Índice del artículo
Cuando pensamos en Inteligencia Artificial para un automóvil, lo primero que se nos viene a la mente son los vehículos autodirigidos. Pero ésta es apenas una arista de todas las que ofrece la inteligencia artificial. En realidad tiene otros usos, aunque no tan glamurosos.
La IA mejora la conducción, los sistemas de navegación satelital, ofrece alertas de mantenimiento y otras más.
Hay un área que impacta directamente a las empresas que manejan flotas de camiones para transportar sus productos. Hablamos de la constante necesidad de reducir el consumo de combustible, uno de sus grandes dolores de cabeza.
¿Por qué lo es? El combustible representa 35 por ciento de los costos de operación de un camión. Por ello, los transportistas invierten en tecnología.
Dado que el combustible es un insumo caro, los viajes deben planificarse de manera eficiente. Pero uno de los problemas históricos es identificar los factores que afectan la eficiencia en su consumo.
Hasta ahora, ninguna tecnología garantizaba resolver esto. No obstante, hay una tecnología que promete hacerlo: la inteligencia artificial.
¿Por qué es mejor?
Tres herramientas lo hacen posible: dispositivos OBD (On Board Diagnostics), Big Data y la Inteligencia Artificial.
Con ello es posible recolectar datos y analizar cualquier tramo de viaje, en cualquier vehículo. La combinación de estas herramientas genera un histórico de información con todas las variables que intervienen en un recorrido. Estas son: altimetría, tráfico, estilo de manejo, cantidad de carga, horarios, etcétera. De esta forma es posible modelar algoritmos predictivos.
Estos algoritmos le enseñan al vehículo a aprender de su comportamiento pasado para predecir eventos futuros. Así funciona el aprendizaje automático.
Ninguna tecnología de rastreo satelital ofrece esto, aunque es una fuente de datos para la IA.
Inteligencia Artificial, siempre disruptiva
Gustavo Fuentes, director de Inteligencia Artificial de Gesta Labs, dice que es una tecnología innovadora y que agrega valor. Por ejemplo, un algoritmo de IA es 10.7% más eficiente que un motor híbrido para ahorrar combustible (Universidad de California).
Su nivel de minería de datos es tan profundo que minimiza casi por completo la incidencia del factor humano. De las variables que afectan el consumo de combustible (velocidad, resistencia, fricción, frenado, etcétera), la intervención humana es la principal.
El conductor es el factor crítico para un buen consumo, pero también es el más difícil de controlar. La IA promete hacerlo.
Invariablemente, la minería de datos puede usarse para construir modelos que ayuden a prever comportamientos futuros que anteriormente no se pudieron observar, desarrollar relaciones entre dos o más participantes en el proceso, o ajustar un principio existente para mejorar el proceso.
¿Qué la hace especial?
La instalación de sensores en un motor elimina la intervención humana en el registro de los datos y, en su lugar, automatiza la recolección de la información.
“La inteligencia artificial identifica patrones que no son visibles al ojo humano ni a otras técnicas”, dice Gustavo Fuentes. Y añade: es posible generar combinaciones óptimas (considerando todas las variables) para tener la mayor cantidad de ahorro.
Con esto es posible construir redes neuronales, las cuales siguen demostrando su poder para resolver problemas cotidianos.
La garantía que ofrece la IA frente a otras es que usa datos para el análisis y la construcción de los modelos. Sin los datos adecuados, no es posible desarrollar ideas sobre qué decisión se puede tomar para hacer ajustes en los viajes. Un modelo de inteligencia artificial usa datos limpios, pues, para construirlo, uno de sus primeros pasos es verificar el origen y la limpieza de los datos.
Los datos se recopilan en tiempo real o desde un dispositivo con Inteligencia Artificial que los almacena. Ambos procesos implican errores que deben eliminarse al hacer el análisis de la información. Una vez que se obtienen los datos, se deben limpiar los valores faltantes y los anormales, quitando los sesgos en el análisis. Los datos limpios se pueden usar para investigar patrones y desarrollar modelos.
Los hechos nunca mienten, y eso es lo que sucede cuando trabajas con datos. Se trata de conocer el pasado para crear modelos predictivos y tomar decisiones a futuro. Decirlo es simple, pero hacerlo tiene su chiste. Por eso en Gesta Labs lo hacemos mejor que nadie.
Escríbenos a info@gestalabs.com para dejarnos comentarios o sugerencias de temas sobre Industria 4.0.