¿Alguna vez ha enchufado una aspiradora? sólo para que se apague sin previo aviso antes de que se termine el trabajo? O tal vez la lámpara de su escritorio funcione bien hasta que encienda el aire acondicionado que está enchufado a la misma regleta.

Es probable que estas interrupciones sean "viajes molestos, "en el que un detector instalado detrás de la pared dispara el circuito eléctrico de un tomacorriente cuando detecta algo que podría ser una falla de arco, una chispa potencialmente peligrosa en la línea eléctrica.

El problema con los detectores de fallas de arco actuales, según un equipo de ingenieros del MIT, es que a menudo se equivocan por ser demasiado sensibles, cortar la energía de un tomacorriente en respuesta a señales eléctricas que en realidad son inofensivas.

Ahora el equipo ha desarrollado una solución a la que llaman "toma de corriente inteligente, "en forma de un dispositivo que puede analizar el uso de la corriente eléctrica de uno o varios tomacorrientes, y puede distinguir entre arcos benignos (picos eléctricos inofensivos como los causados ​​por electrodomésticos comunes) y arcos peligrosos, como chispas que resultan de un cableado defectuoso y que pueden provocar un incendio. El dispositivo también se puede entrenar para identificar lo que podría estar conectado a una toma de corriente en particular, como un ventilador frente a una computadora de escritorio.

El diseño del equipo comprende hardware personalizado que procesa datos de corriente eléctrica en tiempo real, y software que analiza los datos a través de una red neuronal, un conjunto de algoritmos de aprendizaje automático que se inspiran en el funcionamiento del cerebro humano.

En este caso, El algoritmo de aprendizaje automático del equipo está programado para determinar si una señal es dañina o no comparando una señal capturada con otras que los investigadores utilizaron anteriormente para entrenar el sistema. Cuantos más datos esté expuesta a la red, cuanto más exactamente pueda aprender las "huellas dactilares" características que se utilizan para diferenciar lo bueno de lo malo, o incluso para distinguir un aparato de otro.

Joshua Siegel, un científico investigador en el Departamento de Ingeniería Mecánica del MIT, dice que la toma de corriente inteligente puede conectarse a otros dispositivos de forma inalámbrica, como parte del "Internet de las cosas" (IoT). En última instancia, imagina una red generalizada en la que los clientes pueden instalar no solo una toma de corriente inteligente en sus hogares, sino también una aplicación en su teléfono, a través del cual pueden analizar y compartir datos sobre su uso eléctrico. Estos datos, como qué electrodomésticos están enchufados y dónde, y cuándo se ha disparado un enchufe y por qué, se compartirían de forma segura y anónima con el equipo para perfeccionar aún más su algoritmo de aprendizaje automático, facilitando la identificación de una máquina y la distinción de un evento peligroso de uno benigno.

"Al hacer que IoT sea capaz de aprender, puedes actualizar constantemente el sistema, para que su aspiradora pueda activar el disyuntor una o dos veces la primera semana, pero se volverá más inteligente con el tiempo, "Siegel dice." Para cuando tengas 1, 000 o 10, 000 usuarios que contribuyen al modelo, muy pocas personas experimentarán estos viajes molestos porque hay muchos datos agregados de tantas casas diferentes ".

Siegel y sus colegas han publicado sus resultados en la revista Engineering Applications of Artificial Intelligence. Sus coautores son Shane Pratt, Yongbin Sun, y Sanjay Sarma, el profesor Fred Fort Flowers y Daniel Fort Flowers de Ingeniería Mecánica y vicepresidente de aprendizaje abierto en el MIT.

Huellas digitales eléctricas

Para reducir el riesgo de incendio, las casas modernas pueden hacer uso de un interruptor de circuito de falla de arco (AFCI), un dispositivo que interrumpe los circuitos defectuosos cuando detecta ciertos patrones eléctricos potencialmente peligrosos.

"Todos los modelos AFCI que desmontamos tenían pequeños microprocesadores, y estaban ejecutando un algoritmo regular que buscaba bastante primitivo, firmas simples de un arco, "Dice Pratt.

Pratt y Siegel se propusieron diseñar un detector más exigente que pueda discriminar entre una multitud de señales para distinguir un patrón eléctrico benigno de uno potencialmente dañino.

Su configuración de hardware consiste en una microcomputadora Raspberry Pi Model 3, un bajo costo, procesador de bajo consumo que registra los datos de la corriente eléctrica entrante; y una pinza de corriente inductiva que se fija alrededor del cable de una toma de corriente sin tocarlo, que detecta la corriente que pasa como un campo magnético cambiante.

Entre la pinza de corriente y el microordenador, el equipo conectó una tarjeta de sonido USB, hardware básico similar al que se encuentra en las computadoras convencionales, que utilizaron para leer los datos actuales entrantes. El equipo descubrió que estas tarjetas de sonido son ideales para capturar el tipo de datos que producen los circuitos electrónicos. ya que están diseñados para captar señales muy pequeñas a altas velocidades de datos, similar a lo que emitiría un cable eléctrico.

La tarjeta de sonido también vino con otras ventajas, Incluyendo un convertidor de analógico a digital integrado que muestrea señales a 48 kilohercios, lo que significa que toma medidas 48, 000 veces por segundo, y un búfer de memoria integrado, permitir que el dispositivo del equipo controle la actividad eléctrica de forma continua, en tiempo real.

Además de registrar los datos entrantes, gran parte de la potencia de procesamiento de la microcomputadora se dedica a ejecutar una red neuronal. Para su estudio, capacitaron a la red para establecer "definiciones, "o reconocer patrones eléctricos asociados, producido por cuatro configuraciones de dispositivo:un ventilador, una computadora iMac, un quemador de estufa, y un generador de ozono, un tipo de purificador de aire que produce ozono cargando eléctricamente oxígeno en el aire. que puede producir una reacción similar a una peligrosa falla de arco.

El equipo ejecutó cada dispositivo varias veces en una variedad de condiciones, recopilar datos que alimentaron a la red neuronal.

"Creamos huellas digitales de datos actuales, y los etiquetamos como buenos o malos, o qué dispositivo individual son, "Siegel dice." Hay buenas huellas dactilares, y luego las huellas dactilares de las cosas que queman tu casa. Nuestro trabajo a corto plazo es averiguar qué va a quemar su casa y qué no, y a largo plazo, averigua exactamente qué está conectado y dónde ".

"Inteligencia cambiante"

Después de entrenar la red, ejecutaron toda su configuración (hardware y software) en datos nuevos de los mismos cuatro dispositivos, y descubrió que podía distinguir entre los cuatro tipos de dispositivos (por ejemplo, un ventilador frente a una computadora) con una precisión del 95,61 por ciento. Al identificar las señales buenas de las malas, el sistema logró una precisión del 99,95 por ciento, ligeramente superior a los ICFA existentes. El sistema también pudo reaccionar rápidamente y disparar un circuito en menos de 250 milisegundos, a juego con el rendimiento de los contemporáneos, detectores de arco certificados.

Siegel dice que su diseño de toma de corriente inteligente solo se volverá más inteligente con el aumento de datos. Se imagina ejecutar una red neuronal a través de Internet, donde otros usuarios pueden conectarse e informar sobre su uso eléctrico, proporcionar datos adicionales a la red que le ayuden a aprender nuevas definiciones y asociar nuevos patrones eléctricos con nuevos aparatos y dispositivos. Estas nuevas definiciones luego se compartirían de forma inalámbrica con los puntos de venta de los usuarios, mejorando su desempeño, y reducir el riesgo de viajes molestos sin comprometer la seguridad.

"El desafío es, si intentamos detectar un millón de dispositivos diferentes que se conectan, tienes que incentivar a las personas para que compartan esa información contigo, ", Dice Siegel." Pero hay suficientes personas como nosotros que verán este dispositivo, lo instalarán en su casa y querrán entrenarlo ".

Más allá de los enchufes eléctricos, Siegel ve los resultados del equipo como una prueba de concepto de "inteligencia omnipresente, "y un mundo formado por dispositivos y electrodomésticos que son inteligentes, autodiagnóstico, y receptivo a las necesidades de las personas.

"Todo esto es llevar la inteligencia al límite, a diferencia de en un servidor, un centro de datos o una computadora de escritorio, ", Dice Siegel." Creo que el objetivo principal es tener todo conectado, todo el tiempo, para un más inteligente, mundo más interconectado. Esa es la visión que quiero ver ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.