Spain
Innovacion 01.03.2024 
SEGULA lanza el proyecto DATUETAN para reducir costes en la gestión de modelos de Inteligencia Artificial en la industria.
SEGULA Technologies ha lanzado el proyecto Datuetan, enfocado en la generación de datos sintéticos, con el objetivo de reducir costes en la implementación y gestión de modelos de inteligencia artificial en el sector industrial. El proyecto, realizado en colaboración con Sidenor y el Centro Tecnológico Tecnalia, ha comenzado este año y prevé finalizar en 2025.
En ocasiones, al llevar a cabo modelos de IA, la recogida de datos suele presentar un reto porque normalmente no hay suficiente información, lo que hace que sea necesario esperar tiempos prolongados. Por ejemplo, si necesito un modelo para ver si una pieza es buena o mala, puede ser necesario un mes para conseguir la suficiente cantidad de datos. Al final, tener piezas malas o tardar más tiempo en conseguir las buenas, supone más costes.
En este contexto, uno de los aspectos más importantes de este proyecto tiene que ver con la generación de datos sintéticos, es decir, a raíz de una masa pequeña de muestras, poder conseguir muchos más datos para poder estudiar el modelo. El objetivo de los datos sintéticos es intentar rellenar información para ahorrar tiempo y costes.
Jorge Martínez Santiago, R&I Manager of the IA & Industry 4.0 de Segula en la oficina de Vitoria-Gasteiz, explica que, “al implementar un modelo en producción, siempre existe el drifting o deriva. El modelo es una fotografía de un momento concreto, algo que es fundamental tener en cuenta, porque si la foto cambia, el modelo no se va a ajustar a la nueva realidad. Cuanto más generalistas y menos precisos sean los datos, más complicado será, y cuanto más específico mejor, aunque es fundamental estar atento para monitorizar los modelos, ver que se ajustan y controlar ese drifting”.
En definitiva, el objetivo del proyecto es generar los datos sintéticos y revisar el drifting de los modelos, verificando que el modelo se está ajustando a la realidad. Para validar esos datos, SEGULA está trabajando con Sidenor, a través de un caso de uso de un proceso de producción, que facilitará el punto de partida para validar si el procedimiento de generación de datos es correcto.
En este proyecto SEGULA se suma a Sidenor para generar datos en modelos que plantea llevar a nuevas líneas de producción, permitiendo reducir este tiempo de desarrollo y adaptación de los modelos.
El principal reto del proyecto es que la tecnología utilizada en el proyecto sea capaz de generar esos datos. “Y el segundo reto es conseguir que los datos que estamos generando sean de una calidad suficientemente buena como para que puedan generar un modelo”, comenta Jorge. Las tecnologías utilizadas son IA, datos sintéticos, drifting de modelos y MLOPs. En definitiva, el proyecto busca aplicar los paradigmas Data Centric y Human in the Loop y desarrollar herramientas basadas en arquitectura de servicios, integradas con diversas soluciones corporativas y cubriendo las diferentes fases del ciclo de vida de un proyecto de IA.
En este contexto, uno de los aspectos más importantes de este proyecto tiene que ver con la generación de datos sintéticos, es decir, a raíz de una masa pequeña de muestras, poder conseguir muchos más datos para poder estudiar el modelo. El objetivo de los datos sintéticos es intentar rellenar información para ahorrar tiempo y costes.
Jorge Martínez Santiago, R&I Manager of the IA & Industry 4.0 de Segula en la oficina de Vitoria-Gasteiz, explica que, “al implementar un modelo en producción, siempre existe el drifting o deriva. El modelo es una fotografía de un momento concreto, algo que es fundamental tener en cuenta, porque si la foto cambia, el modelo no se va a ajustar a la nueva realidad. Cuanto más generalistas y menos precisos sean los datos, más complicado será, y cuanto más específico mejor, aunque es fundamental estar atento para monitorizar los modelos, ver que se ajustan y controlar ese drifting”.
En definitiva, el objetivo del proyecto es generar los datos sintéticos y revisar el drifting de los modelos, verificando que el modelo se está ajustando a la realidad. Para validar esos datos, SEGULA está trabajando con Sidenor, a través de un caso de uso de un proceso de producción, que facilitará el punto de partida para validar si el procedimiento de generación de datos es correcto.
En este proyecto SEGULA se suma a Sidenor para generar datos en modelos que plantea llevar a nuevas líneas de producción, permitiendo reducir este tiempo de desarrollo y adaptación de los modelos.
El principal reto del proyecto es que la tecnología utilizada en el proyecto sea capaz de generar esos datos. “Y el segundo reto es conseguir que los datos que estamos generando sean de una calidad suficientemente buena como para que puedan generar un modelo”, comenta Jorge. Las tecnologías utilizadas son IA, datos sintéticos, drifting de modelos y MLOPs. En definitiva, el proyecto busca aplicar los paradigmas Data Centric y Human in the Loop y desarrollar herramientas basadas en arquitectura de servicios, integradas con diversas soluciones corporativas y cubriendo las diferentes fases del ciclo de vida de un proyecto de IA.
PARA MEJORAR LA NAVEGACIÒN