Inteligencia
digital

en procesos

Inteligencia Artificial

La Inteligencia Artificial (AI) es un área de investigación multidisciplinar que se enmarca dentro de las Ciencias de Computación.

El objetivo de a IA es emular el razonamiento humano, de modo que las máquinas puedan aprender de flujos de datos y tomar decisiones automáticamente.

Si bien los trabajos en esta materia se remontan a más de un siglo atrás, es ahora con el avance tecnológico y la explosión de datos, cuando se han podido implementar métodos que se aplican con éxito en contextos industriales.

Actualmente estamos viviendo en la Era Digital y prácticamente todo dispositivo automático tiene electrónica digital y consecuentemente procesa y emite datos. Esto ha tenido un efecto boom en industria. Cualquier instalación moderna procesa y emite cantidad de datos. Por ello, se ha credo un contexto fabuloso para la implementación de métodos de IA y esta es la base la de denominada Industria 4.0 (I4.0).

En Lortek nos centramos en las aplicaciones de la IA para contextos industriales, que en su mayor parte se engloba en I4.0. Son varias la técnologias implicadas: Ciberseguridad, BlockChain, Control Inteligente, Vision por Computador, IoT, Edge-Fog-Cloud Computing o Machine Learning son partes indispensables.

Todas ellas gobernadas por principios básicos como son:

  • El ser humano figura como figura central.
  • Ética, legalidad y transparencia en los algoritmos IA.
  • Sostenibilidad y eficiencia.
  • Seguimiento de la normativa europea.

Actualidad

3L: Machine Learning, Deep Learning y Active Learning

Más allá de trabajar con las herramientas existentes en el estado del arte (tensorflow, keras, Caffe, sk-learn, etc.) y los diferentes lenguajes de programación, en LORTEK diseñamos algoritmos ajustados a la problemática industrial. En la explosión de datos en la actual I4.0, abordamos la problemática de tratar con diferentes orígenes y tipo de datos, su trazabilidad y la detección de datos falsos. Creamos algoritmos ad-hoc, para la generación de modelos de predicción con una máxima precisión y calidad.

Un aspecto que nos preocupa es la obsolescencia del conocimiento, por ello nuestros métodos los acompañamos con técnicas de self-learning que garantizan un máximo rendimiento tanto en la instalación industrial como en la tolerancia posterior a cambios de contexto (cambios de producto, parámetros o componentes).

Estos métodos los aplicamos a: mantenimiento predictivo, optimización de producto, optimización energética y predicción de fallos.

Visión por Computador

El procesamiento de imágenes digitales es un caso particular donde aplicar métodos de Machine Learning, con la ventaja de que las imágenes son conjunto de datos ordenados. En este contexto, aplicamos técnicas ajustadas a la problemática de la visión, como es el análisis de reflectancia, calibración cromática, y sistemas automáticos de corrección frente a cambios de iluminación.

Respecto a los métodos computacionales, seguimos trabajando con métodos clásicos como son SVM, RF, ANN, Bayes, etc. Pero hablando de algoritmos de visión también trabajamos con los últimos avances Deep Learning (CNN, RNN, GAN, etc.).

Son muchos los casos en los que los sistemas de visión, los acompañamos de arquitecturas sofware Active Learning. Esto significa, que el trabajador experto sigue siendo clave en el control de calidad. La industria actual exige la fabricación de series cada vez más cortas con una variedad cada vez más alta de productos. Es el trabajador experto, quien con interfaces humano/IA dirige este proceso de adaptación de los algoritmos a nuevos contextos de fabricación.

Estos métodos los aplicamos fundamente a sistemas de control de calidad. Dado un producto lo observamos con cámaras y de ahí concluimos si la pieza es buena o no.


Control Inteligente

Los sistemas de control inteligente utilizan una serie de técnicas de la inteligencia artificial para el control de procesos complejos. Procesos cuyos modelos son muy complejos, no lineales, entornos de incertidumbre o con criterios y objetivos de control cambiantes con el tiempo. El control inteligente permite resolver problemas de control inabordables por los métodos clásicos.Las cuatro técnicas básicas que fundamentalmente componen el Control Inteligente son Control Experto, Control Borroso, Redes Neuronales y Algoritmos Genéticos. En LORTEK trabajamos en la implementación de estas técnicas en procesos industriales complejos con el objetivo específico de la mejora de calidad.

Equipamiento específico

Nuestros investigadores trabajan con potentes estaciones de trabajo con capacidad para fabricar y ejecutar modelos de predicción. Además, contamos con servidores dedicados con varios precesadores Xeon y tarjetas NVIDIA.

Publicaciones
y descargas

Publicaciones
2019
MR Parsha Pahlevannejad, Arnold Herget, Ramón Moreno, Andre Hennecke.
Implementation and Testing of a Modular System Architecture for Generic Hybrid Production Cells in an Industrial Environment.
45st Annual Conference of the IEEE Industrial Electronics Society.
2019
Ander Muniategui, Aitor García de la Yedra, Jon Ander del Barrio, Xabier, R. Moreno.
Mass production quality control of welds based on image processing and deep learning in safety components industry.
Proc. SPIE 11172, Fourteenth International Conference on Quality Control by Artificial Vision, 111720L
2019
A Muniategui, JA del Barrio, XA Vinuesa, M Masenlle, AG de la Yedra, R. Moreno.
One Dimensional Fourier Transform on Deep Learning for Industrial Welding Quality Control.
International Work-Conference on Artificial Neural Networks, 174-185.
2019
R. Moreno, Juan Carlos Pereira, et al.
Time Series Display for Knowledge Discovery on Selective Laser Melting Machines.
20th International Conference on Intelligent Data Engineering and Automated Learning.
2019
R. Moreno, E. Gorostegui-Colinas, PL de Uralde, A Muniategui.
Towards Automatic Crack Detection by Deep Learning and Active Thermography.
International Work-Conference on Artificial Neural Networks, 151-162.

Retos

Desafíos que hay que afrontar en los próximos años:

Desafíos que hay que afrontar en los próximos años: Los retos de la IA en la Industria 4.0 se hacen latentes en torno a la explosión del dato. Nuevos agentes han aparecido en el escenario industrial como son: Ciberseguridad, IoT, Blockchain, Sistemas de ayuda a la Toma de Decisiones. Los algoritmos pueden tomar decisiones en unos países y repercutir en las ejecuciones de sistemas industriales localizados en otros países. Además, los inputs de algunos algoritmos provienen de trabajadores expertos. Estos aspectos están tomando gran relevancia, llevándonos a juzgar aspectos éticos y legales de la IA.
Aparte de los límites legales y éticos de los algoritmos, en Lortek abordamos paradigmas de aprendizaje máquina que se ajusten a las necesidades industriales actuales: sistemas capaces de aprender por si solos desde cero (Reinforcement Learning, Self-Learning). En el procesamiento de imágenes digitales, trabajamos por crear sistemas de aprendizaje visual con memoria del pasado (Learning without Forgetting). Ambas dos técnicas juntas, se dirigen al gran objetivo de crear modelos computaciones que recojan el conocimiento industrial y se ajusten a los cambios contextuales que requieren los sistemas de producción de hoy en día: producto dirigido a los requisitos de cliente, con series cada vez más cortas.
La aplicación de soluciones digitales a la industria se ha acelerado en los últimos años. En este sentido, los avances en el campo del Control Automático, la Inteligencia Artificial, la sensórica, procesamiento de señales, actuadores, etc., proporcionan nuevas herramientas para el control de sistemas. Sin embargo, su aplicación sigue siendo un desafío en ciertos entornos industriales complejos (tales como procesos de soldadura al arco, procesos de láser etc), ya que se demanda una tecnología más robusta que dé respuesta en tiempo real.