![\"\"](\"https:\/\/funditec.es\/es\/wp-content\/uploads\/sites\/4\/2024\/04\/Detecta-f2.png\")
<\/p>\r\n\r\nEn su fase 2 el proyecto DETECTA aborda el desarrollo e implementaci\u00f3n de modelos de detecci\u00f3n de anomal\u00edas, con importantes mejoras en comparaci\u00f3n con la Fase 1.<\/p>\r\n\r\n\r\n\r\n
Una de las claves fundamentales de este progreso ha sido la incorporaci\u00f3n de una sens\u00f3rica m\u00e1s avanzada, integrada directamente en la maquinaria de producci\u00f3n. Esto ha permitido recolectar datos de forma autom\u00e1tica a trav\u00e9s del aut\u00f3mata y el PLC, brindando una visi\u00f3n m\u00e1s precisa y detallada del estado de la m\u00e1quina.<\/p>\r\n\r\n\r\n\r\n
El aprendizaje no supervisado ha jugado un papel crucial, ofreciendo la capacidad de identificar desviaciones de la normalidad sin la necesidad de etiquetas previas, acelerando el proceso de an\u00e1lisis de datos e identificaci\u00f3n de resultados esperados. Esto resulta especialmente valioso en un entorno donde cada pieza de trabajo es \u00fanica y no se ajusta a un lote est\u00e1ndar.<\/p>\r\n\r\n\r\n\r\n
El actual enfoque semisupervisado es capaz de captar patrones sutiles y complejos que pueden indicar una anomal\u00eda emergente, brindando a los operadores la oportunidad de intervenir de manera proactiva y evitar interrupciones o da\u00f1os en la producci\u00f3n. Para ello, existe un M\u00f3dulo de Novedad que identifica nuevos patrones de datos que el sistema de Inteligencia Artificial no ha visto antes, y un M\u00f3dulo de Anomal\u00edas Puntuales y por Patr\u00f3n que permite diferenciar entre anomal\u00edas que son incidentes \u00fanicos y aquellos que siguen un patr\u00f3n espec\u00edfico, probablemente indicativo de problemas m\u00e1s sist\u00e9micos.<\/p>\r\n\r\n\r\n\r\n
Los modelos han sido probados en datos procedentes del entorno de producci\u00f3n real, utilizando datos recogidos durante los meses de febrero y marzo, reflejando as\u00ed el comportamiento aut\u00e9ntico de la fresadora.<\/p>\r\n\r\n\r\n\r\n
Gracias a este enfoque semisupervisado se ha podido hacer un sistema de Inteligencia Artificial donde las anomal\u00edas detectadas se basan en la utilizaci\u00f3n, combinadas con las posiciones o movimientos at\u00edpicos Adem\u00e1s, destaca la identificaci\u00f3n de novedades que podr\u00edan indicar patrones emergentes y no necesariamente anomal\u00edas, lo que representa un avance significativo en la flexibilidad de la detecci\u00f3n de irregularidades.<\/p>\r\n
<\/p>\r\n\r\n
Esta metodolog\u00eda ha logrado reducir la tasa de falsos positivos al 10%, un logro notable en comparaci\u00f3n con la fase anterior, que ten\u00eda una tasa del 44%. Sin embargo, actualmente la tasa de falsos negativos es del 20%, lo cual subraya la complejidad de la nueva sens\u00f3rica y la importancia de acumular m\u00e1s datos hist\u00f3ricos para mejorar la inferencia de los modelos supervisados. Lo esperado es que, a medida que se recolecte m\u00e1s informaci\u00f3n, la precisi\u00f3n de los modelos contin\u00fae mejorando de manera sustancial.<\/p>\r\n\r\n\r\n\r\n
Los avances presentados no solo mejoran la capacidad predictiva y la eficiencia operativa, sino que tambi\u00e9n fortalecen la postura de ciberseguridad al detectar anomal\u00edas que podr\u00edan ser indicativas de ciberataques potenciales.<\/p>\r\n\r\n\r\n\r\n
El proyecto Detecta F2 est\u00e1 financiado por el Ministerio de Industria y Turismo a trav\u00e9s de la l\u00ednea de ayudas de apoyo a las Agrupaciones Empresariales Innovadoras, en su convocatoria del 2023 en el marco del Plan de Recuperaci\u00f3n, Transformaci\u00f3n y Resiliencia.<\/p>\r\n\r\n\r\n\r\n
Resultados publicados en enero de 2024.<\/p>\r\n","protected":false},"excerpt":{"rendered":"
En su fase 2 el proyecto DETECTA aborda el desarrollo e implementaci\u00f3n de modelos de detecci\u00f3n de anomal\u00edas, con importantes mejoras en comparaci\u00f3n con la Fase 1.<\/p>\n","protected":false},"author":8,"featured_media":2298,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[30],"tags":[35],"class_list":["post-2303","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categorizar","tag-noticias"],"_links":{"self":[{"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/posts\/2303","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/comments?post=2303"}],"version-history":[{"count":2,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/posts\/2303\/revisions"}],"predecessor-version":[{"id":3087,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/posts\/2303\/revisions\/3087"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/media\/2298"}],"wp:attachment":[{"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/media?parent=2303"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/categories?post=2303"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/funditec.es\/es\/wp-json\/wp\/v2\/tags?post=2303"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}