Según una encuesta de Longitude Research y Siemens, más de la mitad de los líderes industriales esperan que la IA controle activos de alto valor como plantas industriales, equipos y máquinas antes de 5 años; esta es una aspiración a la que todos nos sumamos. En esta encuesta se preguntó a más de 500 líderes senior de los sectores de energía, manufactura, industria pesada, infraestructura y transporte sobre los usos, beneficios, barreras y actitudes hacia la IA. Sus respuestas ofrecen una visión única del futuro de la IA en las empresas industriales que no debemos perder de vista.
Es significativo que un gran número de encuestados (44%) crea que, en el transcurso de los próximos cinco años, un sistema de inteligencia artificial controlará de forma autónoma las máquinas que podrían causar lesiones o la muerte y un número aún mayor (54%) cree que la IA, dentro del mismo período, controlará de forma autónoma algunos de los activos de alto valor de su organización.
Pero qué es (IA) y como nos incumbe a los ingenieros de confiabilidad
El término «inteligencia artificial» (IA) abarca toda la tecnología computarizada que permite que un ordenador imite los procesos analíticos extremadamente elaborados del cerebro humano y esto incluye todas las técnicas de aprendizaje (aprendizaje automático) y, en particular, el aprendizaje profundo que es ese que se basa en la tecnología neuronal artificiales concebida a fines de la década de 1950 y que hoy, gracias al tremendo poder de los nuevos ordenadores podemos estar rozando la construcción de un verdadero «cerebro virtual».
Construyendo la fe en los algoritmos
Sin duda, las nuevas herramientas, la computación de alta velocidad el 5G, la sensorización cada vez más especializada y otras herramientas sumadas a las aplicaciones cada vez más potentes están planteando nuevos desafíos. Pero esto requerirá un acto de fe confiar en la IA dándole responsabilidades que hasta ahora sólo se otorgaron a los humanos. En estos casos, las aplicaciones de inteligencia artificial deberán ganarse la confianza de los responsables de la toma de decisiones, mientras que las organizaciones deberán desarrollar nuevos marcos de riesgo y gobernanza.
Que papel tiene (IA) en el mantenimiento predictivo
Terotecnic está trabajando desde hace tiempo en algoritmos que puedan simular las decisiones de un analista de vibración con inteligencia artificial. Estos algoritmos, cuando se aplican al análisis de vibraciones, son muy útiles, y no sólo para usuarios no especializados, sino también para los más expertos. A varios motivos para ello, en primer lugar y aunque sólo sea por su filtrado inicial, ayuda a evitar el análisis de señales de máquinas sanas o de aquellas cuyos defectos son obvios. De esta forma, los expertos pueden monitorear un grupo más grande de máquinas y dedicar más tiempo a casos más complejos para limitar el riesgo de error en el análisis. En segundo lugar, proporciona un diagnóstico confiable y fácilmente comprensible que permite a los no especialistas a ser autónomos en la toma de decisiones, y aquí nuevamente los expertos ahorrarán tiempo ya que no se les pide ayuda en todo momento focalizando sus esfuerzos en la enseñanza a IA y a los diagnósticos más difíciles y complicados.
Recientemente hemos sido elegidos en una propuesta para la aplicación de IA, la noticia puedes leerla aquí :
La propuesta conjunta con Merkinsio y Terotecnic, es la ganadora del reto Andalucía Water Tech Hub lanzado por GoHub, el hub de innovación abierta y deep tech de Global Omnium, para impulsar con tecnología e innovación la recuperación del tejido emprendedor y empresarial tras la crisis del Covid-19. El reto ha consistido en crear una plataforma donde estará alojada una red neuronal autónoma, basada en tecnología de Inteligencia Artificial (AI,) que permita la toma de decisiones para inversiones en infraestructuras de abastecimiento de agua de forma predictiva.
Lea la noticia completa
Y …. , ¿Cómo se enseña a una computadora a formular un diagnóstico de vibraciones confiable? o como el caso de nuestra propuesta ganadora ¿Cómo se toman decisiones de inversión en infraestructuras de forma predictiva? ahí radica el punto de un módulo de inteligencia artificial relevante. La respuesta es fácil: proporcionando al algoritmo buenos maestros.
En Terotecnic, los profesores son nuestros propios expertos y nuestros clientes los mejores testadores. Son ellos quienes seleccionan los datos que sirven de base para la reflexión, es su diagnóstico el que sirve como resultado a alcanzar en las salidas del algoritmo, y es su método de análisis el que nos esforzamos por reproducir en nuestros input.
Al poner toda nuestra experiencia en este proceso de aprendizaje supervisado donde la máquina, utilizando el diagnóstico humano como referencia, trabaja a través de los datos representativos del problema a identificar, estamos mejorando el modelo matemático, los algoritmos y la estrategia de aprendizaje.
Gracias a esto, ahora estamos perfectamente capacitados para terminar de poner apunto nuestros sistemas de «AI» para todos los conceptos básicos del análisis de vibraciones. Todo lo que queda por hacer es que adquiera un sentido de la intuición que es lo que lleva a un experto experimentado a formular un diagnóstico exacto a partir de sólo un par de síntomas, pero sin pruebas irrefutables. Eso es lo que estamos intentando lograr ahora.
Sin embargo, no pretendemos detenernos allí. Ya estamos trabajando en un proceso de aprendizaje no supervisado en el que la herramienta de análisis de vibraciones aprenderá a explorar y comprender los datos antes de agruparlos en subconjuntos de elementos similares. Con el aprendizaje no supervisado, la herramienta podría llegar a señalar un cambio de comportamiento en una máquina mientras nos explica de dónde proviene este cambio. Incluso podría mejorar la experiencia de nuestros expertos al permitirles descubrir evidencia dentro de los datos que aún permanecen invisibles a simple vista.
Con la inteligencia artificial, estamos entrando en un verdadero ciclo virtuoso de análisis de vibraciones que beneficiará la confiabilidad de la industria y abaratará tremendamente los costes ¡Y la aventura apenas acaba de comenzar!
Reto » Inteligencia artificial para la optimización de inversiones en la red «
El abastecimiento de agua potable a la ciudadanía de una manera eficiente y sin imprevistos presenta grandes retos a los que los gestores y mantenedores de la red deben enfrentarse para asegurar el correcto suministro de agua a los hogares. La vital necesidad del agua para cada uno de nosotros y la compleja red de abastecimiento instalada requiere de un compromiso entre disponibilidad y eficiencia, siendo necesario asegurar que los ciudadanos no sufran cortes en la red mientras que se ajustan los costos de mantenimiento en los activos que permiten que el agua alcance cada una de las viviendas.
Este compromiso resulta complicado de mantener cuando las instalaciones sufren de cortes de abastecimiento debido a fallos inesperados que repercuten directamente en el suministro a la población y que requieren de acciones rápidas y costosas para poder recuperar el normal funcionamiento. Ahora que vivimos en pleno boom del uso de los datos como herramienta predictiva se antoja inevitable intentar usar los datos de las redes de abastecimiento para planificar el mantenimiento según modelos que aprenden de los datos registrados de la red.
Para poder mantener este compromiso, GoHub by Global Omniun ha impulsado junto con la Junta de Andalucía el Reto «Inteligencia artificial para la optimización de inversiones en la red», siendo hospedado por el Grupo Energético de Puerto Real (GEN). En este reto se ha elegido a Terotecnic y Merkinsio para desarrollar el modelo predictivo que indique las tuberías de la red de abastecimiento necesarias de acciones preventivas con las que evitar costes en la red. Los datos recolectados por más de 40 años durante la gestión de la red por parte de GEN serán la base para la creación de un modelo basado en técnicas de Machine y Deep Learning que, usando parámetros como el material construido, fecha de instalación o terreno cercano, puedan producir predicciones certeras que permitan de la optimización y priorización de las inversiones.
Los resultados del proyecto permitirán una mejora en la planificación de las acciones de mantenimiento en la red de abastecimiento, así como de una gestión más eficiente del presupuesto ya que se podrán evitar las incidencias no planificadas sustituyéndose por acciones basadas en el mantenimiento predictivo. Estas acciones serán planificadas en calendario optimizando los recursos que fueran necesarios para su realización evitando sobrecostos obligados por la celeridad de restituir un suministro básico como es el del agua.
Este bloque de «IA» se encargará por tanto del mantenimiento predictivo en instalaciones de conducción, distribución y almacenamiento por elementos estáticos: tuberías, depósitos, válvulas, filtración, dosificación etc. Mientras que un segundo bloque que ya está en marcha se encarga del mantenimiento predictivo en equipos rotativos como son las bombas de agua.
Terotecnic Ingeniería, ya vigila y protege cientos de equipos en este sector, tanto en aguas de alimentación para el consumo humano como en el tratamiento de aguas residuales y de desalinización de agua marina.
