Noticias industriales

Si bien México no es uno de los países que lideran la investigación en inteligencia artificial (IA), en los últimos años, cada vez más centros de investigación están trabajando en proyectos de machine learning (ML).

De acuerdo con Saúl Domínguez, investigador del Laboratorio Nacional de Informatica Avanzada (Lania), el problema es que hace falta que la industria se acerque a estos centros para desarrollar en conjunto apliaciones más robustas que solucionen los problemas que a diario viven las empresas.

Durante el webinar “Solución de problemas con machine learning”, organizado por el Centro de Competitividad de Monterrey, comentó que debido a que el machine learning es un campo multidisciplinario, encontrar un científico de datos que sepa todo lo necesario es muy complicado, por lo que las empresas pueden apoyarse en los centros de investigación para implementar este tipo de proyectos.

Explicó que el machine learning es un campo de la inteligencia artificial que se ocupa de construir algoritmos que permiten extraer patrones de datos y generar modelos para predecir escenarios y tomar decisiones con base en ellos.

“El machine learning ha tenido un boom por la explosión de datos que se generan en sistemas informativos, IoT, sensores, etcétera, que son información crítica para el éxito o declive de una empresa. Ayudan a tomar decisiones, puede conducir a descubrimientos en la ciencia, y permite predecir eventos en ambientes naturales, porque recibe datos y los interpreta”, dijo Saúl Domínguez.

Un informe de PwC prevé que las aplicaciones de IA en la industria manufacturera crecerá en los próximos cinco años, principalmente en mantenimiento predictivo, control de calidad, visualización y automatización de procesos.

El ML está creciendo en el mantenimiento predictivo porque se pueden pronosticar fallas en la maquinaria, evitando paros no planeados, o generar un plan de mantenimiento en función de los resultados y reducir así la inactividad de los equipos.

También se utiliza para el control de calidad, ya que mediante algoritmos detecta si una pieza está defectuosa y se puede volver a trabajar o se tiene que desechar. Ayuda a optimizar recursos y prevenir fallas en el futuro. Otra aplicación muy extendida es la de análisis de causa-raíz para identificar lo que originó un determinado problema.

ML puede optimizar cadenas de suministro al identificar cuáles son los niveles de demanda de los clientes, precios de venta dependiendo de las ubicaciones de las sucursales, etc. Con base en esto se puede definir dónde agregar mayor cantidad de productos y en qué lugares.

Si como dicen los expertos, la IA y el ML se consideran la fuerza impulsora de la revolución de las fábricas inteligentes, se entiende por qué China está invirtiendo 150,000 millones de dólares para ser líder mundial en IA en 2030, y otros países como Estados Unidos, Reino Unido, Canadá, Rusia, Alemania, Noruega, Suecia, Francia e India, también siguen sus pasos.