La Inteligencia Artificial en el sector de la Industria 4.0

Vale pues creo que estamos venga Vamos allá Vale pues empezamos Bueno antes de nada gracias a todos por apuntaros esta Open Class me presento soy Mario connejos y soy tutor en el máster de Inteligencia artificial y hacemos aquí en CV vamos a ver como indica título de la clase como se aplica a día de hoy la Inteligencia artificial en concreto en el sector de la industria 4.0 antes de Empezar quiero hacer así un pequeño disclaimer porque al ser esto una Open Class Tenemos aquí asistentes de todo tipo de perfil tenemos gente desde el más puro

Inteligencia artificial y estoy seguro de que tenemos gente de nuestro máster hasta gente otros Masters de CV que pueden ser más o menos cercanos a este concepto a gente más cercana a la industria alejada de la Inteligencia artificial Por qué digo esto porque Vamos a hacer una introducción a ambos mundos ambos conceptos Inteligencia artificial e industria 4.0 y estoy seguro de que aquellos que estéis más cerca del desarrollo y de y de la Inteligencia artificial y el aprendizaje automático encontraréis obvios como es de esperar los conceptos que vamos a comentar en solo enducción y lo

mismo pasará para aquellos que estéis más familiarizados con la industria que diréis que ya sabéis lo que es la Industria 4.0 pero por partir todos un poco del mismo punto y por y por tener un Punto de partida común a partir del cual ir construyendo la clase pues vamos a hacer eso una pequeña introducción ambos conceptos ambos mundos digamos para poner ahí un barem de acuerdo dicho lo cual Bueno pues al final nosotros en CV en el máster de Inteligencia artificial y estudiamos no solo los modelos de Inteligencia artificial que podemos aplicar las Distintas tecnologías

sino también sus aplicaciones de acuerdo a medida que va avanzando el máster nos vamos centrando mucho en Cómo se aplica la Inteligencia artificial en el mundo real y uno de esos mundos reales uno de esos sectores en los que a día de hoy la Inteligencia artificial está siendo muy aplicada es en la industria en eso que ahora llamamos industria 4.0 que vamos a ver por qué la llamamos Así que nos ha llevado haciendo estos cuatro punto cero Os comento vamos a resolver dudas al final de acuerdo Entonces las dudas las podéis ir escribiendo por el

chat como son al final si hacéis referencia a lo que estamos hablando o la pregunta es en sí completa os lo agradezco porque si no va a ser bastante complicada a veces saber a qué nos referimos vale Y si tenéis cualquier tipo de problema o hay algo que no podéis ver bien pues tenemos ayuda desde scv para esas cosas por lo que os estarán leyendo ahí en el chat yo No lo voy a hacer porque si no dejáis de ver la presentación hasta que terminemos Vale pues no nos vamos nos vamos Vale entonces empezamos como

he dicho introducción primeros pasos Qué es la Inteligencia artificial lo vamos a contar rápido lo vamos a profundizar en temas muy técnicos en ninguno de los dos Campos vale vamos a intentar que en esta hora nos dé tiempo Pues a lo que dan una hora a ver un algo común y algo de alto nivel Pero que nos permita tener al menos una primera idea una primera Inteligencia artificial es algo que lo dicho los que estéis ya en el tema lo tendréis más que claro pero desde fuera muchas veces parece que estamos hablando de robots humanoides

o de coches inteligentes que se conducen solos de estos drones que ahora reparten que existen quetes por las calles y que vuelan y nos dejan caer un paquete en casa pero la Realidad es que en la mayoría de los casos la Inteligencia artificial dista mucho de esto y se aproxima mucho más a soluciones muy específicas que aplican a problemas muy concretos en sectores clave de acuerdo al final la Inteligencia artificial parte de es un campo es parte de la ingeniería pero sobre todo es software es un programa informático son líneas de código y parece como

muy obvio pero no son robots podemos aplicar la robots no son coches No son es Inteligencia artificial son programas vale son algoritmos que somos capaces de que aprendan Y esa es la característica principal de un sistema que podemos llamar inteligente es capaz de aprender Y es capaz de resolver problemas complejos en la primera asignatura del máster tenemos no sabéis Cuánta información acerca de Qué es un problema complejo Que es un ser inteligente pero como no vamos a tener tiempo digamos que Buscamos sistemas que sean capaces de aprender de la experiencia de resolver problemas que con

programación tradicional no podemos resolver Y la programación tradicional es seguir una receta de cocina un algoritmo que indica el ordenador exactamente qué hacer en cada la máquina lo único que hace digamos que es cumplir órdenes el cambio Inteligencia artificial es que lo que tenemos es un algoritmo que puede aprender de los datos que le damos con Lo que pasamos de decirle exactamente paso por paso las acciones que tiene que realizar a decirle cómo aprender es un pequeño Matiz pero muy importante los problemas pueden ser de carifal es decir comprender la información que hay en una

imagen o en un vídeo de carácter lingüístico de lo que hablamos los seres humanos que no es tan fácil de carácter creativo que habréis visto mucha red neuronal y mucho sistema de Inteligencia artificial últimamente aquellos que Estáis interesados de generación de contenido este este de poder pedirle a una red neuronal que genere una imagen o un vídeo a base de una única frase y de análisis de datos toman decisiones comprender variables Pero al final son problemas complejos y queremos resolver Y que el sistema pueda aprender a hacerlos y continuar Aprendiendo a medida que lo implementamos

esto es como la grandísima ventaja que tenemos en la Inteligencia artificial Frente a Cualquier otro tipo de sistema informático de acuerdo y nada tenemos por ahí un pequeño comentario que es que es inteligencia no tiene por qué ser biológica humana de hecho actualmente no hay nada parecido a la inteligencia humana Vais a ver que una de las cosas más importantes es entender que la Inteligencia artificial a día de hoy es específica está especializada en resolver problemas muy concretos y ojo que estos problemas tan concretos Habitualmente lo soluciona muchísimo mejor que nosotros pero es una especialista

solo sabe hacer aquello que le pedimos que haga ahora lo hace muy bien por ponernos un ejemplo fuera del ámbito de la industria en salud Una Inteligencia artificial a día de hoy es mejor que un doctor a la hora de analizar la presencia de tumores en un tacto porque ha visto millones y millones y un humano no tendría tiempo de verdad pero Solo sabe hacer eso ahora no le pidas a esa Inteligencia artificial que recomiende un tratamiento tendrás que entrenar a otro pero el caso es que el problema complejo asociado a un ser inteligente que

le pedimos que resuelva lo resuelve de acuerdo esto como Matiz habréis oído todos hablar del Deep learning del Machine learning de la Inteligencia artificial que es cada cosa Bueno pues yo creo que este gráfico lo resume todo Muy bien la Inteligencia artificial o cualquier programa que puede resolver estos problemas complejos el Machine learning en concreto son los que aprenden y que están basados en La estadística en la repetibilidad de los datos en que yo tengo un Data set que ahora veremos que puede estar etiquetado en etiquetado un dataset es un conjunto de datos que yo

soy capaz de pedirle un modelo que haga predicciones sobre ellos los comprenda los interpreta de forma Automática hay muchos tipos de modelo de aprendizaje automático que es eso Como solemos Traducir el Machine learning y uno de ellos son las redes neuronales profundas que es eso que llamamos Deep learning es decir el Deep learning o aprendizaje profundo es un subconjunto del aprendizaje automático o Machine learning que a la vez es su conjunto de la Inteligencia artificial vale el Deep learning que es el círculo más pequeño son redes neuronales profundas esto Quiere decir algoritmos que intentan imitar

nuestras neuronas y Cómo se conectan entre ellas con muchas capas de neuronas vamos a dejarlo ahí que si no no seguimos que es solo un pequeño subconjunto de todos los tipos de algoritmos que nos permite el aprendizaje automático usar para distintas vale Esta es la tarea del desarrollador de Inteligencia artificial del arquitecto de soluciones que es la De ser capaz de elegir los modelos concretos por ahora para lo que vamos a buscar en esta clase nos vale con saber que el aprendizaje profundo es parte del aprendizaje automático que es parte de la Inteligencia artificial vamos

a hablar del círculo grande pero sobre todo todo de lo que vamos a hablar va a estar contenido en el Machine learning porque a día de hoy casi la práctica totalidad de algoritmos de Inteligencia Artificial se enmarcan Dentro de este mochilas de acuerdo Qué necesitamos para un sistema de Inteligencia artificial y Esto va a ser siempre así en su momento hicimos una sesión similar a esta para la salud y contábamos esto en Industrias así y va a quedarse en cualquier sector vamos a necesitar datos muchos datos Y capacidad de compra datos Porque son los que

alimentan a nuestros modelos si no tenemos una forma de capturar datos no vamos a poder desplegar modelos de Inteligencia artificial nunca y si no tenemos la capacidad de cómputo para entrenar y desplegar estos sistemas de Inteligencia artificial pues obviamente tampoco no es que sean los únicos Hay muchas más cosas como un desarrollador de Inteligencia artificial Pero lo primero que nos tenemos que plantear si queremos implementar un sistema de Inteligencia artificial es tengo datos o bien recopilados o bien los puedo recopilar y tengo o puedo llegar a tener La capacidad de cómputo generalmente la capacidad de

cómputo es una cuestión económica bien sea cómputo en la nube o cómputo on premios que ahora hablaremos de eso pero los datos lo más importante tengo datos Y una vez que me aseguro de que cumplo los requerimientos tengo que pasar por lo más importante de todo antes de afrontar un proyecto de Inteligencia artificial qué le vamos a pedir al modelo definir nuestro problema porque hay gente que dice yo quiero Hacer Inteligencia artificial vale Pero para qué Qué estamos buscando Cuál es Nuestro objetivo que intentamos responder porque a veces lo que de responder en el caso

de la industria es si este producto cumple con mis estándares de calidad vale a lo mejor hay que desgranar Cuáles son mis estándares de calidad Ya sé que lo voy a preguntar al modelo en otras ocasiones A lo mejor va a ser Cómo puedo predecir El Payo de este elemento mecánico pues la Pregunta va a ser cuándo va a fallar este elemento mecánico y entonces me preguntaré puedo recopilar los datos necesarios para responder a esta pregunta Puedo computar con este modelo En definitiva hay que definir el problema la Inteligencia artificial es algo muy interesante pero

que como os decía antes es específica sabe hacer cosas muy concretas cuanto mejor definamos lo que queremos que haga la Inteligencia artificial mejor va a salir El proyecto que nos pueda proporcionar cualquier tipo de empresa o nosotros mismos a la hora de desplegar un sistema de Inteligencia artificial de acuerdo vamos a hacer una pequeña un pequeñísimo apunte porque de nuevo nos vas a tener que quedar con un trozo de la Inteligencia artificial para hablar de cosas concretas de industria y pasar por la introducción lo más rápido Generalmente hay dos tipos de aprendizaje dentro del Machine

learning Que es lo que os he dicho que íbamos a centrarnos en el aprendizaje automático aprendizaje No supervisado y aprendizaje supervisado cuando yo tengo los datos capturados que es esto que veis que son los puntos que tenemos en este caso son dos variables por simplificarlo Podemos esperar que estos datos estén etiquetados o no etiquetados un dato etiquetado quiere decir que yo sé la respuesta a esa pregunta que me estoy planteando de acuerdo poneros aquí que Yo lo que estoy queriendo saber es si tengo datos que puedo agrupar Si yo he capturado los datos Y además

para cada dato he puesto grupo 1 grupo 2 puedo diseñar un modelo como los de la derecha que es un modelo de aprendizaje supervisado en el que el modelo aprende a imitar lo que yo he etiquetado digamos por entenderlo mejor si yo tengo un montón de fotos de plantas si yo a cada foto de planta le etiqueto a ese archivo el tipo de planta que es Yo puedo entrenar un modelo de aprendizaje supervisado para clasificar tipos de plantas que me dirá la especie de cada planta porque habrá aprendido de mis etiquetas la otra opción que

es ese aprendizaje No supervisado en el que los puntos en inicio son grises es si yo tuviera una grandísima cantidad de fotos de plantas no tuviera ni idea de qué tipo de plantas son y yo le pidiera un modelo que Sencillamente me agrupara las plantas por algún tipo de similitud Entre ellas como no tengo etiquetas no hay nada contra lo que aprender Sencillamente es un análisis de esos datos que me devuelve agrupaciones que es lo que veis aquí abajo esto se llama clustering y es un cluster es un grupo un modelo de aprendizaje No supervisado

tiene datos que no están etiquetados Y que lo que permite es estructurar esos datos reducir las dimensiones de su estatus comprender Cómo se relacionan unos con otros pero no va a aprender a Hacer algo que yo haga porque no le estoy diciendo cuál es la respuesta a en resumen a la izquierda no conozco la respuesta de la pregunta con lo cual son modelos más exploratorios y a la derecha si conozco la respuesta a la pregunta que si lo llevamos a la industria podría ser que esta pieza que acabo de mecanizar tiene errores lo etiqueto verde

o no perdón lo etiquetado rojo o no tiene errores me etiqueto verde entre en un modelo que aprende a decir si esta Pieza que acabo de mecanizar es Ok O es okay Y como estos podéis imaginar mil historias Por eso nos vamos a centrar en el aprendizaje supervisado vamos a todos los ejemplos y casos de uso que vamos a ver van a estar relacionados con que yo ya he capturado datos o voy a capturarlos y soy capaz de etiquetarlos para que el modelo haga lo mismo que estoy haciendo yo o aprenda a hacer algo que

aunque a día de hoy no estoy haciendo yo podría hacer de acuerdo Ahora lo vamos a bajar a tierra recordemos que esta situación Cómo suele funcionar una Inteligencia artificial supervisada concretamente Machine learning tendré que capturar datos qué etiquetarlos que este es el 1 Las observaciones esos datos los tendrían que etiquetar los separaré en un conjunto de entrenamiento que es donde de lo que va a aprender mi modelo de dónde va a estudiar y un conjunto de evaluación que va a ser el examen Por Qué hacemos esto porque el modelo va a aprender de ese training

set que normalmente es mucho más grande de los datos que yo he etiquetado para aprender y va a llegar a un modelo en el que ya él dice que sabe responder y ahora le vamos a hacer un examen con preguntas distintas de aquellas que uso para estudiar Porque si no le hemos dado ya las preguntas y las respuestas poco mérito tiene seremos capaces entonces de ver si nuestro modelo Es bueno o no y sí Lo es desplegarlo y emplearlo en cualquier punto de la línea productiva o de cualquier otro momento de nuestro de nuestra industria

en concreto de acuerdo importante ese pequeño mensaje de debajo siempre no podemos repetirlo más Cuantos más datos más relevantes será el Modelo Si yo solo tengo 100 observaciones puede que la 101 no esté del todo bien transferida de acuerdo si yo tengo un millón de observaciones lo más probable Es que un millón una más allá la respuesta del modelo sea casi perfecta a no ser que no tenga nada que ver con el otro millón de datos que usará hasta aquí introducción Inteligencia artificial pasamos a la otra parte del título industria 4.0 vale si hay una

industria 4.0 relacionada con la con la cuarta Revolución Industrial Será porque tenemos algún tipo de industria uno dos y tres de acuerdo no vamos a profundizar en historia Sencillamente Esa primera Revolución Industrial yo creo que todos habremos estudiado entran las máquinas de vapor la energía hidráulica ya no usamos solo fuerza humana y animal pasamos de la artesanía a la industria la segunda Revolución Industrial es en la que ya tenemos un montaje en serie usamos electricidad usamos petróleo y usamos gas y como fuentes de energía aparece el teléfono el telégrafo los métodos de comunicación tercera Revolución

Industrial está ya nos pilla Más cerca a mitad del parecen los ordenadores parecen los plcs empezamos a tener una cierta lógica y una capacidad de automatizar procesos y ahora estamos viviendo o acabamos de vivir Según a quién le preguntamos esa cuarta Revolución Industrial industria 4.0 es igual a cuarta Revolución Industrial que ya no solo la automatización si no es la aparición de ese concepto de fábrica inteligente que se relaciona mucho con La Inteligencia artificial máquinas y fábricas inteligentes de acuerdo que capturan datos mediante sensores y robots conectados que ahora veremos que está muy relacionados con

el internet de las cosas o el iot que son capaces de estos datos que hemos extraído automatizar la la extracción de información relevante vale Para qué siempre para buscar un aumento de eficiencia y un aumento de productividad nos van a permitir personalizar de forma Masiva que es como un poco contradictorio pero al final si yo capturo datos Y tengo la capacidad de computar sobre cada uno de esos datos preguntas infinitas yo puedo hacer una personalización masiva bajo a lote 1 y soy capaz de que mis modelos incieran predigan detecten segmenten objeto a objeto y por

tanto me permitan tomar decisiones que al final es siempre lo que vamos a buscar objeto objeto y tema elemento producido de acuerdo y al final Esto se traduce en que en la industria 4.0 hay una toma de decisiones en tiempo real pasada en datos Y además me permite que sea remota no tengo que estar encima de la línea productiva para tomar esa decisión y En definitiva Un aumento de la calidad de la eficacia y de la eficiencia eso que siempre vamos a cómo y nos quedamos con el principio buscando esa que al final es una

utopía es una utopía de la fábrica inteligente de tener un entorno en el que todo esté Conectado todo esté basado en modelos de Inteligencia artificial no va a pasar o al menos no pasa pero sí que hay todavía mucho trabajo y muchas cosas que hacer de acuerdo Ah bueno Y capacidad de visualizar esa información que he traído vale basado en Qué tecnologías porque la Inteligencia artificial no funciona por sí sola yo no puedo llegar a una planta de producción y decir voy a poner un modelo de Inteligencia artificial porque Me faltan absolutamente todos los demás

componentes necesitamos unir varias tecnologías que todas ellas tocan o pertenecen a la Inteligencia artificial para que esto tenga sentido el internet of things es lo que me permite capturar la información de acuerdo es el componente físico más básico de las fábricas inteligentes si yo quiero tomar decisiones acerca de mis datos tendré que capturarlos es una obviedad y tendré que capturarlos Y ser Capaz de transmitirlos en tiempo real allá donde vaya a tomar las decisiones para tomar decisiones acerca de estos datos con lo que voy a tener que ser capaz de recopilar los datos individualizados de

unirlos en algún sitio y por eso necesito que esas cosas estén conectadas a internet y que eso me permita tomar decisiones en tiempo real sobre estos datos y detectar y alertar fallos y funcionamientos hay muchas decisiones que se toman ya en este nivel No para todo necesitamos Inteligencia artificial nosotros hoy nos vamos a centrar en Casos como decíamos antes complejos que no solo con un sensor soy capaz de resolver si yo tengo un un sistema que se llama humedad tengo un sensor de humedad y ese sensor de humedad lanza una alerta a partir de un

cierto porcentaje de humedad No hay ninguna necesidad de implementar un modelo de Inteligencia artificial para saber que la humedad es mayor o menor a Un cierto porcentaje pero en nuestro caso el iot la sensorica va a ser el que alimente a los entrenamientos a Las evaluaciones y al final a los despliegues de la Inteligencia artificial si no tenemos recordemos la capacidad de capturar datos es que no tiene ningún sentido ni siquiera empezar a plantearse nada es relativo a la Inteligencia artificial con lo que este es el primer paso y el más importante la Inteligencia artificial

y ya hemos visto Lo que era me permite aprovechar la información que generó Porque esos sensores generan mucha información pero yo tengo mucha más información yo tengo información de ventas tengo información de suministro tengo información de calidad tengo información de todos los las unidades de negocio que forman parte de compañía que no son solo los sensores Y esto es importante lo bueno de un modelo de Inteligencia artificial es que es capaz de trabajar con todos los datos Que si le estructuramos y limpiamos bien le podamos proporcionar si yo tengo sensorizada mi planta Pero además sé

y luego lo veremos el día que es el tiempo que ha hecho la cantidad de toneladas de material que han entrado o la cantidad de objetos que han salido si he tenido tal turno o tal otro turno si este dato lo he capturado en fin de semana o durante la semana Esto me va a permitir tener modelos mucho más robustos y por eso aquí es cuando la Inteligencia artificial empieza a tener sentido porque yo genero información estos datos que me permite comprender los flujos encontrar cuellos de botella mejorar los funcionamientos mejorar la calidad que ya

no es medir si la humedad está por encima o por debajo de un Rango que eso ya lo defino yo eso es esa programación tradicional que decíamos antes Ahora hay que tomar decisiones más complejas y vamos a ver vamos a poder hacer mantenimiento predictivo y vamos a Ver algún ejemplo vamos a poder automatizar procesos y ahora son manuales y esto aplica tanto al proceso productivo propiamente dicho como a los procesos de control de calidad posteriores de hecho actualmente la Inteligencia artificial la industria 4.0 donde más se está aplicando sobre todo en visión artificial que tenemos

algún ejemplo es en control de calidad que son procesos muy objetivables son procesos que a día de hoy requieren de mucha Participación manual la producción ya está muchísimo más automatizada y que al final repercuten mucho en el resultado final pero también vamos a poder crear nuevos procesos automáticos porque no teníamos la capacidad ya fuera de fuerza de trabajo de procesamiento de datos de un ser humano mental de recolección de todos esos datos puedo crear nuevos procesos automáticos que antes era inviable que pudiera tener y puedo automatizar el control de calidad lo que Me lleva a

reducir errores ahorrar tiempo y costes mejorar mi imagen de para mis clientes Bueno al final es el sacar valor de todo lo que aquí hemos sido capaces de capturar y de otras muchas y luego recordemos que teníamos otro criterio muy importante que era la capacidad de combo tenemos los datos tenemos un modelo tengo que ejecutar ese modelo recordemos que un modelo es son líneas de código esas líneas de código las tenemos que que hacer que correr Digamos que ejecutar en algún sitio una de las opciones que cada vez está más extendida es esa computación en

Cloud esa computación en la nube Porque primero mejora mucho la integración de todos los servicios cuando cuando despliegas un sistema on premis quieres es decir tengo el servidor ahí puesto y lo veo y lo toco es mucho más complicado que esos datos que yo antes decía que puedo recolectar de muchas Fuentes se unan todos ahí porque lo tengo en físico Si yo tengo un almacenamiento en la nube al que todas esas fuentes de datos pueden volcar los datos es más fácil en realizar es decir puedo compartir y escalar el almacenamiento forma mucho más fácil además

los modelos de Inteligencia artificial y sobre todo los de Deep learning requieren de una gran capacidad de compra esto implica a efectos prácticos tarjetas gráficas gpus de estas principalmente son envidia porque es lo que tenemos pero cada vez Estamos teniendo más opciones la inversión inicial de un de un servidor que de verdad de verdad sea capaz de ejecutar un modelo complejo de Deep learning es bastante alto sin embargo los proveedores de Cloud que que supuesto tres premios muchos más y nos permiten contratar por pago por uso por tiempo estos servidores a un coste ínfimo por

hora en comparación la Barrera de entrada es muchísimo menor Entonces empiezo a verle las ventajas porque puedo unirlo todo porque la Barrera de entrada del coste es menor porque voy a poder entrenar y ejecutar mis modelos en tiempo real y además voy a tener un backup de datos y una seguridad que rara vez voy a ser capaz de en un despliegue un premis a no ser que haga una muy buena inversión inicial y de mantenimiento posterior se puede desplegar un sistema de Inteligencia artificial en Premios por Supuesto se hace De hecho más de la mitad

de las veces porque luego hay muchas cosas que uno no tiene en cuenta cuando despliegan nube como puede ser la parte legal no esté dispuesta que estos datos abandonen la red interna de la empresa que la conectividad de una planta en mitad de una región rural a lo mejor no es la mejor para conectarse a la nube la nube tiene muchas ventajas pero luego al final uno en la práctica se encuentra con se encuentra con Problemas y en el punto total y opuesto está la computación en el borde el computing que tiene la la concepción

opuesta a la nube de que el procesamiento se ejecuta exactamente en el mismo punto en el que recojo los datos es decir si tengo un sensor de ayotti recogiendo datos en una línea productiva voy a tener un dispositivo que suele tener una pinta parecida a lo que tenemos ahí a la derecha ejecutando mis modelos de Inteligencia artificial En el sitio ya no un servidor en un rack compartido en el sótano 3 sino ahí van a ir con el cable al dispositivo Edge para tomar las decisiones en sitio Cuál es la gran ventaja no necesito conexión

a internet ejecuto en tiempo real todos los modelos y al final lo que tengo es una latencia mínima y esto en muchas ocasiones en la industria es bastante clave tomar decisiones en cuestión de milisegundos y no tener que esperar a mandar los datos a la nube que la nube Los procese y me los devuelve porque a lo mejor para entonces ese producto que no tenía la calidad que yo esperaba está envasado y yéndose al distribuidor que es justo lo que queremos evitar de acuerdo y por último la Inteligencia artificial nos ayuda mucho a el tema

de los gemelos digitales un gemelo digital Yo creo que esa imagen de la derecha lo explica bastante bien no es más que una réplica virtual de un sistema físico puede ser toda nuestra planta de Producción o puede ser Sencillamente una pequeña parte del proceso pero lo que nos ayuda es hablando así mal y rápido a jugar con componentes de nuestra industria que no nos atreveríamos a jugar en el mundo real vale Y para esto usamos mucho modelos de Inteligencia artificial porque son capaces de modelar el comportamiento sistemas Este ejemplo yo uso mucho en aeronáutica al

gemelo digital es una turbina está total y absolutamente parametrizada y modelada De tal forma que yo puedo hacérselo pasar mal a esta turbina sin tener que destrozar una turbina que es muy probable que no sea buena idea que destrocen términos económicos de acuerdo Entonces el gemelo digital es una de las partes de la industria 4.0 que también salen de la Inteligencia artificial coloque en resumen capturamos datos sea por sensoró internet things sea por otros datos que yo tengo o que puedo tener proceso gracias a la Inteligencia Artificial donde en la nube o en un servidor

físico que puede ser un servidor estándar o computación once que son dispositivos que suelen ser más pequeñitos que computan allá donde recogen la y gracias a todo esto tomará decisiones en tiempo real que es lo que más me importa acerca de automatización de procesos y de control de calidad y puedo llegar a sistemas completos para hacer todas las pruebas que tengan que hacer con ellos Lo último y que ya lo recoge todo es cuál es este Plus el flujo de la industria 4.0 suele suele llamarse piripisical es decir tendré un paso que es de la

p a la d que es el pase de captura que es en el que pasó de una realidad física de algo observable tocable medible a información que mis modelos de Inteligencia artificial vayan a ser capaces de procesar de acuerdo Entonces la forma en digital algo físico Básicamente después el procesado el Titi el de Dad es de digital a digital pero claro paso de un dato que he capturado a información para tomar decisiones Esta es la clave y este es el paso más importante Aquí es donde está la Inteligencia artificial de nuevo Siento ser pesado no

siempre Es inteligente artificial puedo tener tres sensores definir para cada uno de ellos unos valores correctos e incorrectos y que digital a digital sean tres líneas de Código será inteligente artificial cuando la captura sean datos complejos o las decisiones sean muy difíciles de tomar con dos rangos para cada uno de los sensores de acuerdo en este en esta pata de procesado es donde vamos a centrarnos Aunque vamos a hablar un poco de captura y una vez que he procesado que transformado ese dato capturado en información relevante es cuando voy a pasar a la acción ese

de topi de digital a fiscal del mundo digital al mundo Físico voy a tomar una decisión en función de lo que me ha dicho mi modelo de Inteligencia artificial que me está respondiendo a una o varias preguntas que es Al final todo lo que nos interesa ese es el problema que hemos definido al principio en imágenes capturo proceso y hago una acción vamos a ver qué puedo capturar vamos a ver qué tipos de proceso puedo tomar y vamos a ver algún que otro caso De uso de las acciones Pero esto por supuesto es muy muy

muy muy muy específico por industria y podríamos hacer aquí sesiones infinitas Vale qué puedo capturar todo ya pero claro todo es como muy fácil de decir puedo capturar imágenes que es una de las cosas más fáciles de imaginarse a la hora de sensualizo pues pongo una cámara y si pongo una cámara y yo estoy fabricando un producto que el control de calidad es que tenga una serie de Trabajadores asomados a una cinta transportadora decidiendo Eso es bueno eso es malo es bueno eso es malo por qué no hacerlo con Inteligencia artificial puedo capturar datos de

humedad de temperatura de vibración metadatos de mis de mis elementos en la línea productiva desde las horas de uso hasta las toneladas de materia prima procesadas Cuando han tenido alertas porque han tenido estas alertas de qué tipo eran Esos datos coyunturales de los en cuanto al tiempo meteorológico los días de la semana si ayer fue festivos y el turno está el es cuál si la rotación del personal ha sido es decir todo podemos capturar infinitos datos algunos en la propia línea productiva y otros más relacionados con esos datos coyunturales esas variables que yo intuyo que

están relacionadas con el desenlace de mis procesos aunque no sean directamente relacionadas vale en cuanto a Inteligencia artificial que es en lo que nos vamos a centrar en la industria 4.0 principalmente se aplican dos tipos de modelo dos tipos de sistemas la visión artificial y los modelos basados en daños porque los modelos de visión artificial son muy específicos y permiten resolver una gran cantidad de problemas que a día de hoy Son problemas que se resuelven de forma manual Y por qué los datos son el otro tipo de fuente de información principal que capturamos En la

industria de acuerdo la visión artificial beberá de imágenes y ahora vamos a ver que estas imágenes no son solo imágenes a color Aunque principalmente suelen serlo pero que estas imágenes también pueden ser imágenes térmicas capturadas con infrarrojos pueden ser imágenes hiper espectrales que ahora veremos lo que son pueden ser imágenes con información de profundidad en las que ya no solo veo xy sino que también veo Z es decir sea que Distancia está cada punto y esas imágenes en movimiento pues pueden ser videos y luego todo el resto de datos que no son información visual o

térmica o hiperexpectral o infrarrojo de profundidad que podemos capturar con con un modelo o sea perdón con la captura de datos que luego procesa un modelo de datos un modelo de aprendizaje automático así enlace de acuerdo vamos uno a uno vamos a centrarnos primero en la visión artificial y aquí poco de Contexto Qué es la visión artificial Más allá de la industria que vamos a hablar de la industria la visión artificial es dotar a las máquinas de capacidad para comprender lo que ven y como Esto es algo que a priori hacemos los seres medianamente inteligentes

y se considera algo Bastante complejo está enmarcada dentro de la Inteligencia artificial comprender lo que vemos es lo que estáis viendo en estas imágenes pueden ser desde la imagen de la Izquierda que es muy coche autónomo detección de señales de vehículos de peatones de distancias estimar la posición y las extremidades de personas en el en la imagen de las botellas es un caso de uso Industrial en el que está midiendo la el llenado de estas botellas y veis ahí la botella que está en el centro está menos llenada pero al final todo se resume en

comprender el contenido de imágenes y vídeos clasificándolas detectando objetos Segmentando objetos que sin encontrar su borde siguiendo estos objetos y cuando digo objetos digo todo una persona un coche Sí pero un tornillo una tuerca también por lo que basta con tener una información visual algo que buscar en ella y un modelo que lo pueda Buscar en la captura antes decíamos que la captura de visión artificial no tiene por qué ser única y exclusivamente imagen a color El ejemplo de imagen a Color es la izquierda Tengo cuatro cámaras que están grabando sobre una cinta transportada perfecto

pero hay veces que la información que busco no está contenida en esta en una imagen a color o la imagen a colores imposible de tomar por el motivo que sea de las características específicas de la línea productiva en la que me encuentro a veces tenemos que recurrir a cámaras termográficas que es esto que veis aquí la segunda imagen están basadas en Infrarrojos calibradas para temperatura seguro que las habéis visto todo sobre todo a raíz de la pandemia que nos permiten segmentar objetos por su temperatura que en muchas industrias es algo muy interesante si diluye por

ejemplo también hay información 3D que se considera parte de la visión artificial Estos son dispositivos que son capaces de devolverme la profundidad de los puntos y luego yo a lo mejor puedo hacer un sistema que detecte si Las dimensiones de esta pieza son correctas si tiene posicionados los agujeros por ejemplo donde los tiene que tener si el tornillo mide lo que tiene que medir si tiene la rosca el diámetro que tiene que tener y otro ejemplo que tengo aquí es el último es una cámara hiper espectral poco más compleja que nos permite conocer principalmente características

de los materiales y de la composición de los objetos en este caso también es una visión infrarroja Solo que el tipo de sensor es distinto ya no me devuelve temperatura lo que tenemos es intensidad de los píxeles y por un tema de cómo reflejan las moléculas la luz infrarroja yo puedo saber cantidad de humedad tipo de material Si por ejemplo una pieza de carne tiene más grasa o tiene más proteína si una hoja de tabaco tiene más o menos humedad si un material de plástico es ABS puedo características químicas de los Materiales y está enmarcado

en visión artificial esto es parte del trabajo de un ingeniero de visión artificial decidir qué método de captura es el más adecuado para tener el dato necesario para resolver esa pregunta que al principio decíamos y hay que hacerle a los modelos esto lo vemos en el máster de Inteligencia artificial y es una parte muy importante el conocer todos los dispositivos y tipos de captura de visión que yo puedo llegar a tener más Allá de una cama qué nos permite la visión artificial lo hemos ido hablando automatizar procesos automatizar procesos o que ya existen y son

manuales o que quiero crear procesos automáticos nuevos y en concreto muy centrada en el control de calidad porque en muchísimas ocasiones el control de calidad a día de hoy en la industria es visual el control de calidad llega hasta el punto en el que yo he Estado en fábricas de huevos de toneladas de huevos al día en el que el control de calidad es alguien sobre una cinta Mirando a ver si el huevo está cascado se les escapaban la mitad de los huevos como es normal Este tipo de proceso es el que a día de

hoy más se está automatizando en la industria 4.0 gracias a la visión artificial como este otros miles de sistemas de visión artificial que yo siempre digo el si lo puedes ver lo puedes automatizar si un Ser humano con sus ojos ojos que no palpando que también me lo he encontrado que no iluminándolo con luz negra aunque se podría ser un problema solucionable si un ser humano ahora mismo mira y dice está bien está mal se puede automatizar que un visionario Y eso es control de calidad y es un es un proyecto que suele tener bastante

sentido y que nos permite objetivar el control de calidad estandarizar Los criterios hacer los replicable lo podemos auditar porque Estamos capturando imágenes y por tanto si algo se nos ha escapado yo puedo volver a analizar esa imagen y decir no al modelo se le escapó pero la imagen la tengo En definitiva mejor bastante los procesos de acuerdo y vamos a ver algún caso en este caso de estudio es una pieza mecanizada como la que veis en la izquierda que tiene que tener una determinadas unas determinadas características y hay una serie de errores que están listados

que no deben Pagar esta serie de errores listados que no deben pasar son las preguntas que le hago al modelo Esto es lo que siempre como que tenemos que ir pensando yo al modelo lo voy a preguntar tiene la pieza un agujero sí no el agujero está en el centro sí no tiene el agujero estas dimensiones y no tiene la pieza rallajos tiene la pieza desperfectos tiene la pieza Viruta para capturar esta información el ingeniero de visión artificial de turno Tendrá que decidir Cómo va a capturar esta información en el caso de estudio que vamos

a comentar Pues imaginemos que el ingeniero visión artificial decide que va a capturar esta pieza con la cámara color y que además para conocer las dimensiones va a usar visión 3D que comentábamos antes de profundidad para analizar las dimensiones a la vez vale bien vale Ahora ya he pasado por ese proceso de captura que ha transformado una realidad física que es una pieza que Está en una cinta que veis aquí a la derecha en información procesable por un modelo vale esto es aprendizaje supervisado el proyecto requerirá que alguien con conocimiento de dominio de negocio etiquete

los errores etiquete las dimensiones y entonces yo pueda entrenar un modelo que segmente la pieza en este caso por anillos que detecte los errores No se ve muy bien pero aquí hay errores detectados en rojo y que analice las Esta es la parte del procesado ese Detuve digital La digital paso de un dato digital a información de valor extraída por la Inteligencia artificial y al final se va a convertir en una toma de decisión muy muy muy muy sencilla va la pieza a la caja de las buenas o a la caja de las malas esto

es un proceso se puede hacer directamente de forma manual y yo puedo y esa pieza ir cogiendo la pieza y mirarla o puedo automatizar el proceso acercarme a esa fábrica inteligente decidir cómo capturo los Datos Y cómo los procesos para llegar a ese Ok noto que estamos buscando de forma automática de acuerdo otro ejemplo automatizar el reciclado esto es un ejemplo que está por todas partes por eso vamos a pasar un poco más rápido por él pero es bastante interesante porque aquí el tipo de captura es una cámara hiper espectral nos contaba antes que la

cámara hiper espectral nos permite conocer características de los materiales si yo capturo con una cámara Hiper espectral un conjunto de envases que han llegado a una planta de reciclado o una planta de selección de envases uso un modelo de Inteligencia artificial que sepa procesar lo que me devuelve una cámara hiper espectral que por curiosidad se llaman hiper cubos y que esos hiper cubos los traduzco En qué plástico es cada uno de estos plásticos para luego reciclarlos estoy automatizando un proceso que de otra Forma sería imposible este proceso en concreto está automatizado en la grandísima mayoría

de las plantas de selección actuales pero no lo estaba hace nota hay empresas muy muy muy concretas única y exclusivamente dedicadas a este tipo de procesos de reciclaje porque la economía circular ahora mismo es un sector en auge que quedaría para una openclass única y exclusivamente en economía circular pero como mención a la industria de los Materiales los residuos el reciclado Esta es otro ejemplo en el que capturo datos de un mundo real procesos esos datos que en este caso son datos muy raros pero son datos Y al final tomo una acción que en este

caso la acción es una pala que separa los yogures de Pet no de poder del polipropileno más bien de las botellas de pez y a lo mejor habéis visto un vídeo que se hizo viral hace años de unos tomates rojos y unos tomates verdes y una pala Que los separa Esto es una cámara hiper espectral con un modelo de clasificación de aprendizaje automático que detecta Cuál es el tomate que tiene que sacar para los tomates maduros y los tomates en otro ejemplo de automatización de procesos en la industria en este caso la siderúrgica y aquí

Hablamos de una industria que tiene un problema a la hora de cortar una barra de hierro no tiene más y esta barra la la el Metal Lo pasan por un molde cuadrado la barra Avanza y el tema es que con un sistema tradicional no pueden medir la barra porque esta barra está a tal temperatura que no hay fotocélula que la mida y que no hay un sistema que sea capaz de soportarla qué podemos hacer problema complejo Que no soluciono con un sensor tradicional estándar con un Rango nos podemos plantear la Inteligencia artificial en este caso

la visión artificial en este caso lo que puedo hacer es parametrizar el espacio poner Un par de cámaras en este caso cámaras a color Vale y corrientes parametrizar el espacio que tengo en esta cinta que es un poco lo que estáis viendo abajo a la derecha y tratar de lanzar una señal cuando la barra de metal alcance una dimensión que a mí me pidan en cada momento en el que están procesando una barra consigo medición precisa en tiempo real medición indirecta esto no está nada mal es decir no influye no interfiero en el proceso yo

he puesto Una cámara y mando una señal a un plc de acuerdo y automatiza un proceso que de otra forma No es que no es que se hiciera de forma manual como los anteriores es que no existía no era viable y gracias a la visión artificial soy capaz de generar un proceso automático que ahora bueno se hacía de aquella manera y conseguía mejores óperas y ahora vamos a ver para que luego nos dé tiempo a las preguntas que ya tenemos Ahí unas cuentas el tema de mantenimiento predictivo de los modelos de Machine learning en la

industria cuatro punto cero cerramos visión artificial ya hemos entendido que tenemos muchas formas de capturar datos visuales y de procesarlos de forma automática para dar información de valor a los procesos productivos ahora vamos a pensar en cualquier otro tipo de captura cualquier otro tipo de edad tras cosas que yo puedo capturar para obtener Información de valor modelos de Machine learning ya hemos dicho que son modelos que generalmente llamamos de aprendizaje automático que suelen hacer dos cosas clasifican o predicen números si clasifican lo que quiere decir es que yo quiero saber si mi pieza está bien

o está mal si mi producto tiene este material o este otro material y si producen números que se llaman modelos de regresión lo que me dan es algo como lo que estamos viendo En este gráfico de aquí abajo a la izquierda Me dan datos en un en un Rango continuo quiere decir esto que yo voy a preguntarle cosas acerca de números Le voy a preguntar cuánto de algo Cuántas ventas voy a tener de este producto en el trimestre que viene para decidir si saco otro nuevo producto o no por ejemplo te pasan lo mismo recopilamos

datos etiquetamos datos entrenamos un modelo Y entonces lo desplegamos de acuerdo pero En la industria 4.0 tiene una aplicación clave crítica y muy específica de la industria 4.0 y cada vez está más extendida que es el mantenimiento predictivo el mantenimiento predictivo trata de analizar datos históricos que yo he recopilado en mi planta de producción acerca de todas las variables que yo Considero que influyen importan a la hora de que se que se dé un fallo en un equipamiento en un sistema para analizando estos datos históricos Tratar de predecir cuándo va a pasar el siguiente problema

cuándo vamos a tener el siguiente fallo esto es un ahorro de costes espectacular porque ya no solo evito el tiempo de inactividad que supone desde que se me rompe un elemento hasta que lo arreglo sino que consigue que como sé cuándo se va a romper digamos o estimo realmente porque ningún modelo de proyección hace magia soy capaz de forma muy ágil de sustituirlo antes de que eso suceda pero sin hacerlo Antes de tiempo porque Entonces estaría perdiendo dinero y no estaría aprovechando toda la vida útil de ese elemento y además de forma automática es decir

es el sistema el que me va a avisar de que va a pasar esto ya no es solo el mantenimiento predictivo ya no es solo pensando en que vaya a fallar un elemento de hecho ahora vamos a ver un caso de estudio un poquito más concreto y ya no solo que se vaya a romper tal tornillo que también y de hecho es lo Más habitual pero hay cosas un poco más interesantes que esto es muy útil muy práctico Pero hay más cosas y además como modelos de Machine learning podemos hacer algo que se llama análisis

exploratorio de datos ella que aquellos que hayáis cursado el máster estáis pulsando el máster o hayáis hecho Algo similar a cosas de Machine learning sabéis que esto es parte del aprendizaje automático pero en concreto es un análisis en el que trato de entender los Datos que tengo ya no estoy tratando de predecir ya no estoy tratando de encontrar cuando se va a romper algo aquí lo que estoy intentando es entender Cómo se relacionan mis datos entre sí Cuáles son los datos más importantes ya no solo que capturar sino a los que estar pendiente de ellos

y eliminar aquellos que no han sido capturar ahorro espacio incluso ahorros sensores si voy a hacer ampliaciones o nuevas plantas y visualizar los impactos de unos procesos En otros Y esta es la clave realmente hay muchas veces que no somos capaces de unir un proceso productivo con el siguiente digamos a lo mejor el conformar una chapa con cuando luego ensamblo esa chapa en una estructura final de cualquier tipo de industria yo puedo hacer un control de calidad de la chapa puedo hacer un control de calidad del ensamblado y hay algo que falla y no sé

que falla un análisis exploratorio son modelos que me permiten capturar Variables de un sitio capturar variables del otro y que me diga este punto se relaciona con este punto cuando falla esto siempre falla esto Échale un ojo a ese dato porque tienes 10.000 y a lo mejor tú no puedes mirar a estos 10.000 datos en un Excel de nuevo estos sistemas sirven cuando tengo grandes cantidades de datos decisiones muy complejas y sistemas productivos complicados si yo tengo un proceso productivo con un paso y el siguiente Proceso productivo tiene un paso a lo mejor no necesito

un modelo de aprendizaje automático O sí Es probable Hay un montón de modelos esto nos lo vamos a saltar como queda por aquí el que lo quiera mirar Estos son Sencillamente nombres de modelos de Machine learning que se suelen aplicar a la predicción de datos al Ford casting que se llama cada uno de ellos tiene sus ventajas desventajas esto es información muy técnica y con que quede aquí un rato Para que luego como esto queda grabado si alguien quiere quiere curiosear ahí lo tiene como entremos en el tono caso de estudio que yo creo que

es lo más interesante para entender esto empresa manufacturera de coche Es decir de vehículos en los que hay dos túneles como el que veis ahí en la imagen de análisis de dimensional es decir si cada cosa está en su sitio básicamente y esta empresa tiene dos túneles en el túnel número uno mide determinados puntos en El túnel número 2 mide otros determinados puntos en el túnel número 1 cada punto tiene ya sus rangos definidos de cuando está bien y cuando está mal y cuando un punto No está bien o si está bien pero cuando no

está bien se intenta arreglar Pero se da cuenta de que hay muchas ocasiones en las que en el túnel 1 Todo está bien pero bien quiere decir dentro de los rangos que han marcado los ingenieros Pero luego en el túnel 2 en el túnel de medición que va después de Otra serie de procesos ya las cosas no están también algo ha fallado Entonces se pregunta habrá alguna información en ese primer túnel por el que paso mi coche inicial que cuando le hago un montón de procesos a este coche y lo vuelvo a pasar por el

túnel 2 me haga a mí saber de antemano que va a estar mal ellos no lo saben pero es que no son capaces de saber porque a lo mejor miden 100.000 puntos y en el segundo túnel miden otros 100.000 puntos de los que a Lo mejor fallan dos no hay humano que compute la información de todos los cruces posibles entre 100.000 puntos y 100.000 puntos que se abre pues generalmente se hace un proceso de análisis exploratorio de datos Y ya que estamos de mantenimiento predictivo es decir en este caso trato de predecir qué va a

pasar en el segundo túnel de control cuando le he hecho ya más cosas al coche pongamos que le he puesto el motor las puertas y las ruedas y antes Era Sencillamente la chapa del coche qué va a pasar con el con el coche original con solo la chapa después de montarlo todo porque así si lo puedo solucionar en el momento de la chapa no arrastro el error por toda la cadena productiva Qué es lo primero que hay que hacer capturar datos Cuál es la buena noticia estos túneles funcionan con imágenes es decir Yo puedo extraer

esas imágenes pero es que además miden puntos miden dimensiones por qué voy a usar la Imagen por qué hacer un modelo de visión artificial si ya me dan puntos con coordenadas partamos de capturar esas coordenadas y convirtamoslas en datos procesables pero directamente ya las coordenadas la visión artificial sería reinventar un poco la red después vamos a hacer primero un análisis exploratorio de datos por qué porque tengo que limpiar estas variables tengo que reducir el número de variables no puedo tener 100.000 puntos a un lado y 100.000 Puntos al otro porque no hay forma de luego

visualizar esto para la toma de decisiones y una vez limpie esto lo que voy a hacer es intentar aplicar un modelo de mantenimiento predictivo que de las variables importantes que yo haya extraído o me decisiones en tiempo real y me diga esta variable crítica está mal en el túnel nuevo arréglala porque si no cuando lleves al túnel 2 estas otras ocho ahora están mal de acuerdo y es Para lo que me lleva es a lo de siempre intercambio un dato procesable por información extraída y ya no se lo conozco las variables principales sino que me

permite al tener alertas y errores en tiempo real antes de que sucedan los errores en el segundo paso Vale y lo último que os cuento y ya cerramos y nos pasamos a preguntas es en el caso de que hemos hablado antes de una planta de selección de envases otra pregunta que yo me podría hacer ya no Solo si este plástico está lo cual Perdón es hay temporadas del año en las que la selección de estos envases es mejor y estas balas que salen a la derecha que es al final lo que produce una una planta

de selección tienen más calidad quieres elegir he seleccionado solo el plástico que tiene que seleccionar y a veces menos y me pasa lo mismo yo tengo los datos de mis sensores yo sé Cuántas toneladas de envase ha pasado Cuántas he seleccionado como tal plástico o como tal otro Cuántas balas han salido el control de calidad humano que he hecho pero no soy capaz de dar con la clave de Por qué hay días que la selección de mis envases es maravillosa y Mis balas tiene una calidad perfecta y luego hay otras veces en las que esto

es terrible pues podemos hacer un modelo de aprendizaje automático que me permita entender que a lo mejor es que en verano el Comportamiento del consumidor cambia porque consumen más latas de cerveza y menos lo que sea y entonces viene más aluminio mi planta no está bien dimensionada para cuando viene más aluminio Estos son cosas que aunque a lo mejor el responsable le planta tiene la intuición de que esto sucede la Inteligencia artificial nos ayuda a usando de verdad los datos y todos los que puedo recopilar limpiarlos con un análisis exploratorio y entender Cómo se relacionan

unas variables con las obras con lo que para cerrar yo creo que lo suyo es que nos quedemos con esto en la industria 4.0 la Inteligencia artificial siempre tiene el mismo proceso en el que capturo datos que no hemos parado de decirlo proceso estos datos Y toma una acción en tiempo real lo más rápido posible que me permita mejorar mi calidad ser más eficiente final ser más eficaz y ahorrar costes lo más habitual en cuanto a modelos de Inteligencia artificial en industria 4.0 son la visión artificial en las que bebo de imágenes y vídeos todo

tipo y los modelos basados en datos que puedo unir hay modelos que pueden tener una entrada de imagen y además una entrada de datos de hecho son los mejores y que lo más importante antes de plantearnos usar Inteligencia artificial en cualquier tipo de industria es que quiero que haga mi modelo Qué le voy a preguntar si quiero un control de calidad Cuáles son Los puntos que tengo que mirar y si tengo la capacidad de capturar esos datos y de computarlos porque hay una pequeña diferencia entre hacer tecnología y hacer magia y esa es la que

marca que cumplamos todos vamos a dejarlo aquí y voy a empezar a leer preguntas si tenemos unas cuantas vale creo porque otra opción es que haya mensajes en el chat que no son preguntas espero que sí Y si alguien tiene justo ahora más pues que escriba que nos Ponemos a ello vale las leo y y os cuento vale un momento que es un poco que subo que subo que subo vale Hola Qué tengo que hacer el más grande para esto empezamos que si la guía puede ayudar a reducir gastos Por el simple hecho de que

suplantamos humanos con máquinas vale por resumirla Porque si las Industrias van prescindiendo de los humanos lo que conseguimos al final es que haya menos Trabajo y esto es algo que se plantea constantemente y que veréis que en el sector tanto en este como en todos se intenta evitar este tema por todos los medios siempre se intenta decir que que no que la Inteligencia artificial ayuda y apoya los procesos que nunca llega a sustituir y la realidad es que la realidad es que cuando hay un trabajo puramente manual en el que posibilidad de automatizaciones total y

que se destruyen procesos de trabajo y no nos Vamos a engañar al final son trabajos que igual que en otras revoluciones industriales han ido desapareciendo para irse automatizando va a seguir pasando va en nuestra contra ahora y desarrolladores de inteligencia arti Y antes no había Cuáles son las cuentas yo no las tengo hechas pero si estoy de acuerdo en que es un tema que muchas veces se suele evitar no y que muchas veces se habla de que todos esos tiempo Que nos vamos a evitar en tareas automatizadas vamos a poder emplearlo en otras tareas a

lo mejor más creativas que no requieran de tanto automatismo pero la realidad cortísimo plazo es que sí ahí hay empleos que van a desaparecer luego nos Vale Nos comentan que que Cómo es el crecimiento laboral en la industria cuatro punto cero España Europa pues cada vez mayor y sobre todo en estos ámbitos de las de tecnologías muy Muy muy punteras es decir los las Industrias a la hora de automatizarlas desde el punto de vista mecánico están más que completas es decir poco hay que hacer No si pueden empezar nuevas industrias pero automatizar procesos está complicado

pero ahora mismo hay una demanda enorme este tipo de arquitectos o soluciones que comentábamos que sean capaces de Traducir las necesidades de la industria en La respuesta a esa pregunta no hace falta que sean ingenieros de Inteligencia artificial únicamente ni división artificial o de Machine learning hay ingenieros de organización Industrial que tiene información en esto hay mucho ingeniero de telecomunicaciones que son capaces de aprovechar tecnologías como 5g para formar Pero al final todos forman parte de esta gran perspectiva de lo que hemos contado antes de todas las tecnologías Que aplican que yo lo que estoy

viendo Es que hay una demanda está creciendo exponencialmente de ingenieros de de que puedan aplicar a la industria y luego me preguntan esto que si que si que si podemos evitar desastres catastróficos si las máquinas toman decisiones Lo bueno es que aquí las decisiones se evalúan tanto Antes de que los sistemas pasen a producción y se despliquen que Normalmente no se dan este tipo de catástrofes porque el proceso de evaluación y aquí voy a intentar volver muy arriba perdonadme por el mareo pero lo vamos a intentar este proceso de evaluación que tenemos aquí con el

test Este es el que nos asegura que lo que vamos a desplegar va a hacer lo que queremos que haga y que jamás marca como mala una pieza buena y que jamás sobre todo que jamás marca como buena una pieza mala Entonces Son decisiones que tienen relevancia pero que se testean tanto y que al final siempre hay un ser humano al final de la cadena y esto completa la respuesta Lo de antes a día de hoy siempre hay un ser humano al final de la cadena de una forma o de otra en las plantas de

selección de envases el final son cuatro personas asomadas para rescatar los yogures que no hemos seleccionado correctamente y como esto os podría poner todos los ejemplos del mundo en el Caso de La factoría de vehículos Al final el que hace la revisión final del vehículo y se monta Y mira que todo está en su sitio y que no haya espacios entre las piezas y que sigue siendo un ser humano entonces Creo que no va a haber tales desastres porque las decisiones y eso que os decía antes la Inteligencia artificial es muy específica ahora mismo las

decisiones que tomamos son tan tan tan concretas tan tan estudiadas evaluadas antes de entrar en producción Sería complicado de que se dieran eso no hay nada vale creo que hasta aquí que hasta aquí las preguntas Ah no me ha saltado uno en cuánto tiempo se recomienda el retorno de la inversión en ia dado lo cambiante de esta tecnología es una pregunta tan que habría que estudiar caso acaso para que se le haya salido un despliegue de este tipo de sistemas en todo en empezar de cero a tenerlo desplegado nunca son menos de Seis meses con

lo que esos seis meses no hay Mejora productiva y al año debería notarse esa mejora productiva como como un algo muy muy muy muy muy muy muy muy por encima para decir vale pero muy complicado esto habría que mirarlo en cada caso dicho lo cual voy a dejar de compartir la pantalla y os voy a dar a todas las gracias por haber estado por las preguntas por escuchar y aguantar la hora entera que Al final nos la hemos comido y nada si al final yo creo que ha habido bastante más gente que en otras con

lo que entiendo que es un tema que interesa le daremos una vuelta a lo mejor a alguna Open Class más específica o en subsectores de la industria Pero esto era así un un overview de lo que ofrece la Inteligencia artificial en la industria Así que nada Gracias a todos los que escribís ahora que gracias y tal y nada que vaya todo muy bien y Recordad que la clase queda grabada vale aquí ya es like que me ha saltado muy rápido cualquier cosa que queráis volver la tenéis vale con lo que nada Yo creo que aquí

lo dejamos yo creo podemos dejar de grabar y nada de nuevo Muchas gracias a todos ha sido un placer y nada nos vemos pronto en alguna openclass que hagamos por aquí un abrazo