Descripción del proyecto
En el contexto industrial, la actual revolución digital, o industria 4.0, se encuentra liderada por soluciones data-driven motivadas por la gran proliferación de datos y que gracias hacen que la inteligencia artificial o el aprendizaje automáticas devivan unas herramientas disruptivas clave. Las soluciones inteligentes derivadas permiten procesar la información en tiempo real y simplificar la gestión y monitorización de los procesos industriales de una manera más eficiente, sencilla y óptima.
En gran parte, esta revolución se da gracias a los nuevos avances en las tecnologías utilizadas en este ámbito. Entre ellas se encuentran, por ejemplo, los sistemas ciber-físicos, distribuidos a lo largo de los procesos industriales, nuevas y mejores herramientas de captura y tratamiento de datos, arquitecturas híbridas para trabajar con el internet de las cosas (IoT) o el importante incremento de las capacidades de analítica de grandes volúmenes de datos empleando repositorios poliglotas.
Con ello, y junto con la aplicación de innovadoras técnicas de la inteligencia artificial, estas nuevas soluciones proporcionan un conjunto de ventajas competitivas que impactan directamente en los principales indicadores de rendimiento de los procesos que se encuentran en este ámbito, como son la productividad, la calidad y la eficiencia, elementos clave a mejorar en todo entorno industrial.
Las principales implementaciones que encontramos en este campo se centran en mejorar los procesos actuales, o solucionar nuevos retos, mediante aproximaciones basadas en datos (data-driven), donde los ámbitos de la inteligencia artificial como el aprendizaje supervisado o el no supervisado han demostrado tener la capacidad de aportar soluciones que mejoran el estado del arte de los diferentes retos que afrontan, mejorando así los procesos existentes y obteniendo resultados diferenciales en los indicadores mencionados.
Sin embargo, siguen existiendo muchos procesos o casos en que estas aproximaciones no se pueden aplicar debido a su propia naturaleza. Así pues, aspectos como el control óptimo y autónomo de los diferentes procesos industriales sigue siendo un reto que no encuentra solución mediante estas tecnologías. Este es un aspecto complicado ya que, por ejemplo, muchos procesos industriales se encuentran en entornos extremos y muy cambiantes que fuerzan que la gestión de los mismos necesariamente tenga que ser dinámica y resulte complicado hacerlo de forma óptima.
De esta manera, con el objetivo de continuar con la mejora y optimización de estos indicadores en estos puntos donde las soluciones más tradicionales de la inteligencia artificial no puede llegar, este proyecto propone el estudio y la aplicación de metodologías de aprendizaje automático basadas en el aprendizaje por refuerzo, y la comparación del rendimiento y efectividad de las mismas hacia otrosprocedimientos más maduros ya utilizados en estos entornos.
El aprendizaje por refuerzo consiste en una aproximación computacional para entender y automatizar el aprendizaje orientado a objetivos, así como la toma de decisiones. Se diferencia de otras aproximaciones computacionales por su énfasis en el aprendizaje de un agente fruto de su interacción directa con su entorno, sin requerir modelos completos del entorno.
Así pues, este nuevo enfoque puede resultar el adecuado para afrontar el camino de la gestión autónoma y óptima, hablando en términos de productividad, calidad y eficiencia, de este amplio conjunto de procesos que se encuentra en el ámbito industrial.
