Las etapas de un proyecto de IA en la industria

Las etapas de un proyecto de IA son cuatro: diseño del sistema de captura, recolección de datos, desarrollo de algoritmos y despliegue de la solución

Los ambientes industriales son muy particulares. En manufactura, industria siderúrgica, agro-industria, etc, cada proceso es diferente, la arquitectura de producción está adaptada a cada caso. La inercia a los cambios y a la incorporación de nuevas tecnologías es mucho más importante que en otros ámbitos.

Implementar un sistema de Inteligencia Artificial en este contexto no es fácil. No se trata de software solamente, ni de una aplicación para smartphones, ni de una interface web. Quien consume la información no es solo un usuario, sino posiblemente otros sistemas (de control, robótica, seguridad), que funcionan en tiempo real y se encadenan para garantizar la calidad de la producción.

En el caso de la aplicación de IA al procesamiento de imágenes (más precisamente, computer vision) existen aspectos comunes a toda solución a tener en cuenta:

• Adquisición: cuál va a ser la fuente de información? Videos o imágenes; cámaras de seguridad o industriales; tiempo real u offline.
• Datos: definido bien el problema, que tipo de tarea debemos realizar: clasificación ? detección ? segmentación ? síntesis ? - y que es lo que debemos mirar de un proceso: forma, textura, superficie, color,  objetos, pose, anomalías, movimiento, comportamiento, temperatura (termografía), información espectral.
• Metadatos: qué información necesitamos identificar y asociar a una imagen para resolver nuestro problema y por ende, qué información se necesita disponer a priori (ground-truth) para entrenar el sistema a realizar una tarea específica. Es el resultado del llamado proceso de etiquetado, labelizado, taggeo, fundamental para la construcción de un dataset útil.
• Algoritmos: cuál es el enfoque de procesamiento de los datos más propicio en función del tipo de dato, la cantidad de datos, los requerimientos del proceso, el ambiente de ejecución.
• Producción: como se despliega la solución, como se interviene y se integra en un proceso ya existente y en funcionamiento, cómo se comunica la información extraída por el sub-sistema de IA al resto del sistema.

Tener en cuenta estos aspectos principales (y otros asociados) es necesario para el éxito de cualquier proyecto de IA en la industria. Por eso es fundamental tener en claro las distintas etapas básicas para implementar una solución de este tipo. Nuestra experiencia nos ha llevado a establecer cuatro etapas como se muestra en la figura: diseño del sistema de captura, recolección de datos, desarrollo de algoritmos y despliegue de la solución.

Ahora bien, por supuesto que siempre se debe adaptar el workflow al tipo de proyecto. Si bien estas etapas son generales puede ser que una u otra tenga mayor peso en la duración y esfuerzo del proyecto, incluso alguna etapa puede no ser necesaria o ya estar resuelta (ej. no toda solución de computer vision requiere un dataset!). Y fundamentalmente: hacer, evaluar y aprender, iterando y repitiendo un procedimiento probado, es el único camino.

Queden atentos a nuestro próximo post!

Tomas Crivelli tcrivelli@zowllabs.com
Ezequiel Ansaldi eansaldi@zowllabs.com
Zowl Labs - www.zowllabs.com

info@zowllabs.com