MathWorks desvela en Big Things Conference cómo mejorar las predicciones sin desviaciones

MathWorks, compañía desarrolladora de software de cálculo computacional MatLab, anuncia su participación por sexta vez consecutiva en el evento internacional que organiza Paradigma Digital (ahora en Indra) Big Things Conference 2021, en plena transición del Big Data a la IA. En esta ocasión, Peter Webb, Principal Technical Specialist de MathWorks y Gokhan Atinc, Senior Engineer de MathWorks, explicarán cómo una solución de aprendizaje automático (Machine Learning) es tan buena como lo sean sus datos. Y es que, los datos del mundo real no siempre se mantienen dentro de los límites del conjunto de entrenamiento, debido a las condiciones cambiantes de operación. Esto plantea un reto importante para el científico de datos a la hora de construir sus modelos. La cuestión que plantean, por tanto, es cómo detectar y responder a los datos que se desvían.

Los asistentes a la charla descubrirán cómo un posible desvío de los datos plantea los tres retos siguientes: detectar y evaluar la degradación del rendimiento del modelo relacionada con el desvío; generar un modelo más preciso a partir de los nuevos datos; y desplegar un nuevo modelo en el entorno de producción existente. Basándose en estas premisas, Webb y Atinc presentarán “Cambio a mejor: Mejora de las predicciones mediante la automatización de la detección de desviaciones”, el próximo jueves 18 de noviembre de 15:30 a 16:10.

Así, utilizando como ejemplo una flota de vehículos eléctricos de reparto autónomo de paquetes, explicarán cómo sus baterías se degradan con el tiempo, aumentando el tiempo de carga y disminuyendo la autonomía de los vehículos. Al tratarse de elementos caros de reemplazar, confiar en una estimación estadística de la vida útil de la batería provoca, inevitablemente, que algunas sean reemplazadas pronto y otras demasiado tarde. Para optimizar recursos y costes, es necesario un nuevo enfoque que recoja posibles desviaciones (temperatura externa, tiempo de uso, etc.) y utilice modelos de aprendizaje automático para predecir la vida útil restante de cada batería.

“Nuestra solución transmite los datos de cada batería a los subsistemas de producción y entrenamiento: un modelo desplegado en el servidor de producción de MatLab que predice la vida útil restante de cada batería y un modelo físico de Simulink de la batería, de precisión termodinámica, que etiqueta automáticamente los datos para su uso en el entrenamiento de nuevos modelos”, detalla Webb.

De este modo, con la clasificación automática de datos y la detección fiable de desviaciones, es posible crear una arquitectura adaptable que reduce la complejidad del desarrollo y la implantación de soluciones de aprendizaje automático para los problemas de mantenimiento predictivo. En definitiva, “mostraremos cómo detectar desvíos gracias a los simuladores y evitar distorsiones en los modelos para así tomar mejores decisiones”, concluye Atinc.

Big Things Conference 2021 es el evento de referencia sobre tecnología y negocio centrado en IA, donde tomar el pulso de la industria y descubrir todas las novedades y tendencias del sector. La edición de este año, bajo el paraguas “Tech Awakening” se celebrará de manera online durante los días 17 y 18 de noviembre.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *