Nuestro Blog
- Más de 200 propuestas innovadoras presentadas a los desafíos Sacyr i Challenges
- Sólo 13 proyectos fueron pre-seleccionados para ser expuestas en las sesiones del Pitch Day
- ITELLIGENT, uno de los agentes innovadores para el reto “Desarrollo de negocio inteligente”
Ayer, 15 de octubre de 2019, tuvo lugar el “Pitch Day” de Sacyr i Challenges en sus oficinas de Madrid. Tan solo 13 proyectos de las 200 ideas innovadoras presentadas a esta iniciativa han sido preseleccionadas para darse a conocer en el llamado “Pitch Day”. A lo largo de la mañana de ayer, los agentes innovadores han podido dar a conocer durante 5 minutos sus ideas y potenciales ventajas para cubrir cada uno de los desafíos propuestos por Sacyr.
El pasado mes de junio, Sacyr lanzaba una nueva edición de Sacyr iChallenges 2019. Se trata de un programa de innovación abierta y co-creación orientado a resolver, en colaboración con agentes del ecosistema innovador, cuatro retos de negocio planteados por la compañía:
- Reto 1: Desarrollo de negocio inteligente. Solución tecnológica, que aglutinando la información disponible en la red, permita la identificación temprana de nuevas oportunidades de negocio para la construcción llave en mano de plantas industriales.
- Reto 2: Digitalización de la seguridad laboral. Solución tecnológica que ayude a los empleados y supervisores de obra a prevenir en tiempo real los riesgos de seguridad laboral que puedan surgir durante la ejecución de la misma.
- Reto 3: Atención social y cuidado remoto. Solución tecnológica, con enfoque social y que aporte un valor agregado, para monitorizar en remoto y en tiempo real las rutinas de las personas dependientes, con el fin de ofrecer bienestar a los usuarios y tranquilidad a sus familiares.
- Reto 4: Peajes inteligentes. Nuevos modos de detección y clasificación automática de tipologías de vehículos para el cobro de peajes que haga más eficiente el proceso actual y aporte valor a los usuarios, a las administraciones públicas y a Sacyr.
Nuestro director Técnico, Jaime Martel, tuvo la ocasión de presentar ayer nuestra innovación tecnológica ante el resto de participantes y responsables de diferentes áreas de negocio de Sacyr. Desde ITELLIGENT, como agente innovador, presentamos una solución basada en una plataforma para descubrir oportunidades de negocio y capturar fuentes relevantes de forma automática focalizada en resolver el “Reto 1: desarrollo de negocio inteligente” con los siguientes objetivos:
- Sistematizar y mejorar la detección de oportunidades comerciales a nivel global
- Automatizar la extracción de oportunidades comerciales de las fuentes identificadas
Y con la posibilidad de:
- Digitalizar de forma completa el proceso de gestión de las oportunidades comerciales
- Generar nuevo conocimiento (ej. tendencias, países emergentes, …) a partir de los datos generados
Entre el resto de agentes innovadores, pudimos escuchar las ideas planteadas por compañías como Vodafone España, Kwido, Artobro Tech, Wattio, IECISA, Zereintia Tech, Detector, Isostopy, Be Prevent, Deoban, CAD.42 y Zerentia Tech.
¡Llega netContent!, una plataforma basada en Inteligencia Artificial (IA) que permite automatizar tareas relacionadas con gestión y clasificación de documentos y otros contenidos multimedia. Gracias a técnicas de IA y Procesamiento de Lenguaje Natural, la plataforma permite extraer e indexar datos además de descubrir conocimiento y detectar oportunidades.
netContent dispone de un acceso para que el cliente pueda realizar diversas gestiones tales como gestionar las reglas a aplicar, habilitar accesos, supervisar documentos y tener acceso a los dashboards con las métricas del sistema. Además, permite volcar el resultado de la gestión documental en los sistemas de gestión del cliente. En resumen, gracias a esta plataforma se puede hacer lo siguiente:
- Clasificación automática de documentos
- Indexación de audios de vídeos y/o podcasts
- Obtención de texto procedentes de documentos escaneados (OCR)
- Obtención de tags de imágenes
- Extracción de textos y metadatos de documentos en distintos formatos
- Indexación avanzada de textos e imágenes
- Descubridor de conocimiento
- Detección de oportunidades
Además, netContent se adapta a las necesidades de cada cliente y posee otras funcionales tales como:
- Early Warning System, para la detección temprana de oportunidades a partir de bots de búsqueda de oportunidades potenciales y su evaluación utilizando técnicas de Inteligencia Artificial
- La gestión documental de estas oportunidades detectadas y su vuelco en el sistema de gestión documental del cliente, si hubiere
- Asimismo, esta gestión documental servirá para re-alimentar los modelos de Inteligencia Artificial del Early Warning System
¿Qué ventajas obtienes con netContent?
- Ahorrar en el procesamiento de los documentos. El retorno de la inversión se obtiene por el ahorro de la mano de obra y la mejora en la calidad de los resultados. Por ejemplo, empresas del sector de la construcción u otros sectores que generan grandes volúmenes de documentos y requieren gestionarlos, como por ejemplo, clasificarlos, netContent lo gestiona de forma automática.
- Permite generar nueva inteligencia. En este caso, el retorno de la inversión no está tanto en el ahorro -que también- si no en la puesta en valor de contenidos y documentos que debidamente tratados pueden generar nueva inteligencia que aporte valor a la propia actividad de la empresa. Por ejemplo, en un bufete de abogados que desea nuevos usos del conocimiento generado por la empresa y busca reducir el esfuerzo de compartir este conocimiento.
- Analítica avanzada para rentabilizar el esfuerzo empresarial. Gracias a la analítica avanzada de netContent podrás optimizar y sacar partido a la gestión documental de tu empresa.
- Desarrollo a medida y vuelco de datos en el sistema del cliente. netcontent es adaptable a las necesidades de cada cliente, desde ITELLIGENT desarollamos aquello que nuestros clientes necesite. La plataforma también permite el vuelco de los datos y/oportunidades destacadas en el sistema de gestión documental del cliente.
- Os recomendamos un framework de Machine Learning de código abierto y multi-plataforma para C#
- ML.NET ofrece la posibilidad de agregar el aprendizaje automático en aplicaciones de .NET, ya sea en escenarios on line o sin conexión
¿Qué es ML.NET?
ML.NET ofrece la posibilidad de agregar el aprendizaje automático en aplicaciones de .NET, ya sea en escenarios on line o sin conexión. Con esta funcionalidad, es posible realizar predicciones automáticas usando los datos disponibles para la aplicación sin tener que estar conectado a una red.
Aprendizaje automático en ML.NET, ¿qué predicciones puede hacer?
Algunos ejemplos del tipo de predicciones que puede hacer con ML.NET son los siguientes:
- Clasificación y categorización. Por ejemplo, clasificar automáticamente los comentarios de clientes en positivos y negativos
- Valores continuos de regresión y predicción. Por ejemplo, predecir el precio de la vivienda según el tamaño y la ubicación
- Detección de anomalías. Por ejemplo, detectar fraudes en transacciones bancarias
- Recomendaciones. Por ejemplo, realizar sugerencias de productos al consumidor on line en función de sus compras anteriores
ML.NET ofrece Model Builder (una herramienta de interfaz de usuario simple) y ML.NET CLI para que sea muy fácil crear modelos de aprendizaje automático personalizados. Estas herramientas utilizan Automated ML (AutoML), una tecnología de vanguardia que automatiza el proceso de creación de modelos con el mejor rendimiento para su escenario de Machine Learning. Lo único que se necesita es cargar tus dato y AutoML se encarga del resto del proceso de construcción del modelo.
¿En qué se caracteriza ML.NET?
- Extendido con TensorFlow y otros.. ML.NET ha sido diseñado como una plataforma extensible para que se pueda consumir otros framework de aprendizaje automático populares tales como TensorFlow, ONNX, Infer.NET, entre otros; y tener acceso a más escenarios de machine learning, como clasificación de imágenes, detección de objetos, etc.
- Alto rendimiento y precisión. Utilizando un conjunto de datos de revisión de Amazon de 9GB, ML.NET entrenó un modelo de análisis de sentimientos con un 95% de precisión. Otros framworks de aprendizaje automático populares no pueden procesar el conjunto de datos debido a errores de memoria. La capacitación en el 10% del conjunto de datos, para permitir que todos los framworks completen la capacitación, ML.NET ha supuesto la mayor velocidad y precisión.
¿Quieres saber más? Puedes consultar todos los tutoriales, ejemplos de código, referencia de API y otra documentación en la web de docs.microsoft.com
Actualmente, se detectan necesidades no cubiertas en el ámbito de la gestión municipal en Ayuntamientos y se requiere voluntad política y financiera para poder implementar soluciones tecnológicas con el fin de optimizar dicha gestión en los municipios. Existen diversas iniciativas tales como la lanzada por la Asociación Red Innpulso el pasado mes de junio: una consulta al mercado para la búsqueda de soluciones innovadoras en retos municipales.
Tras las aportaciones de ITELLIGENT en algunas de estas iniciativas de Red Innpulso, en este post, hemos querido desglosar algunas de las soluciones tecnológicas presentadas en la consulta con el fin de cubrir tres necesidades:
- Ineficiencia en la recogida de residuos en municipios
- Tardía activación de los cuerpos de seguridad y emergencias de municipios
- Consumo de energía ineficiente en municipios
Solución 1: Sistema Inteligente de Gestión de Residuos
El principal objetivo a cubrir es mejorar la eficiencia en la prestación de los servicios en la vía pública, en este caso, la recogida de residuos en los municipios.
La solución ITELLIGENT se centra en desarrollar un sistema de Inteligencia Artificial para predecir la situación de llenado de cada contenedor cuyas principales características son:
- Con los recursos disponibles, tener una planificación óptima de recogida de residuos en el municipio
- Tener en cuenta algunas restricciones en el sistema, tales como:
- Restricciones de Negocio. Por ejemplo, en zonas turísticas recoger solo en determinadas horas y un mínimo de veces por semana.
- Restricciones Operativas. Por ejemplo, camiones disponibles.
- Restricciones de Contexto. Por ejemplo, situación del tráfico en tiempo real.
- What-if-analysis, una evaluación manual de escenarios alternativos que puedan ser de interés
- Intercambio dinámico de información con los servicios de la ciudad. Por ejemplo, la ciudad podrá ofrecer al ciudadano información de la situación de recogida de basura en su distrito.
Solución 2: Sistema Inteligente de Soporte a los Planes de Emergencia
El objetivo de esta solución se centra en reducir tiempos en la activación de los cuerpos de seguridad y emergencias en municipios a través de una aplicación informática para la gestión de los planes de emergencia.
La propuesta de ITELLIGENT a esta problemática es el desarrollo de un Sistema Inteligente de Soporte a los Planes de Emergencia (SISPE) compuesto por:
- Un sistema de alerta temprana (Early Warning System) cuya misión es recopilar datos de sensores y de sondas sociales para la detección temprana de posibles emergencias.
- Un sistema inteligente de apoyo a la toma de decisiones. Utilizando técnicas de Inteligencia Artificial (IA) y Optimización a partir de los datos provenientes de una gran variedad de fuentes (sensores, open data, sistemas de los servicios de emergencia,…), ayudar a la toma de decisiones en el momento que se detecte una emergencia. El objetivo es dar soporte inteligente a las decisiones una vez que se produce la emergencia.
Por otro lado, una característica adicional que permitirá el SISPE será la simulación de situaciones de emergencia para la formación y evaluación de los cuerpos de seguridad y emergencias.
Solución 3: Sistema Inteligente de eficiencia energética en edificios municipales
El objetivo se centra en mejorar la gestión de consumo de energía de los Organismos Públicos y tomar decisiones de compra eficiente en cuanto a la energía.
En ITELLIGENT, junto a la start-up Energintel, hemos desarrollado un Sistema Inteligente para la Eficiencia Energética. Para este reto, el sistema se centraría en estudiar los consumos eléctricos de los diferentes edificios municipales objetivo y, aplicando técnicas de Data Science y Big Data, lograr un balance perfecto entre eficiencia energética, confort interno y eficiencia operacional en dichos edificios. Las principales funcionalidades del sistema serán:
- Recomendaciones de compra de electricidad. Empleando técnicas matemáticas de analítica predictiva y optimización, proponer cuántos MWh hay que comprar para ahorrar.
- Eficiencia energética en el mantenimiento. Determinando patrones de consumo, permitiendo una monitorización en tiempo real del edificio que optimice la relación entre eficiencia energética y mantenimiento, y teniendo en cuenta diferentes fuentes de datos hibridadas con los consumos eléctricos.
- Priorización de inversiones por identificación de resultados
