Nueve Minutos de Conocimiento  

Una introducción a la terminología de IA

Jason Tranter | Fundador y Director Ejecutivo, Mobius Institute

Cuando se habla de inteligencia artificial y las nuevas tecnologías que afectan a nuestra industria, hay algunos términos que debe entender.

Inteligencia Artificial (IA)

La inteligencia artificial es el nombre más grande para todo este campo. Ha existido durante mucho tiempo, al menos los últimos 30 años. Ha habido proyectos universitarios para utilizar la IA para analizar los datos de vibración. A menudo, tenían un sistema a pequeña escala para que pudieran jugar con un equipo de prueba y agregar un poco de desbalance, y el sistema de IA detectaría el desbalance. Pero no se podía aplicar a una gama más amplia de máquinas.

El poder y las capacidades de estos sistemas, y las matemáticas detrás de ellos, lo han cambiado mucho. Es un mundo nuevo.

La idea básica es que la IA es un sistema informático inteligente que comprende el aprendizaje y la memoria y puede tomar decisiones y extraer información de los datos sin que se le diga qué buscar.

Aprendizaje automático o Machine Learning (ML)

El aprendizaje automático es parte de la inteligencia artificial, y las máquinas aprenden de la experiencia. Han visto un historial de datos y, en base a eso, pueden hacer proyecciones hacia el futuro.

Analítica de Datos

La analítica de datos es una forma elegante de decir que vamos a realizar una gran cantidad de cálculos matemáticos, por lo general cálculos estadísticos como correlaciones, y detectar los cambios. A la tecnología no le importa si se trata de datos de vibración u otro tipo de datos, como ultrasonido o velocidad. El análisis de datos puede correlacionar todo tipo de cosas, examinar el resultado y averiguar qué es relevante.

Análisis Predictivo (PA)

El análisis predictivo va un paso más allá al llevar todo lo anterior y predecir lo que va a suceder a continuación, por ejemplo, que la temperatura va a subir, la máquina va a fallar o el negocio va a mejorar. Hace un diagnóstico y un pronóstico.

Puede ver análisis predictivos en su vida diaria, con comprobaciones de tarjetas de crédito y detección de fraude. El sistema reconoce que cada vez que “ve” una cosa determinada, hay algo mal. Puede predecir que podría haber un problema, y su tarjeta de crédito puede ser bloqueada. Eso no significa necesariamente que se haya producido un fraude, pero había un síntoma de ello y su banco quiere asegurarse de que todo esté bien.

Análisis Prescriptivo

El análisis prescriptivo toma medidas adicionales. En nuestro mundo, eso significa que en lugar de decir que puede haber un problema de rodamientos (análisis de datos), o decir que el rodamiento probablemente tiene seis meses de vida (análisis predictivo), el análisis prescriptivo hace todo esto y genera una orden de trabajo para reemplazar el rodamiento. El análisis prescriptivo toma medidas basadas en los datos.

Big Data

Con nuestras redes y el almacenamiento masivo de datos, hay grandes volúmenes de datos disponibles, que han sido difíciles de analizar en el pasado. Con la velocidad de las computadoras hoy en día, todo lo anterior puede suceder.

Internet Industrial de las Cosas (IIoT)

El Internet industrial de las cosas hace que los datos estén disponibles ya sea en su forma cruda o en una forma manipulada o comprimida. Debido a que todos estos datos están disponibles, todo lo anterior puede suceder. Podemos almacenarlo, y hacer correlaciones para darle sentido.

Sistema Experto

Durante mucho tiempo, los sistemas expertos, incluyendo uno en el que estuve involucrado, tuvieron éxito en nuestra industria. Ahí es donde aprendemos de nuestra experiencia en el análisis de datos con el fin de crear reglas: por ejemplo, si el pico 1X va alto y los otros picos no tienen armónicos, entonces hay desbalance. Si es “x” alto, hay un ligero desequilibrio, y si es “z” alto, es un desequilibrio moderado, etc. Estas se desarrollan como reglas duras que podemos manipular y afinar. Podríamos encontrar un caso que parezca desbalance, pero es otra cosa, así que compararemos la vertical con la horizontal con la axial.

subscríbase
Notificar
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

0 Comments
Inline Feedbacks
View all comments

SOBRE EL AUTOR

Jason Tranter Fundador y Director Ejecutivo, Mobius Institute

Jason Tranter es el fundador y CEO del Instituto Mobius. Jason es el autor de la mayoría de los cursos de capacitación del Instituto Mobius y productos de e-learning que cubren la mejora de la confiabilidad, el monitoreo de condiciones y los temas de mantenimiento de precisión. Más de 35.000 personas (a partir de 2020) han recibido formación formal en estos cursos, y muchos miles más han sido educadas a través de los cursos de aprendizaje. Además, miles de personas han leído artículos, han asistido a presentaciones de conferencias y han visto videos y seminarios web en muchos sitios, incluidos cbmconnect.com, reliabilityconnect.com y YouTube (más de 1,3 millones de visitas).

Jason Tranter ha trabajado con personas en una variedad de industrias para ayudar a mejorar la confiabilidad e implementar programas exitosos de monitoreo de condición. Como autor principal de los cursos de formación de Asset Reliability Practitioner [ARP], la metodología Asset Reliability Transformation [ART] y el curso de formación de análisis de vibraciones (Categoría I-IV después de 18436-2) le encanta ayudar a las personas a alcanzar sus objetivos. Jason es también delegado australiano en ISO TC 108/SC5 “Monitoreo de condiciones y diagnóstico de sistemas de máquinas”.

Mobius Institute cuenta con centros de formación en más de 60 países, y también proporciona certificación a través de la Junta de Certificación del Instituto Mobius. Los programas de certificación están acreditados según ISO/IEC 17024. Mobius tiene oficinas directas en Australia, Estados Unidos, Europa, América Latina, Asia y Oriente Medio con más de 35 empleados.