El aprendiz de datos
#SiemensAI - La inteligencia artificial apoya el mantenimiento predictivo
Los datos operativos de máquinas y plantas a menudo señalan fallas inminentes con anticipación. Si estos datos se registran y analizan continuamente, los errores se pueden corregir antes de que surjan (mantenimiento predictivo).
Pero interpretar estos flujos de datos requiere conocimientos expertos. Un nuevo enfoque de #SiemensAI está haciendo posible entrenar la inteligencia artificial (IA) con este conocimiento experto a un costo y esfuerzo mínimos.
Las grandes plantas industriales como las que se utilizan en la fabricación, generación y distribución de energía requieren un monitoreo constante. En el pasado, esto lo hacían exclusivamente ingenieros. Pero gracias a IoT (Internet of Things), ahora se ha convertido en una práctica común que las máquinas sean monitoreadas principalmente a través de sensores que registran datos como presión, temperatura, vibraciones, etc. Los cambios en estos valores a menudo indican fallas inminentes y desgaste que sería imposible detectar con el mantenimiento tradicional.
Detectar fallas basadas en datos de sensores significa analizar infinitas cadenas de datos (o gráficos) y encontrar anomalías. La gente generalmente encuentra estas tareas aburridas, sujetas a errores y laboriosas. Por otro lado, la inteligencia artificial se puede entrenar fácilmente para realizar estas tareas de reconocimiento de patrones. Desarrollamos SALT (Herramienta de etiquetado semiautomática) específicamente para aplicaciones industriales. Usando inteligencia artificial, SALT ayuda a analizar los flujos de datos de los sensores mientras mejoran con el tiempo.Sebastian Mittelstädt - Experto en Inteligencia Artificial de la Unidad de Investigación Tecnológica de Siemens
Capacitación en el trabajo en lugar de entrenar a los datos
Toda la inteligencia artificial debe ser entrenada antes de que pueda usarse correctamente. La mayoría de los métodos entrenan a la IA utilizando datos de entrenamiento generados manualmente. Pero esto generalmente requiere miles de conjuntos de datos antes de poder esperar hallazgos confiables.
Generar datos de entrenamiento confiables es costoso y requiere mucho tiempo. Los expertos tienen que preparar muchos miles de conjuntos de datos de tal manera que la inteligencia artificial pueda aprender de ellos. En el entorno industrial, siempre es difícil obtener datos reales sobre los estados y fallas del sistema que son menos comunes pero que son importantes para la capacitación.Sebastian Mittelstädt - Experto en Inteligencia Artificial de la Unidad de Investigación Tecnológica de Siemens
Nivel experto en unas cuantas horas
SALT utiliza un enfoque diferente. Cuando comienza a entrenar en operación real, SALT detecta áreas donde los patrones de datos son significativamente diferentes y las marca con diferentes colores. Por lo general, no se trata de fallas, sino de diferentes fases del funcionamiento normal. El experto humano agrega su propia interpretación a estas áreas coloreadas, por ejemplo, aumento de temperatura debido al arranque del motor. Sobre la base de estos datos de entrenamiento, la IA pronto puede identificar correctamente las diferentes fases del funcionamiento normal y asignarles la etiqueta correcta. Siempre que ocurren patrones de datos nuevos y desconocidos, la IA los marca como anomalías que deben ser evaluadas por el experto. Básicamente, la IA y el experto trabajan juntos como aprendiz y maestro. El aprendiz pronto puede realizar tareas sencillas de forma independiente y, cuando las cosas se ponen críticas, llama al maestro. SALT ya es implementado en varias industrias: para monitorear bombas de aceite en la industria automotriz, logística y producción. Hemos descubierto que cuando SALT y un experto entrena la inteligencia artificial, ya es muy competente para interpretar datos en tan solo unas horas. En el caso del entrenamiento tradicional de IA utiliza datos de entrenamiento especialmente generados, normalmente se necesitan varios días, si no meses, antes de que se pueda utilizar la IA
Datos etiquetados: El impulso perfecto de la IA industrial
El acceso a datos etiquetados de alta calidad es esencial para utilizar la inteligencia artificial en entornos industriales. Tenemos que tener estos datos para poder entrenar la IA.Vladimir Lavrik - Experto Senior en IA de Siemens Digital Industries (DI)
Por ejemplo, DI usa IA para evitar fallas en una impresora 3D. (ver más) La impresora tiene una boquilla que ocasionalmente se bloquea, y cuando lo hace, la parte que se está imprimiendo actualmente queda inutilizable. La única forma de evitar que esto suceda es detectar el bloqueo inminente en función de los datos de la impresora y limpiar la boquilla con anticipación.
SALT nos brinda datos etiquetados de manera confiable que se pueden usar para entrenar la inteligencia artificial para detectar un bloqueo inminente antes de que suceda. La eficiencia es especialmente importante, porque si algo cambia en el proceso de impresión, como el material o la temperatura, el modelo de IA debe adaptarse utilizando nuevos datos de entrenamiento.Vladimir Lavrik - Experto Senior en IA de Siemens Digital Industries (DI)
