Inteligencia artificial vasca para la Industria 4.0

20 diciembre, 2017
El equipo de Skootik.

La compañía Skootik ha desarrollado una solución basada en ‘machine learning’ que aprende en base a los datos que va recopilando

 

Según un estudio de Accenture sobre el impacto de la inteligencia artificial en 12 economías desarrolladas, la IA podría llegar a duplicar las tasas anuales de crecimiento económico en 2035, cambiando la naturaleza del trabajo y estableciendo una nueva relación entre el hombre y la máquina. Se prevé que el impacto de la inteligencia artificial en los negocios aumentará la productividad del trabajo hasta en un 40% y permitirá a las personas hacer un uso más eficiente de su tiempo. En la actualidad, los algoritmos y las redes neuronales están presentes en conceptos como el ‘machine learning’, el ‘deep learning’, la visión artificial, los sistemas de reconocimiento de voz, los asistentes virtuales o los tan habituales ‘bots’.

 

En Euskadi son muchas las empresas de diferente tamaño y ‘startups’ que están trabajando en el ámbito de la inteligencia artificial. Una de estas últimas es la donostiarra Skootik. Constituida en 2012, no tardaron en definir un modelo de negocio orientado al ‘machine learning’ para diferentes tipos de clientes. En este tiempo, han trabajado con empresas e instituciones del sector servicios, en el ámbito de las ‘Smart Cities’ (proyecto SmartKalea para el ayuntamiento de Donostia), soluciones orientadas a la salud (para detectar picos de alergias), para la industria (predicción de fallos de máquinas) o para el sector del turismo.

 

Su principal producto se denomina AlchemyML al que consideran la segunda generación del ‘machine learning’, según explica el CEO de Skootik Mobile Technologies, Unai Martínez: “El ‘machine learning’ es una rama de la inteligencia artificial. Básicamente consiste en que a un sistema se le dan datos y sobre estos datos va a aprendiendo de manera automática.  En el caso de AlchemyML, se le introducen datos y el sistema se encarga de validarlos, limpiarlos, enriquecerlos si fuese necesario, y se queda con la información más relevante. También le puede añadir columnas válidas al dato que se está introduciendo de forma automática y decide qué algoritmo es el más adecuado para la tipología de dato al que se refiere y lo aplica. El propio Alchemy ML aprende de su experiencia y va mejorando sus decisiones. Cuantos más datos se le meten a AlchemyML, mas inteligente se vuelve y aumenta su capacidad para tomar las decisiones oportunas que corresponden a cada caso”.

 

AlchemyML no se puede considerar una inteligencia artificial global ya que se adaptan distintas versiones a las tipologías de cada empresa. “Existe la versión personalizada de AlchemyML orientado a las necesidades de un solo cliente, generalmente industrial. Tiene un ‘core’ adaptado para aprender y dar soluciones para esa empresa en concreto, lo cual le otorga un alto valor añadido. Este servicio puede alojarse tanto en local como en la nube. Además, se va a lanzar un servicio en la nube orientado a grupos de datos más pequeños como pymes, de modo que el ‘machine learning’ pretende estar accesible para cualquiera y se universaliza el acceso a esta tecnología. En este segundo caso, AlchemyML es un motor que aprende sobre diferentes experiencias”, explica Unai Martínez.

 

AlchemyML está ofreciendo resultados relevantes en iniciativas como SmartKalea, donde se está testando la predicción de cuánta gente va a pasar por la calle Mayor de Donostia en un futuro próximo. “Si todo sigue así, la intención sería aplicar este modulo a otras calles y orientarlo no solo a los peatones, sino a predecir posibles fallos en el moviliario urbano o el flujo del tráfico en calles muy transitadas, lo que redundará en una experiencia de mayor calidad para los ciudadanos”, adelanta el CEO de Skootik.

 

En lo que se refiere a su aplicación en Industria 4.0, Skootik también ha puesto en marcha varias experiencias en los últimos años. “Un caso de uso es el relacionado con el mantenimiento predictivo de las máquinas. AlchemyML ingiere un histórico de datos sobre el funcionamiento de las máquinas y el algoritmo debe predecir cuándo van a fallar. En este caso, la mejor opción no es tanto la búsqueda de la precisión en la predicción, sino la opción que evite que la planta se pare ante una falla de máquina. Es decir, puede ocurrir que el sistema prediga que la máquina va a fallar el día 7 de abril, pero si esta se estropea el 6 de abril, a pesar de que se trata de una predicción bastante exacta, no sirve de nada, ya que ese fallo puede provocar muchos problemas en la cadena de producción. En este caso, al algoritmo se le añade un umbral más exigente con el objeto de adelantar la predicción, es decir, se prima evitar paradas de planta innecesarias sobre la precisión de las predicciones. En este caso el cliente da un salto cualitativo de un mantenimiento preventivo a uno predictivo. Otros ejemplos son los relacionados con la optimización de los recorridos de los productos en planta dentro de la cadena de valor, optimización de la trazabilidad, del consumo energético o los niveles de satisfacción de los clientes. En este último caso, por ejemplo, la precisión si es importante. Cada realidad tiene sus vicisitudes y lo que está aprendiendo AlchemyML es a automatizar en la medida de lo posible todo el proceso, desde la ingesta del dato hasta la predicción, independientemente del caso objeto de estudio”, detalla Unai Martínez.

 

En la actualidad Skootik está integrada por cinco empleados y se encuentran en un proceso de contratación de otros dos trabajadores. Una labor complicada porque tienen “muchos problemas para encontrar gente preparada”. “El perfil profesional que buscamos está relacionado con las matemáticas, la informática e incluso la física. Gente entusiasta de la tecnología que pueda aportar valor y que tenga iniciativa”, explican desde la ‘startup’ vasca. Esta escasez de talento la suplen con otra importante funcionalidad de su desarrollo: “AlchemyML es también una herramienta para la formación. El motor informa de modo didáctico al usuario sobre todo el proceso, desde la ingesta de los datos hasta la motivación de las decisiones que va tomando, validez de los datos, etc. De este modo se quiere conseguir la transversalidad de la persona en planta para que conozca mejor el proceso y obtenga las capacidades digitales necesarias para una transformación 4.0 ordenada. Ese valor añadido es muy importante para las empresas”, incide el CEO de Skootik.

 

 

 

Artículos relacionados

También te puede interesar

Ver todo arrow