciales para describir la dinámica del juego y eventos específicos.

　　▲ Edificios inteligentes: Esto puede estar relacionado con la optimización de los flujos de trabajo hospitalarios mientras se procesa digitalmente el entorno circundante mediante un motor de reglas que simula lógica del mundo real; Interacción con sistemas de domótica; O exportar métricas que calculen información contextual. Por ejemplo, encender las luces cuando alguien entra en una sala de reuniones, o analizar los caminos de los compradores en supermercados para obtener métricas de tiempo de permanencia e interacciones con productos.

　　▲ Seguridad de los empleados en entornos industriales: En aplicaciones de almacenes, los trabajadores y los equipos automatizados se desplazan rápidamente de un lugar a otro, requiriendo un seguimiento en tiempo real de mayor precisión para determinar posiciones, como evitar colisiones entre carretillas elevadoras y trabajadores.

　　▲ Seguridad y monitorización: Esto se aplica a cualquier escenario crítico para la misión que requiera datos altamente fiables y coherencia, como la monitorización y el control de accesos.

　　Finalmente, el percentil de la desviación estándar —también caracterizado por la función de distribución acumulada— es otro factor clave para la precisión del posicionamiento.

　　Si una ubicación tiene un alto rendimiento en tiempo real, significa que siempre debe cumplir con los estándares de posicionamiento de alta precisión y baja latencia; por ejemplo, el 90% de las veces, es inferior a 1 metro.

　　Resumen

　　La precisión necesaria para localizar personas o elementos depende de los requisitos específicos de la propia aplicación y de las necesidades empresariales que apoya. Al observar el ejemplo anterior, está claro que en algunos casos, ciertas aplicaciones requieren capacidades de posicionamiento más precisas y de menor latencia que otras. Las organizaciones determinarán sus requisitos de localización en tiempo real basándose en las aplicaciones específicas que desarrollen, y una mayor precisión seguirá abriendo la puerta a un gran número de nuevas aplicaciones.

　　Es importante señalar que, cuando las organizaciones determinan sus necesidades hoy, también deben considerar las aplicaciones futuras, la precisión requerida al momento de su aparición y a qué escala. Este es un factor clave para reducir costes, mejorar la rentabilidad y garantizar la inversión a largo plazo. Es fundamental aprovechar un RTLS que pueda escalar e integrar fácilmente estos nuevos requisitos según las necesidades del negocio. Esto requiere la implementación de tecnología RTLS altamente flexible, en la que el sistema puede configurarse para operación transfronteriza y ofrece precisión de baja a alta. Esto lo hace adecuado para una amplia gama de aplicaciones, incluyendo la gestión segura y fiable de flujos de trabajo, así como para avanzar hacia aplicaciones de realidad aumentada o realidad virtual según surja la demanda.

　　Determinar consistentemente la posición exacta de una persona u objeto en tiempo real es complejo, y seguir objetos estáticos suele ser más difícil que seguir los que se mueven. Ninguna "bala de plata" puede resolver perfectamente todos los casos de uso. Las organizaciones deben equilibrar sus necesidades específicas con los costes del sistema (considerando la inversión inicial y el coste total de propiedad) para alcanzar sus capacidades de segmentación, logrando así un retorno de inversión que cumpla con sus objetivos empresariales.