En el I Datatón de IndesIA seis equipos apoyados por socios de IndesIA y partners tecnológicos han trabajado durante tres días en un entorno único para desarrollar soluciones a retos de diferentes sectores industriales. El ganador fue ESK, apoyado por Repsol y Piperlab.
La competición tuvo lugar en la sede de Microsoft y participaron las empresas ESK, Grupo Cuñado, ITP Aero, Ford, Grupo Inagás y Enagás. Durante un corto periodo de tiempo los equipos, apoyados por socios y partners tecnológicos estuvieron trabajando con distintos tipos de datasets para desarrollar soluciones a los modelos propuestos.
Para desarrollar estos trabajos, IndesIA ha puesto a disposición de los seis equipos participantes, y por primera vez para este uso, su plataforma de analítica como entorno de desarrollo. De esta manera, también se pretendía cumplir con el principal objetivo de la Plataforma de IndesIA, que consiste en acercar la tecnología del dato y la Inteligencia Artificial a toda la cadena de valor de la industria española
Según ha explicado Valero Marín, nuestro presidente:
Gracias a eventos como el I Datatón de IndesIA, se demuestra lo que somos capaces de conseguir cuando se trabaja uniendo esfuerzos, estableciendo entornos colaborativos y compartiendo conocimiento entre diferentes empresas. Gracias a la aplicación de los datos y la Inteligencia Artificial, hoy estamos presentando 6 soluciones que pueden ser determinantes para lograr procesos más eficientes en las compañías que han participado en esta primera edición. Pero lo más relevante es que el trabajo realizado en este datatón puede llegar a aplicarse en otras organizaciones, acercando las ventajas que supone el uso de la tecnología en el resto de las empresas del sector industrial español.
El equipo ganador: ESK, con Repsol y Piperlab
Conozcamos el resto de equipos y sus propuestas:
Grupo Cuñado con Técnicas Reunidas y Kabel/Avanade
Han conseguido realizar una solución que dé respuesta a la correcta disposición de materiales en centros de almacenamiento y logística. Gracias a “CubikIA”, es posible visibilizar el nivel de saturación por área en un almacén, para sugerir cuándo se produce la entrada de nuevos materiales, dónde almacenarlos en función de la saturación existente y la frecuencia de uso de dicha pieza o material, su dimensión y tipo de máquina de manipulación.
ITP Aero, con Airbus y Tinamica.
Se han centrado en la predicción de defectos de las turbinas para los motores del avión del futuro con su solución “Broach IA”. Su reto ha consistido en lograr un algoritmo que identifique y prediga los defectos en el proceso de fabricación de los discos, un componente clave de las turbinas, para anticiparse al momento en el que la máquina que las fabrica comience a crear piezas defectuosas. Monitorizando esta máquina para estudiar sus datos y ponerlos en relación con otros, como por ejemplo el consumo eléctrico, han podido descubrir qué variables afectan al funcionamiento de la misma y cómo pueden prevenirlos.
Ford, con Gestamp y Turing
Han unido sus esfuerzos en la creación de un algoritmo que permita realizar una secuenciación inteligente en la fabricación de automóviles, al que han denominado “Optimus”. Su objetivo es optimizar la carga de trabajo y establecer el mejor orden en el que se han de fabricar los automóviles en las líneas de ensamblaje, dependiendo de la duración de la instalación de determinadas piezas.
Grupo Inagás, con Repsol y Verne
Han propuesto una solución llamada “OptivIA”, para la elaboración de rutas de reparto más eficientes, en las que se tenga un mayor control de los vehículos y un conocimiento exhaustivo de su desarrollo. Para ello, han cruzado datos derivados del reparto como la localización de los vehículos, las condiciones del tráfico, la localización y tiempo de paradas, las entregas efectuadas y las fallidas, para establecer las rutas más convenientes y así poder optimizar, entre otros, el gasto de combustible, la reducción de costes, la disminución de las entregas fallidas o la satisfacción del cliente y el trabajo del transportista.
Enagás, con Ferrovial y Bravent
Gracias a la Inteligencia Artificial, han establecido patrones que predigan y permitan identificar posibles eventos que garanticen el correcto funcionamiento de los ERM, que son los puntos del almacenamiento de Gas Natural y en los que se realiza la entrega a sus diferentes comercializadores y distribuidores. Para realizarlo, han desarrollado “Jarvis Energético” para el que se han basado en los datos de monitorización de esos depósitos, revisando todo el proceso que garantiza el correcto funcionamiento de los más de 500 puntos que están distribuidos por el territorio español, así como la correcta apertura y cierre de las válvulas que permiten la distribución del Gas Natural.
