Automatización y gestión de flujos de trabajo en una arquitectura basada en microservicios integrada en SIL-ATAVIA

Abstract

El desarrollo de un sistema de mantenimiento predictivo para la Armada plantea diversos retos. Las técnicas de inteligencia artificial (IA) basadas en Machine Learning (ML) requieren flujos automatizables y replicables para obtener resultados precisos. Además, el gran número de equipos y buques a monitorizar demanda un sistema con capacidad de orquestación y escalabilidad. Asimismo, es necesario que este sistema funcione en armonía con los sistemas logísticos de la Armada. En este trabajo se abordan estos retos y se analiza el estado actual del proyecto MAPRE. El mantenimiento predictivo precisa una herramienta que automatice la ejecución de los flujos de tareas y permita programarlos de manera sencilla. Esta herramienta debe permitir definir tareas, dependencias y cronogramas de manera modular y flexible, garantizando una trazabilidad adecuada. Estos flujos requieren de una infraestructura en la que los recursos computacionales se gestionen automáticamente y se pueda escalar horizontalmente. Esta infraestructura debe ser robusta y flexible para el despliegue de aplicaciones basadas en contenedores, facilitando así la implementación y gestión de los modelos predictivos en entornos distribuidos y de alta disponibilidad. Para aprovechar al máximo el potencial del sistema, es crucial que esté integrado con los sistemas logísticos de la Armada. Por esta razón, el sistema forma parte de la plataforma SIL-ATAVIA (Automatización de Tareas de Vigilancia y Análisis). Esto permite una gestión centralizada de usuarios y permisos, así como la disponibilidad de un entorno común para la visualización y uso de los datos generados por los diferentes sistemas desarrollados sobre la plataforma.