Big Data

Piensa en un puzle. Si tienes niñas pequeñas, como yo, tienes 100 piezas de Elsa y Anna frente a ti, pero esa no es la cuestión ahora. Cada una de esas 100 piezas es un fragmento de datos. Por sí mismos, probablemente no significan nada o no tienen un propósito definido. Sin embargo, cuando juntamos esas piezas somos capaces de crear una imagen, algo valioso. Hacer el puzle suele ser sencillo, puede tomar más tiempo o no, pero tienes un grupo perfecto de piezas, que combinan y se complementan entre sí y permiten extraer un valor agregado, conclusión… o una imagen de Frozen.

Jordi Arjona - ITI
Jordi Arjona
 | Coordinador del grupo de Sistemas Distribuidos (SiDi) de ITI

Nivel técnico del artículo

Vivimos en un mundo que evoluciona de modo vertiginoso. Cada vez, los ciclos de transformación de un sector, una actividad o una organización, son más y más cortos, haciendo del cambio la más relevante de las constantes.

Específicamente, en el ámbito tecnológico, estos ciclos de vida resultan efímeros y requieren de un esfuerzo ingente por parte de las empresas para seguir el ritmo de sus competidores.

Estos profundos cambios tecnológicos han condicionado, sin lugar a duda, el paradigma de producción industrial.

José Luis Soler Domínguez
 | Investigador I+D+I experto- ITI

Nivel técnico del artículo

Big Data

El dato se ha convertido en uno de los activos más importantes de las empresas durante los últimos tiempos. Al menos sobre el papel, dado que la correcta explotación y monetización de los datos sigue siendo una de las grandes asignaturas pendientes del sector productivo. Esta explotación o monetización puede venir, en general, por dos vías. La vía interna, donde la correcta explotación de los datos conlleva una mejora en los procesos de la empresa, en la toma de decisiones o en las relaciones con clientes, por ejemplo; y la externa, donde la monetización puede venir a través de la venta directa de los datos a terceros o a través de la compartición de los mismos, buscando generación de sinergias y colaboraciones con otros actores que supongan un beneficio mutuo. 

Jordi Arjona - ITI
Jordi Arjona
 | Coordinador del grupo de Sistemas Distribuidos (SiDi) de ITI

Nivel técnico del artículo

Inteligencia artificial

El proyecto Soroll-IA tiene como objetivo la creación de una base de datos de audios genéricos en un entorno portuario. Para ello, se han desplegado una serie de nodos acústicos en lugares estratégicos del mismo. Debido a la gran cantidad de datos que se esperan recolectar, será imposible etiquetarlos todos en un futuro cercano. Por tanto, en el marco de este proyecto, se pretenden investigar técnicas de aprendizaje activo (AL) o active learning en inglés

Javier Naranjo
 | Investigador de Machine Learning-ITI

Nivel técnico del artículo

Inteligencia artificial

El proyecto se dirige a empresas industriales valencianas, que generan gran cantidad de datos con potencial de explotación, y a empresas tecnológicas capaces de procesar y explotar estos datos.  Aunque en general las empresas de la región son conscientes del valor de los datos, suele surgir dudas en cuanto al beneficio de participar en iniciativas de este tip

Liliana Beltrán Blanco
 | Especialista en Promoción de capacidades estratégicas en ITI

Nivel técnico del artículo

El nuevo modelo desarrollado será incorporado dentro de la herramienta ITI BREAST Calculate  y se utilizará para realizar una validación más exhaustiva de la herramienta

Andrés Laroza
Andrés Larroza
 | Ingeniero I+D+I Senior

Nivel técnico del artículo

Inteligencia artificial

El proyecto AITANA-MOVEC tiene como objetivo desarrollar un conjunto de herramientas y librerías que permitirán la gestión y el control de versiones de experimentos de inteligencia artificial bajo la premisa de facilidad y flexibilidad de uso. En particular, la herramienta se integrará en la solución AITANA existente y permitirá el versionado de modelos y experimentos de IA guardando iterativamente las diferentes versiones y modificaciones realizadas, así como los resultados obtenidos en cada modelo e iteración.

Vicent Ortiz
 | Investigador ITI en Inteligencia Artificial

Nivel técnico del artículo

Inteligencia artificial

El reingreso no programado se puede definir como el ingreso en el hospital pasado un tiempo tras el alta (normalmente 30 días). Estudios recientes cifran en un 27% los reingresos no programados que podrían predecirse, y en un 14% aquellos potencialmente evitables al tomar las medidas consecuentes[1].

Como se puede intuir, se trata de un problema relevante. Estos reingresos suponen una carga para los sistemas sanitarios por sus repercusiones tanto en la vida del paciente, que ve empeorar su salud, como en la calidad de los cuidados hospitalarios. Los factores que influyen en este reingreso son heterogéneos y elevados en número, lo que dificulta su detección por parte de los facultativos, que ya de por sí soportan una carga de trabajo elevada.

Una caracterización correcta de estos reingresos puede ayudar en el proceso de toma de decisiones, ayudando a mejorar la calidad de vida de los pacientes y optimizando el uso de recursos hospitalarios. Por ejemplo, se puede mantener ingresado unos días más al paciente con alto riesgo de reingreso o hacer un seguimiento más específico al alta, con el fin de evitar posteriormente su reingreso no programado.

Laura Arnal ITI
Laura Arnal
 | Técnica del departamento de I+D dentro de la línea de Percepción, Reconocimiento, Aprendizaje e Inteligencia Artificial (PRAIA)

Nivel técnico del artículo

Servicios Tecnológicos

Un factor fundamental de la Industria 4.0 es la integración de múltiples procesos, para acelerar y optimizar la toma de decisiones. Sin embargo, esta integración es un concepto complejo que se debe abordar desde múltiples niveles. Por ejemplo, es necesaria una integración a nivel de información, donde todos los datos estén disponibles en un mismo punto para ser analizados. Pero, para recibir esta información y además poder modificar de forma dinámica el comportamiento de los procesos, es necesario una integración a nivel de red, donde los diferentes procesos, maquinarias y elementos productivos puedan intercambiar información de forma fiable y eficiente.

Federico Orozco
 | Ingeniero I+D+i Semi Senior

Nivel técnico del artículo

El objetivo del proyecto DIICEA es proveer de algunas herramientas que faciliten estas tareas. Estas herramientas están pensadas para cubrir necesidades en tres pasos fundamentales de la creación, prueba y ejecución de algoritmos de optimización: la experimentación, la medición y la comparación estadística de resultados.

Gerardo Gabriel - ITI
Gerardo, Minella
 | Jefe de proyecto del grupo de Sistemas de Optimización Aplicada (SOA)

Nivel técnico del artículo