Hacia la fábrica inteligente. ¿Qué puede hacer la IA?

El CIDAI como responsable del nodo de inteligencia artificial del proyecto europeo DIH4CAT, junto con Eurecat y Tecnalia, partícipes del proyecto europeo AIREGIO, nos presentarán tendencias, aplicaciones y casos de logros del uso de las tecnologías de los datos y la inteligencia artificial en el proceso manufacturero industrial.

La sesión será impartida en dos grandes blogs. El primero estará orientado al marco contextual de las aplicaciones de estas tecnologías y el segundo a la explicación de un caso práctico.

Dirigida a:

Dirigida a perfiles técnicos y de negocios del sector industrial que tienen cercanía a las aplicaciones de estas tecnologías.

Programa

Bienvenida Marco Orellana, Manager Oficina Técnica del CIDAI
Introducción AIRegio Roger Calaf y Ferrer, Technology Consultant & Lecturer en Eurecat
Hacia la fábrica inteligente. ¿Qué puede hacer la IA?
Fernando Boto, Senior Data Scientist, Industry and Mobility Unit en Tecnalia
- ¿Qué es la IA?, desmitificación strong/weak AI.
  Principales aplicaciones.Machine Learning, Deep learning, aprendizaje supervisado/no supervisado.
- 4a revolución. Usos en industria: Mantenimiento predictivo y prescriptivo, inspección de calidad, optimización para control de procesos y planificación
- Retos para la adopción de la IA: automatización y democratización. Imbricar conocimiento de dominio.
DICAMI. Digitalización y calibración avanzada de sistemas de medición con sensores de microondas.
Francisco Fernández, Data Scientist & Researcher en Eurecat
- Generar un sistema de control capaz de memorizar las diferentes respuestas eléctricas del sensor en función de las materias que componen el alimento, y predecir la respuesta del sistema en función de las calibraciones almacenadas.

Masterclass impartida por Eurecat y TECNALIA

[descargas tipo="masterclass"]

Impartido por:

Roger Calaf y Ferré, Technology Consultant & Lecturer en Eurecat Doctor en análisis geográfico con el uso de tecnologías avanzadas (UAB) y Máster en Gestión Innovadora (UB). Actualmente, y desde los últimos 6 años, trabaja en Eurecat, como consultor tecnológico dentro del Equipo de Ecosistemas y Políticas de Innovación. Durante su primera etapa en Eurecat (2017-2021) actuaba como promotor tecnológico dentro del departamento de Innovación Turística en la unidad de investigación de mercados. Combina esta actividad laboral con la docencia universitaria en la Escuela de Turismo y Dirección Hotelera de la UAB.
Fernando Boto, Senior Data Scientist, Industry and Mobility Unit en Tecnalia Ingeniero Informático (2001) y Dr. en Informática (2006) por la Universidad del País Vasco (UPV-EHU) con su tesis sobre Digitalización de Documentos y Reconocimiento Óptico de Caracteres. Tiene experiencia de más de 20 años en el desarrollo de proyectos de I+D financiados por el Gobierno Vasco, España y la Comisión Europea. Ha trabajado como investigador en la UPV-EHU (2001-2005) y en Vicomtech (2005-2010). En julio de 2010 comienza en Tecnalia donde centra su actividad en el desarrollo de aplicaciones inteligentes para el sector industrial usando técnicas de inteligencia artificial y Aprendizaje Máquina. Su especialidad investigadora se centra en el Control Inteligente de procesos, Eficiencia Energética y Planificación/Optimización de Recursos. Ha publicado varios artículos científicos, todos ellos en congresos y revistas internacionales. Compagina su labor en Tecnalia con la actividad docente en colaboraciones con UPV-EHU y Deusto.
Francisco Fernández, Data Scientist & Researcher en Eurecat Investigador en la unidad Applied Artificial Intelligence (AAI). Licenciado en Física en la Universidad de Barcelona. Estudió el Máster en Modelización para la Ciencia y la Ingeniería en la Universidad Autónoma de Barcelona, con un TFM dedicado a la predicción del riesgo de pacientes COVID mediante Redes Bayesianas.
En los últimos tiempos ha trabajado en proyectos de análisis de datos, forecasting de temperaturas para instalaciones de climatización, y visión por computador para la industria minera, utilizando tanto herramientas de Machine Learning clásico como Redes Neuronales profundas.