El proyecto persigue avanzar en el desarrollo tecnológico del concepto de Swarm Manufacturing en el marco de la Industria 4.0, aportando nuevos conocimientos y tecnologías para derribar las barreras existentes, demostrando los beneficios de su uso en procesos de manufactura, y desarrollando nuevas aplicaciones y servicios que lo exploten.

5GLOGIC está orientado a impulsar la digitalización y automatización de la logística intra-parque del parque industrial de Almussafes centrándose en una aplicación piloto que da respuesta a la problemática actual entre dos segmentos de la cadena de valor del sector, Ford Almussafes y Grupo Segura. Permitiendo una logística automatizada, transporte incluido, mediante la explotación de los datos.

El objetivo del presente proyecto es desarrollar los conocimientos, metodologías y tecnologías necesarias para la generación de sistemas empresariales avanzados de inteligencia de mercado que permitan la búsqueda, detección e interpretación sistemática de la información existente en el entorno internacional y su transformación en conocimiento para las empresas del sector agroalimentario valenciano.

El objetivo principal del proyecto es convertir a ITI en experto en Compra Pública de Innovación que permita fomentar el uso de este instrumento para la compra de tecnologías digitales innovadoras y ofrecer un abanico de oportunidades a las empresas del sector TIC capacitadas para resolver los retos o necesidades de la Administración.

AI4ES es una red de excelencia en tecnologías habilitadoras basadas en el dato, que nace con la visión de convertirse en el referente español en investigación, desarrollo y transferencia de aquellas tecnologías digitales que permitan el procesamiento y análisis inteligente de datos.

El proyecto AIDA (https://project-aida.eu) es un proyecto H2020 europeo que tiene como objetivo principal implementar soluciones Big Data en la que se avance en el desarrollo de técnicas contra el ciber-crimen y ciber-terrorismo.

AIDOaRt creará un framework que incorpore métodos y herramientas para el desarrollo de software continuo y sistemas de ingeniería y validación, mediante técnicas IA (ML) que aumente la productividad, la calidad y la previsibilidad de los sistemas ciber-físicos (CPS).

El objetivo del proyecto consiste en crear un entorno de simulación colaborativo alrededor de un MRP basado en algoritmos de optimización ágiles y sencillos

AITANA-MOVEC pretende crear un entorno completo de desarrollo y puesta en producción con control de versiones de forma simple e intuitivita, permitiendo a los científicos de datos centrarse en la creación de modelos con mejores resultados, sin centrarse en el versionado de código y datos y proporcionando de una forma simple el acceso a las tareas automáticas y de puesta en producción.

Cada día, existen más modelos de IA puestos en producción proporcionando predicciones de toda índole, estos modelos son desarrollados con una serie de muestras (datos), normalmente del entorno real y algunas veces sintéticos (generados para simular el entorno real), que intentan recoger un conjunto representativo y suficiente del problema a modelar. Los modelos aprenden las características de dichos conjuntos de modelos, que, aun siendo representativos, a la hora de poner en producción, las características de los datos en producción pueden variar, sea porque los datos de entrenamiento se han quedado obsoletos, o por cambios de los mismos debido a factores externos como pueden ser cambios en los comportamientos de los usuarios, modificaciones en las fuentes de generación de los datos (cambio de una maquina o dispositivo IoT), etc. Estos cambios hacen que los modelos desarrollados dejen de ser válidos y operativos proporcionando predicciones incorrectas. Esto supone en la realidad grandes perdidas en las empresas diariamente, desde malas ventas, incorrectas predicciones de mantenimiento o incluso diagnósticos médicos incorrectos. Es por ello que el proyecto Aitana-MoMo persigue subsanar dichos problemas controlando la calidad de los modelos diseñados, realizando una monitorización detallada de los mismos permitiendo detectar desviaciones y fallos eliminando futuros problemas de inferencias.