¿Te has preguntado alguna vez que podríamos hacer con toda la telemetría que se recoge en fábricas y empresas? Durante esta sesión veremos como aplicar distintas técnicas de Inteligencia Artificial en el sector industrial para mejorar la seguridad y el rendimiento de nuestras instalaciones. Además, veremos una demo en vivo donde podremos observar como nuestro dispositivo IoT puede analizar los datos que recibe y ser capaz de predecir posibles fallos futuros en distintos componentes.
DotNet 2019 | Daniela Solís y Manuel Rodrigo Cabello - IoT, una Raspberry Pi ...Plain Concepts
En esta charla veremos como podemos utilizar nuestros dispositivos (Raspberry PI) para adelantarnos a posibles fallos que puedan ocurrir en un motor de un avión. Explicaremos como se ha realizado el proceso de entrenamiento y como podemos ejecutar las predicciones en nuestro dispositivo utilizando IoT Edge.
Discutiendo el campo de la inteligencia artificial y como los ingenieros mecatrónicos pueden contribuir a el.
Presentación virtual @ Tec de monterrey CSA
Durante los últimos años el sector industrial ha experimentado una transformación profunda debido a la introducción de las TIC en los entornos productivos y en los sistemas de fabricación. Surgen nuevos paradigmas, entre los que se encuentra la fabricación cero defectos, que permiten aumentar la fiabilidad de los procesos productivos y alcanzar resultados de máxima exigencia. Una tecnología crucial, y que posibilita la aplicación de este paradigma, es la visión por computador. En la conferencia se abordarán aspectos relacionados con la adquisición y procesado de imagen mediante la presentación de casos de uso industriales. Se concluirá con una revisión de los últimos trabajos en visión por computador que realizan aportaciones en esta reciente línea de investigación, la fabricación cero defectos.
DotNet 2019 | Daniela Solís y Manuel Rodrigo Cabello - IoT, una Raspberry Pi ...Plain Concepts
En esta charla veremos como podemos utilizar nuestros dispositivos (Raspberry PI) para adelantarnos a posibles fallos que puedan ocurrir en un motor de un avión. Explicaremos como se ha realizado el proceso de entrenamiento y como podemos ejecutar las predicciones en nuestro dispositivo utilizando IoT Edge.
Discutiendo el campo de la inteligencia artificial y como los ingenieros mecatrónicos pueden contribuir a el.
Presentación virtual @ Tec de monterrey CSA
Durante los últimos años el sector industrial ha experimentado una transformación profunda debido a la introducción de las TIC en los entornos productivos y en los sistemas de fabricación. Surgen nuevos paradigmas, entre los que se encuentra la fabricación cero defectos, que permiten aumentar la fiabilidad de los procesos productivos y alcanzar resultados de máxima exigencia. Una tecnología crucial, y que posibilita la aplicación de este paradigma, es la visión por computador. En la conferencia se abordarán aspectos relacionados con la adquisición y procesado de imagen mediante la presentación de casos de uso industriales. Se concluirá con una revisión de los últimos trabajos en visión por computador que realizan aportaciones en esta reciente línea de investigación, la fabricación cero defectos.
Aquí se presenta un proyecto que fue destinado a presentarse al final del curso de Arquitectura del Computador y Sistemas Operativos en la Universidad de Córdoba, no se cumplieron todos los objetivos, por lo que el sistema nunca se llego a terminar. Pero tampoco se abandonó.
Examen 1er parcial que incluye temas de los capítulos:
Capítulo 1, historia de los sistemas IoT y sistemas ciberfísicos.
Capítulo 2, tipos de arquitecturas incluyendo las multiprocessor y multicore.
Capítulo 3, donde se estudia las memorias FLASH, RAM, EEPROM.
Capítulo 4, registros de configuraciones del ADC, PWM, comunicacion serial, I2C y SPI.
⭐ For more information visit our blog:
https://vasanza.blogspot.com/
ATENCIÓN!! La conversión que SlideShare hace no es muy buena. Por eso lo he subido a uploaded.net para que podáis descargar el fichero original. Sigue el link: http://ul.to/rfkp14y6
La visión artificial constituye uno de los temas de investigación que posee en la actualidad un espectro más amplio de posibles aplicaciones industriales, y que en un futuro adquirirá todavía una mayor relevancia. Muestra de ello son tanto los esfuerzos que dedican al tema los principales centros de investigación del mundo entero como el interés que demanda la industria en estas aplicaciones. La mayor parte de las realizaciones prácticas existentes, trabajan sobre imágenes bidimensionales, bien por manejar objetos planos, o bien por considerar que la información del objeto a analizar está suficientemente condensada en una o varias proyecciones. Esto supone una fuerte restricción en la gama de productos a analizar y en sus resultados. En la actualidad, el desarrollo de nuevas técnicas de procesamiento de imágenes, así como la espectacular evolución de los equipos informáticos, permite incluir la tercera dimensión como un objetivo adicional, permitiendo una adecuada adquisición y un correcto tratamiento de la información tridimensional de los objetos.
Docente: REINOSO GARCÍA, ÓSCAR
Formato: DIAPOSITIVAS
Temas tratados:
01 Introducción
02 Proceso de Formación de Imágenes
03 Modelo de Cámara
04 Caracteristicas de Imágenes
05 Transformaciones de Imágenes
06 Detección de Bordes
07 Segmentación
08 Formatos de Almacenamiento
Inteligencia artificial,visión por ordenador,y datos multimodales - ACE Jap...Antonio Tejero de Pablos
La inteligencia artificial (AI) está a la orden del día, pero ¿qué es realmente? ¿Cómo es capaz una máquina de percibir el mundo real? Diseñadas inicialmente para reconocer patrones sencillos en imágenes, las redes neuronales artificiales han incrementado su complejidad hasta obtener en la actualidad una precisión equivalente a la del ser humano. Esto ha permitido su aplicación en una gran variedad de sectores, desde el médico hasta el automovilístico. Esta charla sirve de introducción a mi campo dentro de la AI, la visión por ordenador, y a mi tema de investigación actual, el aprendizaje de datos multimodales.
Construyendo modelos para dispositivos edge tpu dev fest galiciaMoisés Martínez
En los últimos años, el uso de modelos basados en el Aprendizaje Automático (AA) se ha vuelto muy popular. El AA nos permite construir modelos para la detección/clasificación o regresión de manera sencilla, pero en muchos casos el coste computacional de utilizarlos puede ser muy elevado sobre todo en pequeños dispositivos con baja capacidad de computo, los cuales han comenzado a poblar nuestras casas, oficinas y ciudades. ¿Cómo podemos utilizar nuestros modelos en dispositivos con diferentes capacidades, como por ejemplo las nuevas Edge TPUs?
Acompáñame en esta charla para adentrarnos en lo profundo de TensorFlow para construir modelos utilizando Cloud ML Engine y ejecutarlos en diferentes tipos de dispositivos. Aprendamos como funcionan los dispositivos Edge TPU y como podemos construir modelos para ejecutarlos en ellos.
R y Python con Power BI, la ciencia y el análisis de datos, juntosPlain Concepts
R y Python son lenguajes muy populares hoy en día especialmente para científicos de datos, que los utilizan para prospección, tratamiento y minería de datos y, Power BI es una de las herramientas que más está creciendo en cuanto a utilización y aceptación en el sector de inteligencia de negocios y análisis de datos. La sesión cubre, a través de demos, los puntos en los que ambos enfoques se combinan para sacar mejor partido a los datos con los que contamos. Según sea el caso, vamos a preferir gestionar nuestras tareas desde el mundo de estadísticas y gráficos ofrecido por lenguajes R y Python, el mundo más encaminado al análisis de negocio gestionado con Power BI, o ambos mundos.
Video kills the radio star: e-mail is crap and needed disruptionPlain Concepts
¿Has recibido un e-mail con publicidad? ¿Muchos? ¿Te han suscrito a listas de distribución sin tu consentimiento? ¿Recibes preguntas insoportables? ¿Alguien te ha intentado hacer un phishing? ¿O te ha llamado un familiar porque se ha infectado con un ransomware que le entró por e-mail? ¿Ocultas como un poseso tu dirección de e-mail y número de teléfono para que no te machaquen? Bien, a mí también me ha pasado. Por eso hemos decidido que el e-mail debía sufrir una disrupción definitivamente.
Más contenido relacionado
Similar a La nueva revolución Industrial: Inteligencia Artificial & IoT Edge
Aquí se presenta un proyecto que fue destinado a presentarse al final del curso de Arquitectura del Computador y Sistemas Operativos en la Universidad de Córdoba, no se cumplieron todos los objetivos, por lo que el sistema nunca se llego a terminar. Pero tampoco se abandonó.
Examen 1er parcial que incluye temas de los capítulos:
Capítulo 1, historia de los sistemas IoT y sistemas ciberfísicos.
Capítulo 2, tipos de arquitecturas incluyendo las multiprocessor y multicore.
Capítulo 3, donde se estudia las memorias FLASH, RAM, EEPROM.
Capítulo 4, registros de configuraciones del ADC, PWM, comunicacion serial, I2C y SPI.
⭐ For more information visit our blog:
https://vasanza.blogspot.com/
ATENCIÓN!! La conversión que SlideShare hace no es muy buena. Por eso lo he subido a uploaded.net para que podáis descargar el fichero original. Sigue el link: http://ul.to/rfkp14y6
La visión artificial constituye uno de los temas de investigación que posee en la actualidad un espectro más amplio de posibles aplicaciones industriales, y que en un futuro adquirirá todavía una mayor relevancia. Muestra de ello son tanto los esfuerzos que dedican al tema los principales centros de investigación del mundo entero como el interés que demanda la industria en estas aplicaciones. La mayor parte de las realizaciones prácticas existentes, trabajan sobre imágenes bidimensionales, bien por manejar objetos planos, o bien por considerar que la información del objeto a analizar está suficientemente condensada en una o varias proyecciones. Esto supone una fuerte restricción en la gama de productos a analizar y en sus resultados. En la actualidad, el desarrollo de nuevas técnicas de procesamiento de imágenes, así como la espectacular evolución de los equipos informáticos, permite incluir la tercera dimensión como un objetivo adicional, permitiendo una adecuada adquisición y un correcto tratamiento de la información tridimensional de los objetos.
Docente: REINOSO GARCÍA, ÓSCAR
Formato: DIAPOSITIVAS
Temas tratados:
01 Introducción
02 Proceso de Formación de Imágenes
03 Modelo de Cámara
04 Caracteristicas de Imágenes
05 Transformaciones de Imágenes
06 Detección de Bordes
07 Segmentación
08 Formatos de Almacenamiento
Inteligencia artificial,visión por ordenador,y datos multimodales - ACE Jap...Antonio Tejero de Pablos
La inteligencia artificial (AI) está a la orden del día, pero ¿qué es realmente? ¿Cómo es capaz una máquina de percibir el mundo real? Diseñadas inicialmente para reconocer patrones sencillos en imágenes, las redes neuronales artificiales han incrementado su complejidad hasta obtener en la actualidad una precisión equivalente a la del ser humano. Esto ha permitido su aplicación en una gran variedad de sectores, desde el médico hasta el automovilístico. Esta charla sirve de introducción a mi campo dentro de la AI, la visión por ordenador, y a mi tema de investigación actual, el aprendizaje de datos multimodales.
Construyendo modelos para dispositivos edge tpu dev fest galiciaMoisés Martínez
En los últimos años, el uso de modelos basados en el Aprendizaje Automático (AA) se ha vuelto muy popular. El AA nos permite construir modelos para la detección/clasificación o regresión de manera sencilla, pero en muchos casos el coste computacional de utilizarlos puede ser muy elevado sobre todo en pequeños dispositivos con baja capacidad de computo, los cuales han comenzado a poblar nuestras casas, oficinas y ciudades. ¿Cómo podemos utilizar nuestros modelos en dispositivos con diferentes capacidades, como por ejemplo las nuevas Edge TPUs?
Acompáñame en esta charla para adentrarnos en lo profundo de TensorFlow para construir modelos utilizando Cloud ML Engine y ejecutarlos en diferentes tipos de dispositivos. Aprendamos como funcionan los dispositivos Edge TPU y como podemos construir modelos para ejecutarlos en ellos.
R y Python con Power BI, la ciencia y el análisis de datos, juntosPlain Concepts
R y Python son lenguajes muy populares hoy en día especialmente para científicos de datos, que los utilizan para prospección, tratamiento y minería de datos y, Power BI es una de las herramientas que más está creciendo en cuanto a utilización y aceptación en el sector de inteligencia de negocios y análisis de datos. La sesión cubre, a través de demos, los puntos en los que ambos enfoques se combinan para sacar mejor partido a los datos con los que contamos. Según sea el caso, vamos a preferir gestionar nuestras tareas desde el mundo de estadísticas y gráficos ofrecido por lenguajes R y Python, el mundo más encaminado al análisis de negocio gestionado con Power BI, o ambos mundos.
Video kills the radio star: e-mail is crap and needed disruptionPlain Concepts
¿Has recibido un e-mail con publicidad? ¿Muchos? ¿Te han suscrito a listas de distribución sin tu consentimiento? ¿Recibes preguntas insoportables? ¿Alguien te ha intentado hacer un phishing? ¿O te ha llamado un familiar porque se ha infectado con un ransomware que le entró por e-mail? ¿Ocultas como un poseso tu dirección de e-mail y número de teléfono para que no te machaquen? Bien, a mí también me ha pasado. Por eso hemos decidido que el e-mail debía sufrir una disrupción definitivamente.
De la misma manera que la llegada del software ha transformado todo tipo de empresas e industrias a lo largo de los últimos 20 años, la Inteligencia Artificial está empezando a redefinir todo tipo de escenarios empresariales. Descubre en esta charla los conceptos básicos de la Inteligencia artificial y descubre los casos de uso más apropiados para tu tipo de empresa. Aprende a realizar el cambio organizacional y cultural necesario para potenciar tu negocio mediante IA.
Dx29: assisting genetic disease diagnosis with physician-focused AI pipelinesPlain Concepts
Rare genetic diseases are very challenging to diagnose, with the average child waiting for diagnosis for 5 years. Next generation genetic sequencing data may hold the key to diagnosis, however analysis can become a paramount task with multiple factors affecting conclusions. Dx29, an AI-assisted platform facilitates this task, allowing the physician to drive the analysis. Dx29 is a free platform developed by Foudation29, in close collaboration with academic groups.
¿Qué es real? Cuando la IA intenta engañar al ojo humanoPlain Concepts
Hoy en día es difícil no hablar de la Inteligencia Artificial y pensar en cómo se ha aplicado para resolver tareas difíciles y repetitivas para el ser humano. Pero en los últimos años, gracias a la llegada de las Redes Generativas Adversariales (GANs), la IA adoptó capacidades creativas que le permiten generar información artificial. Es la era de los Deepfakes, en la que puedes poner tu cara al actor de tu película favorita o ser felicitado por el presidente de los Estados Unidos. En esta charla, veremos gran parte de estas capacidades adquiridas por la IA, algunos ejemplos, y pondremos a prueba nuestro ojo para comprobar si estamos preparados para detectar que es real y que no.
Inteligencia artificial para detectar el cáncer de mamaPlain Concepts
El cáncer de mama es el tipo de cáncer más común entre mujeres y el segundo tipo de cáncer más común, siendo uno de las principales causas de muerte de las mujeres a nivel global. Sin embargo, la probabilidad de curación cuando éste es detectado en estados iniciales, es prácticamente del 100%. La Inteligencia Artificial (IA) puede ser una gran aliada para agilizar el diagnóstico reduciendo eficazmente tanto los tiempos de espera como el número de biopsias necesarias, aumentando de esta forma las probabilidades de curación. En esta charla veremos cómo. ¿Te lo vas a perder?
¿Está tu compañía preparada para el reto de la Inteligencia Artificial?Plain Concepts
¿Conoces el impacto real que la IA está teniendo en las empresas y cuáles son los retos a los que se han enfrentado para implementarla con éxito? En esta charla veremos cómo la IA impacta en las diferentes industrias y el retorno de la inversión obtenido. También veremos cuáles son los principales retos a los que se han enfrentado las empresas para incorporar la IA como factor estratégico y las diferentes formas de abordarlos para obtener una implantación firme y estable que acelere el retorno de la inversión.
Gracias a los Cognitive Services ahora podemos añadir inteligencia a nuestras apps de una manera sencilla. La combinación de estos servicios abren un mundo nuevo de posibilidades, por lo que durante esta charla veremos una breve introducción a los distintos servicios para pasar directamente a verlos en acción en aplicaciones y situaciones reales. Se trata de una charla introductoria en la que haremos demos y veremos cómo podemos utilizar estos servicios en nuestro código.
El Hogar Inteligente. De los datos de IoT a los hábitos de una familia a trav...Plain Concepts
La guerra por los datos de las familias en los hogares acaba de arrancar, altavoces inteligentes, luces conectadas, etc. En esta sesión veremos como simples datos agregados pueden convertirse en hábitos de gran valor a través de los algoritmos.
AI is the new buzzword, everybody is talking about it and how it will change and influence our lives. When we talk about AI we talk about machines learning from data, exactly like a child is learning from his/her family or the experiences he/she makes. Humans though, while they grow up, can develop biases. Could this happen to an AI too? Starting from a real story, what would happen if a machine learning algorithm learns from a toys catalog?
Recomendación Basada en Contenidos con Deep Learning: Qué queríamos hacer, Qu...Plain Concepts
En lo sitios web de eCommerce, la recomendación de productos es clave para poder exponer el catálogo completo al usuario. Una estrategia de recomendación sin datos de usuario es la llamada Recomendación basada en contenidos. En ésta se tienen en cuenta las características de los productos para buscar similitudes. En esta charla veremos diferentes formas de calcular la similitud de unos productos concretos, recetas, basadas en Deep Learning y cómo hemos implementado estos algoritmos en Azure. Finalmente, veremos qué problemas hemos detectado y cómo los estamos solucionando.
Revolucionando la experiencia de cliente con Big Data e IAPlain Concepts
La experiencia de cliente continúa siendo el principal desafío al que se enfrentan las empresas en la era digital. La explosión del Big Data y la Inteligencia Artificial permite profundizar en el conocimiento del cliente y facilita la personalización de productos y servicios, estableciendo vínculos más fuertes y duraderos. A través de varios casos de uso reales, mostraremos cómo esta transformación está ya ocurriendo permitiendo a las empresas pioneras cambiar las reglas del juego en sus sectores.
La idea de iniciar un primer proyecto de IA puede ser considerada a priori como una meta imposible, pero el grado de madurez actual de las tecnologías y los equipos permiten iniciarse sin mucha dificultad en un mundo que parece muy complejo. La experiencia de InfoJobs, dejando de banda los detalles mas técnicos, ilustra un caso de éxito tanto en el plano estratégico como de producto.
Recuperación de información para solicitantes de empleoPlain Concepts
Tratar de encontrar ofertas de trabajo que se ajusten a las habilidades de un buscador de empleo se ha convertido en un dolor de cabeza. La recuperación de información ha sido el método utilizado últimamente para ayudar en esta tarea. Con la inclusión de los algoritmos de aprendizaje profundo, la recuperación de información es ahora más poderosa que nunca. Permite el análisis de grandes conjuntos de documentos, haciendo que la predicción sea más precisa, incluso superando las capacidades humanas. En la presente ponencia presentamos las técnicas más avanzadas para la recuperación de información con un aprendizaje profundo y las aplicamos a la tarea de emparejar los currículums de los demandantes de empleo o a búsquedas específicas con las ofertas de empleo existentes más adecuadas.
¿Conoces TypeScript? ¿Estás trabajando con Vue? ¡Vamos a por el siguiente nivel! En esta charla vas a aprender como crear aplicaciones reales y escalables utilizando lo mejor de TypeScript y Vue, con super herramientas como Nuxt, Inversify, Vuex etc. Estar continuamente actualizando a tu equipo puede ayudar a tu producto, al mismo equipo y a los proyectos en los que trabajáis.
DotNet 2019 | Eduard Tomás - Escenarios avanzados con AKS y .NET CorePlain Concepts
En esta charla veremos distintos escenarios avanzados con AKS y .Net Core: configuración con Key Vault, nodos virtuales y virtual kubelet para conseguir workloads mixtos (Linux y Windows)
Es un diagrama para La asistencia técnica o apoyo técnico es brindada por las compañías para que sus clientes puedan hacer uso de sus productos o servicios de la manera en que fueron puestos a la venta.
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...Telefónica
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0xWord escrito por Ibón Reinoso ( https://mypublicinbox.com/IBhone ) con Prólogo de Chema Alonso ( https://mypublicinbox.com/ChemaAlonso ). Puedes comprarlo aquí: https://0xword.com/es/libros/233-big-data-tecnologias-para-arquitecturas-data-centric.html
3Redu: Responsabilidad, Resiliencia y Respetocdraco
¡Hola! Somos 3Redu, conformados por Juan Camilo y Cristian. Entendemos las dificultades que enfrentan muchos estudiantes al tratar de comprender conceptos matemáticos. Nuestro objetivo es brindar una solución inclusiva y accesible para todos.
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta in...espinozaernesto427
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta intensidad son un tipo de lámpara eléctrica de descarga de gas que produce luz por medio de un arco eléctrico entre electrodos de tungsteno alojados dentro de un tubo de alúmina o cuarzo moldeado translúcido o transparente.
lámparas más eficientes del mercado, debido a su menor consumo y por la cantidad de luz que emiten. Adquieren una vida útil de hasta 50.000 horas y no generan calor alguna. Si quieres cambiar la iluminación de tu hogar para hacerla mucho más eficiente, ¡esta es tu mejor opción!
Las nuevas lámparas de descarga de alta intensidad producen más luz visible por unidad de energía eléctrica consumida que las lámparas fluorescentes e incandescentes, ya que una mayor proporción de su radiación es luz visible, en contraste con la infrarroja. Sin embargo, la salida de lúmenes de la iluminación HID puede deteriorarse hasta en un 70% durante 10,000 horas de funcionamiento.
Muchos vehículos modernos usan bombillas HID para los principales sistemas de iluminación, aunque algunas aplicaciones ahora están pasando de bombillas HID a tecnología LED y láser.1 Modelos de lámparas van desde las típicas lámparas de 35 a 100 W de los autos, a las de más de 15 kW que se utilizan en los proyectores de cines IMAX.
Esta tecnología HID no es nueva y fue demostrada por primera vez por Francis Hauksbee en 1705. Lámpara de Nernst.
Lámpara incandescente.
Lámpara de descarga. Lámpara fluorescente. Lámpara fluorescente compacta. Lámpara de haluro metálico. Lámpara de vapor de sodio. Lámpara de vapor de mercurio. Lámpara de neón. Lámpara de deuterio. Lámpara xenón.
Lámpara LED.
Lámpara de plasma.
Flash (fotografía) Las lámparas de descarga de alta intensidad (HID) son un tipo de lámparas de descarga de gas muy utilizadas en la industria de la iluminación. Estas lámparas producen luz creando un arco eléctrico entre dos electrodos a través de un gas ionizado. Las lámparas HID son conocidas por su gran eficacia a la hora de convertir la electricidad en luz y por su larga vida útil.
A diferencia de las luces fluorescentes, que necesitan un recubrimiento de fósforo para emitir luz visible, las lámparas HID no necesitan ningún recubrimiento en el interior de sus tubos. El propio arco eléctrico emite luz visible. Sin embargo, algunas lámparas de halogenuros metálicos y muchas lámparas de vapor de mercurio tienen un recubrimiento de fósforo en el interior de la bombilla para mejorar el espectro luminoso y reproducción cromática. Las lámparas HID están disponibles en varias potencias, que van desde los 25 vatios de las lámparas de halogenuros metálicos autobalastradas y los 35 vatios de las lámparas de vapor de sodio de alta intensidad hasta los 1.000 vatios de las lámparas de vapor de mercurio y vapor de sodio de alta intensidad, e incluso hasta los 1.500 vatios de las lámparas de halogenuros metálicos.
Las lámparas HID requieren un equipo de control especial llamado balasto para funcionar
En este documento analizamos ciertos conceptos relacionados con la ficha 1 y 2. Y concluimos, dando el porque es importante desarrollar nuestras habilidades de pensamiento.
Sara Sofia Bedoya Montezuma.
9-1.
7. ¿Cómo puede ayudarnos la IA a evitar
accidentes laborales?
• Detección de situaciones potencialmente peligrosas.
• Cumplimiento de normativas de seguridad.
• Descubrir posibles defectos en maquinaria.
• Sustitución piezas deterioradas.
Mantenimiento
Predictivo
Computer vision
11. Detección de EPI
• Detección de cascos de color:
• Rojo
• Azul
• Amarillo
• Blanco
• Detección de personas sin casco.
• Arquitectura SSDMobileNet V1.
• Transfer Learning Helmet
Dataset.
• Entrenamiento cuantizado.
• Ejecución coral Dev Board (TPU)
Equipo de protección individual
EntrenamientoObjetivo Despliegue
15. Computer vision
• Área de Deep Learning que permite a las
máquinas ver, identificar y procesar imágenes
como los humanos.
• Procesamiento imagen:
• Adaptative Thresholding
• Segmentación de Imagen
• Detección de aristas.
• Detección de contornos.
• Creación de mascaras.
• Image Filtering
16. Computer vision
Detección de humo y fuego en bombas de
combustible.
Análisis de imagen:
• Máscaras y detección de contornos.
19. Sólo el 18% de los fallos en los mecanismos tienen que ver con
el tiempo de uso
NASA
Complex Items
Sources: RCM Guide, NASA, Sept. 2008, and
U.S. Navy Analysis of Submarine Maintenance Data 2006.
20.
21. Mantenimiento Predictivo
Objetivo
• Prevenir los fallos Evitar los
mantenimientos reactivos.
• Eliminar los costes innecesarios del
mantenimiento preventivo (arreglar maquinas
en buen estado).
¿Cómo?
Utilizando modelos predictivos y telemetría de
los sensores de las máquinas.
23. Recogida de Datos
Obtención de datos sobre el estado de los distintos componentes a través de
los sensores de las máquinas: temperatura, humedad, presión, aceleración,
etc.
25. Preprocesado de datos
Los datos de los sensores pueden venir de
distintas fuentes y pueden estar incompletos,
con ruido, etc.
TAREAS:
• Limpieza de datos.
• Integrar distintas fuentes.
• Transformar los datos.
• Selección de características.
26. #2 Preprocesado de datos
La información de los sensores se divide en periodos de tiempo predefinidos Ciclos
No solo nos interesa saber si un componente va a fallar sino también ¿Cuándo? 30 ciclos
Ciclo1
Ciclo2
Ciclo3
Ciclo4
. . .
Ventana temporal = 50
27. Machine Learning
Seleccionar el modelo adecuado:
Que se ajuste a los datos: datos secuenciales
Que sea capaz de identificar dependencias de larga duración Detectar posibles fallos
en el tiempo.
CNN 1D LSTM Neural Networks
28. Long Short-Term Memory (LSTM)
Redes neuronales que modelan secuencias en el tiempo. Tienen “memoria”
y son capaces de codificar los estados pasados en la secuencia para obtener
contexto.
Machine Learning
29. Machine Learning
Long Short-Term Memory
Tienen un mecanismo que decide que
información almacenar y cual borrar.
Input gate información nueva.
Forget gate borrar memoria
Output gate uso de recuerdos.
30. Machine Learning
CNN 1D
Redes neuronales convolucionales:
• Extracción de características en segmentos de
longitud fija sobre todo el conjunto de datos.
• La ubicación de la características dentro del
conjunto de datos no es relevante.
34. IoT Edge
Solución:
Tomar decisiones desde el punto donde el dispositivo se conecta a la red Edge.
Con Azure IoT Edge llevamos el procesamiento y los algoritmos de machine learning a los
dispositivos.
40. Thanks and …
See you soon!
Thanks also to the sponsors.
Without whom this would not have been posible.
O R G A N I Z A T I O N
P L A T I N U M S P O N S O R S
C O L L A B O R A T O R S
Notas del editor
What are the main phases that you need to follow in a maintenance project?
In the next slides we will go deeper into each phase.
RODRI
Proceso de Machine learning
Accuracy numero de predicciones correctas entre todas las predicciones
Precision es la fracción de predicciones correctas dentro de todas las predicciones dadas por el modelo
True positives /(true& false positives)
Recall es la fracción de fallos que se detectaron dentro de todos los fallos que existen en el dataset
True positives/ all real positives
F1 score media armonica entre recall y precison (determinar la tendencia centra y lógica con el total)
DANIELA
El objetivo de la predicción es notificar antes de que el fallo ocurra. No solo nos interesa saber si un dispositivo va a fallar sino ¿cuándo?
Preprocesado de Datos:
La información de los sensores se divide en intervalo de tiempo predefinidos Ciclos
Es necesario saberlo con suficiente tiempo de antelación para poder solucionar el problema antes de que se produzca el fallo. En este caso, interesaba saber si un dispositivo va a fallar en el ciclo 30 o antes .
Ademas, la secuencia de datos se procesará en fragmentos llamados la ventana temporal, este intervalo de tiempo es el que nuestro modelo va a analizar para poder dar una predicción.
Secuencia de observaciones sobre intervalos de tiempo separados de manera regular:
Número de turistas que visitan España
Temperatura media diaria en Madrid
Con un análisis exploratorio podemos ver la tendencia, la estacionalidad, y si las variaciones en la serie son constantes.
Entendiendo el pasado somos capaces de predecir el futuro utilizando modelos estadísticos como el ARMA o ARIMA
Pero no toda la información que procesa la red de neuronas es igual de importante, necesitamos poder quedarnos con los datos que nos proporcionan el contexto que necesitamos para ello incorporan una serie de pasos para decidir que información va a ser almacenada y cual borrada.
La unidad de memoria LSTM contiene tres puertas que controlan el modo en que la información fluye dentro o fuera de la unidad.
Puerta de entrada controla cuando la información nueva puede entrar en la memoria.
Puerta del olvido controla cuando se olvida una parte de la información, lo que permite a la celda discriminar entre datos importantes y superfluos, dejando así sitio para nuevos datos.
Puerta de salida controla cuando se utiliza en el resultado de los recuerdos almacenados en la celda.
Pero no toda la información que procesa la red de neuronas es igual de importante, necesitamos poder quedarnos con los datos que nos proporcionan el contexto que necesitamos para ello incorporan una serie de pasos para decidir que información va a ser almacenada y cual borrada.
La unidad de memoria LSTM contiene tres puertas que controlan el modo en que la información fluye dentro o fuera de la unidad.
Puerta de entrada controla cuando la información nueva puede entrar en la memoria.
Puerta del olvido controla cuando se olvida una parte de la información, lo que permite a la celda discriminar entre datos importantes y superfluos, dejando así sitio para nuevos datos.
Puerta de salida controla cuando se utiliza en el resultado de los recuerdos almacenados en la celda.