Analítica predictiva

La analítica predictiva es la disciplina que engloba una gran variedad de técnicas empleadas en el proceso de análisis de datos o “data mining”, entre las que destacan la estadística o el “machine learning”.

Junto con la analítica visual, la analítica predictiva tiene como objetivo extraer el conocimiento implícito en los datos; obteniendo relaciones y patrones ocultos a simple vista a partir de ellos, y facilitar su interpretación por parte del usuario final.

TEKNIKER desarrolla modelos analíticos basados en múltiples fuentes de información para la monitorización, diagnóstico y predicción teniendo en cuenta las diferentes etapas dentro del proceso de análisis de datos denominado “data mining”:

Adquisición, procesado y almacenamiento de la información:

  • Integración de diversos dispositivos (sensores, contadores, móvil, web, etc.) y sistemas de información disponibles (tanto privados como públicos)
  • Recopilación de la información existente en forma tanto de datos como de experiencias y heurísticos (expertise) sobre un dominio concreto (p.e., degradación mecánica, índice de salud, anomalías energéticas, etc)

Desarrollo de modelos:

  • Desarrollo de modelos basados en datos y conocimiento: KBS, Machine Learning (supervisado y no supervisado; RRBB, NNs, SVM,…), razonamiento semántico, quimiometría, análisis de fiabilidad, estadística, reglas, etc.
  • Ajuste de los modelos para trabajar en situaciones de incertidumbre (conocimiento incompleto o poca fiabilidad en los datos recogidos)
  • Los modelos resultantes capturan relaciones entre los diferentes factores para facilitar la evaluación de los riesgos y beneficios asociados con un conjunto particular de condiciones, que son utilizados para orientar la toma de decisiones.

Integración de los modelos en el sistema final:

  • Incorporación de los modelos en sistemas de soporte a la decisión (off-line) o software embebido (on-line)
  • Razonamiento analítico facilitado por interfaces visuales interactivas. Representación de la información de forma visual, para permitir una mayor interacción y comprensión de los datos a la hora de obtener conclusiones y tomar decisiones.

Contenido relacionado

    • Array ( [id] => 24 [idcategoria] => 3 [idsubcategoria] => [imagen] => [caso_exito_1] => [caso_exito_2] => [caso_exito_3] => [cliente_1] => [cliente_2] => [cliente_3] => [direcciones_email] => consultasweb@tekniker.es [titulo] => Analítica predictiva [video] => [texto_1] =>

    La analítica predictiva es la disciplina que engloba una gran variedad de técnicas empleadas en el proceso de análisis de datos o “data mining”, entre las que destacan la estadística o el “machine learning”.

    Junto con la analítica visual, la analítica predictiva tiene como objetivo extraer el conocimiento implícito en los datos; obteniendo relaciones y patrones ocultos a simple vista a partir de ellos, y facilitar su interpretación por parte del usuario final.

    [fase_1] => [fase_2] => [fase_3] => [fase_4] => [texto_2] =>

    TEKNIKER desarrolla modelos analíticos basados en múltiples fuentes de información para la monitorización, diagnóstico y predicción teniendo en cuenta las diferentes etapas dentro del proceso de análisis de datos denominado “data mining”:

    Adquisición, procesado y almacenamiento de la información:

    • Integración de diversos dispositivos (sensores, contadores, móvil, web, etc.) y sistemas de información disponibles (tanto privados como públicos)
    • Recopilación de la información existente en forma tanto de datos como de experiencias y heurísticos (expertise) sobre un dominio concreto (p.e., degradación mecánica, índice de salud, anomalías energéticas, etc)

    Desarrollo de modelos:

    • Desarrollo de modelos basados en datos y conocimiento: KBS, Machine Learning (supervisado y no supervisado; RRBB, NNs, SVM,…), razonamiento semántico, quimiometría, análisis de fiabilidad, estadística, reglas, etc.
    • Ajuste de los modelos para trabajar en situaciones de incertidumbre (conocimiento incompleto o poca fiabilidad en los datos recogidos)
    • Los modelos resultantes capturan relaciones entre los diferentes factores para facilitar la evaluación de los riesgos y beneficios asociados con un conjunto particular de condiciones, que son utilizados para orientar la toma de decisiones.

    Integración de los modelos en el sistema final:

    • Incorporación de los modelos en sistemas de soporte a la decisión (off-line) o software embebido (on-line)
    • Razonamiento analítico facilitado por interfaces visuales interactivas. Representación de la información de forma visual, para permitir una mayor interacción y comprensión de los datos a la hora de obtener conclusiones y tomar decisiones.
    [texto_tabla] => [enlace_flickr] => https://www.flickr.com/photos/teknikerik4/sets/72157650347715968/ [enlace_youtube] => https://www.youtube.com/user/Teknikertv [enlace_issuu] => [enlace_slideshare] => [seo_h1] => Analítica predictiva [seo_url] => analitica-predictiva [seo_title] => Analítica predictiva - TEKNIKER [seo_desc] => La analítica predictiva engloba una gran variedad de técnicas empleadas en el proceso de análisis de datos entre las que destacan la estadística. [imagenes] => [enlaces] => Array ( [0] => Array ( [imagen] => [titulo] => Planetic [texto_corto] => [enlace] => http://planetic.es/ [alt] => PLANETIC ) [1] => Array ( [imagen] => [titulo] => ARTEMIS [texto_corto] => [enlace] => http://www.artemis-ju.eu/home_page [alt] => ARTEMIS ) [2] => Array ( [imagen] => [titulo] => NESSI [texto_corto] => [enlace] => http://www.nessi-europe.eu/default.aspx?page=home [alt] => NESSI ) [3] => Array ( [imagen] => [titulo] => Center for Intelligent Maintenance Systems (IMS) [texto_corto] => [enlace] => http://www.imscenter.net/ [alt] => Center for Intelligent Maintenance Systems (IMS) ) ) [publicaciones] => Array ( [0] => Array ( [titulo] => AI-powered system for residential demand response [enlace] => an-ai-powered-system-for-residential-demand-response ) [1] => Array ( [titulo] => Contribuciones al análisis, modelado y pronóstico de series temporales para el incremento de la fiabilidad en entornos industriales [enlace] => series-temporales-incremento-fiabilidad-entornos-industriales ) [2] => Array ( [titulo] => Advances in sovereign data sharing: identification and assessment of the main features of distributed usage control solutions and improvements in the policy quality [enlace] => advances-in-sovereign-data-sharing-identification-and-assessment-of-the-main-features-of-distributed-usage-control-solutions-and-improvements-in-the-policy-quality ) [3] => Array ( [titulo] => Sentiment Analysis Techniques for Positive Language Development [enlace] => sentiment-analysis-techniques-for-positive-language-development ) [4] => Array ( [titulo] => On the use of context information for an improved application of data-based algorithms in condition monitoring [enlace] => on-the-use-of-context-information-for-an-improved-application-of-data-based-algorithms-in-condition-monitoring ) [5] => Array ( [titulo] => Diagnóstico de fallos y optimización de la planificación en un marco de e-mantenimiento [enlace] => diagnostico-de-fallos-y-optimizacion-de-la-planificacion-en-un-marco-de-e-mantenimiento ) [6] => Array ( [titulo] => Optimizing E-Maintenance Through Intelligent Data Processing Systems [enlace] => optimizing-e-maintenance-through-intelligent-data-processing-systems ) [7] => Array ( [titulo] => Optimization of the multivariate calibration of a Vis-NIR sensor for the on-line monitoring of marine diesel engine lubricating oil by variable selection methods [enlace] => optimization-of-the-multivariate-calibration-of-a-vis-nir-sensor-for-the-on-line-monitoring-of-marine-diesel-engine-lubricating-oil-by-variable-selection-methods ) [8] => Array ( [titulo] => Health Monitoring for Electro-mechanical Nose Landing Gear Door Actuator of a UAV, Based on Simulation Modelling and Data-driven Techniques [enlace] => health-monitoring-for-electro-mechanical-nose-landing-gear-door-actuator-of-a-uav-based-on-simulation-modelling-and-data-driven-techniques ) [9] => Array ( [titulo] => A probabilistic model for cognitive-affective user state awareness [enlace] => a-probabilistic-model-for-cognitive-affective-user-state-awareness ) [10] => Array ( [titulo] => Chemometric methods applied to the optimization of calibration of VIS-NIR sensor systems for real time fluids monitoring [enlace] => chemometric-methods-applied-to-the-optimization-of-calibration-of-vis-nir-sensor-systems-for-real-time-fluids-monitoring ) [11] => Array ( [titulo] => Aportaciones para el diagnóstico y pronóstico en problemas industriales mediante técnica de Clasificación Supervisada [enlace] => aportaciones-para-el-diagnostico-y-pronostico-en-problemas-industriales-mediante-tecnica-de-clasificacion-supervisada ) [12] => Array ( [titulo] => Developments in Artificial Intelligence Technologies to Support Automation of Condition Monitoring Tasks [enlace] => developments-in-artificial-intelligence-technologies-to-support-automation-of-condition-monitoring-tasks ) ) [sectores] => Array ( [0] => Array ( [titulo] => Aeronáutica y espacio [seo_url] => aeronautica-y-espacio [imagen] => aeronautica.svg ) [1] => Array ( [titulo] => Automoción [seo_url] => automocion [imagen] => automocion.svg ) [2] => Array ( [titulo] => Energías renovables [seo_url] => energias-renovables [imagen] => energias_renovables.svg ) [3] => Array ( [titulo] => Máquina herramienta y fabricación [seo_url] => maquina-herramienta-y-fabricacion [imagen] => maquina_herramienta.svg ) ) [soluciones] => Array ( [0] => Array ( [titulo] => Automatización y robótica industrial [seo_url] => automatizacion-y-robotica-industrial [imagen] => ST_AutomatizacionRobotica_808x450px_icono.jpg ) [1] => Array ( [titulo] => Dispositivos sensores [seo_url] => dispositivos-sensores [imagen] => ST_DispositivosSensores_808x450px_icono.jpg ) [2] => Array ( [titulo] => Mantenimiento industrial [seo_url] => mantenimiento-industrial [imagen] => ST_MantenimientoIndustrial_808x450px_icono.jpg ) [3] => Array ( [titulo] => Sistemas mecatrónicos [seo_url] => sistemas-mecatronicos [imagen] => ST_SistemasMecatronicos_808x450px_icono1.jpg ) ) [equipamiento] => Array ( [0] => Array ( [id] => 20 [titulo] => Banco de ensayo de engranajes SpectraQuest, Gearbox Prognostics Simulator (GPS) [imagen] => Banco_Ensayo_Engranajes_Spectra_Quest_GPS.jpg [texto] =>

    CARACTERÍSTICAS DEL EQUIPO

    • Banco de ensayos de motores contrapuestos
    • Rango de velocidad: 0 a 1500 rpm
    • Par máximo radial 50 Nm.
    • Carga máxima axial 11734 N
    • Lubricación por baño de aceite
    • Monitorización de par ejercido, vibraciones, control de posición/velocidad (encoders) carga axial
    • Posibilidad de aplicar carga radial y axial
    • Posibilidad de variación dinámica de carga radial y velocidad

    EXPERTISE

    • Simulación de cajas de engranajes industriales para maximizar el número de configuraciones en todos sus elementos
    • Ensayos de degradación y fallo de componentes de diferente tipología (rodamientos, engranajes) bajo diferentes condiciones de operación
    • Investigación de la dinámica de los engranajes y su comportamiento acústico, monitorización de la condición, diagnóstico y pronóstico (engranajes, rodamientos, etc.); por medio de sensores instalados (acelerómetros, encoder, sensor de corriente, par y fuerza)
    ) [1] => Array ( [id] => 21 [titulo] => Banco de ensayo de engranajes FZG [imagen] => Banco_Ensayo_Engranajes_FZG.jpg [texto] =>

    CARACTERÍSTICAS DEL EQUIPO

    • Banco de ensayo de engranajes de potencia circulante o Four Square
    • Distancia entre centros: 91.5 mm
    • Rangos de velocidad: 100 a 3000 rpm (posibilidades de reducción 1:1 y 25:1)
    • Relación de transmisión: 1:1.5
    • Máximo par: 1000 Nm
    • Lubricación en baño por esprayado
    • Control y monitorización de la temperatura del aceite

    EXPERTISE

    • Caracterización de lubricantes para engranajes. Ensayos estándares de scuffing, pitting, micropittig, etc. (DIN 51354-1/2, ISO 14635-1, ASTM D 4998, FVA 54/I-IV, etc.)
    • Caracterización de materiales, tratamientos superficiales y geometrías de engranajes
    • Análisis de daño superficial (desgaste y fatiga superficial), error de transmisión, pérdidas de potencia, vibraciones, ruido, tensión en raíz del diente, variación de temperatura en el aceite
    ) ) )

Sectores industriales

Aeronáutica y espacio

Automoción

Energías renovables

Máquina herramienta y fabricación