Cómo detectar desviaciones en los datos para mejorar las predicciones

El tratamiento que las empresas dan a sus datos puede determinar su éxito o su fracaso.

Uno de los grandes retos a los que se enfrentan los ingenieros y los científicos de datos en la actualidad es cómo ser capaces de detectar desviaciones en dichos datos y abordarlas para mejorar las predicciones y construir mejores productos.

En este sentido, la firma desarrolladora de software de cálculo computacional y del lenguaje MATLAB, MathWorks, ha compartido su visión durante la celebración de la Big Things Conference.

Peter Webb, Principal Technical Specialist de la compañía, y Gokhan Atinc, Senior Engineer, han explicado la propuesta de MathWorks para aportar un impacto positivo.

Bajo el título, precisamente, de “Cambio a mejor: Mejora de las predicciones mediante la automatización de la detección de desviaciones”, han mostrado cómo se degradan las baterías de los coches dependiendo de factores externos, aumentando el tiempo de carga y afectando a la autonomía final de los vehículos.

Ambos expertos usaron este ejemplo con vehículos eléctricos de reparto autónomo de paquetes, donde se necesitan buenas estimaciones de vida útil de unos elementos que resultan caros de reemplazar. Aunque la situación es aplicable a otros sectores.

MathWorks propone un enfoque que recoja información sobre la temperatura externa y tiempo de uso, entre otros datos, y aproveche el aprendizaje automático para predecir el tiempo restante que le queda a la batería.

A través de la clasificación automática de datos, además de la detección de desviaciones, se configura una arquitectura adaptable para afrontar los problemas de mantenimiento.

“Nuestra solución transmite los datos de cada batería a los subsistemas de producción y entrenamiento”, comenta Webb: “un modelo desplegado en el servidor de producción de MATLAB que predice la vida útil restante de cada batería y un modelo físico de Simulink de la batería, de precisión termodinámica, que etiqueta automáticamente los datos para su uso en el entrenamiento de nuevos modelos”.

“Es posible detectar desvíos gracias a nuestros simuladores y evitar distorsiones en los modelos, para así tomar mejores decisiones“, añade Atinc.

Redacción Silicon

La redacción de Silicon está compuesta por profesionales del periodismo 2.0

Recent Posts

¿Qué riesgos tecnológicos presentan las fusiones o adquisiciones?

Además de una due diligence financiera, antes de realizar una fusión o adquisición debería llevarse…

1 día ago

Deutsche Telekom se une a Talkdesk para impulsar en España el servicio Contact Center

Deustche Telekom Global Business y Talkdesk impulsan el servicio de Contact Center en España.

2 días ago

Corporación Mondragón, Endesa, Iberdrola y Kutxabank retiran la demanda por 41 millones de euros por la plusvalías de Euskaltel

Las antiguas empresas accionistas de Euskaltel retiran la demanda por valor de 41 millones de…

2 días ago

Iberdrola opta a la adjudicación de cinco complejos eólicos marinos en Filipinas

Iberdrola extiende sus instalaciones de generación eólica marina hasta Filipinas, donde opta a la adjudicación…

2 días ago

SAP supera sus expectativas de crecimiento

Los ingresos de SAP S/4HANA en la nube se dispararon el pasado ejercicio por encima…

2 días ago

Aumentan los ataques DDoS con petición de rescate incluida

Durante lo meses de octubre, noviembre y diciembre crecieron un 29 % respecto a 2020…

2 días ago