En los últimos años el sector industrial ha evolucionado de manera gradual hacia la digitalización masiva de sus productos y procesos. La inmensidad de información digital capturada por sensores desplegados en las diferentes áreas de grandes instalaciones industriales abre oportunidades nunca vistas para la mejora de su eficiencia de producción merced al conocimiento y valor contenido en el dato. Al igual que la Internet de las Cosas, la Computación en la Nube y las arquitecturas Big Data han facilitado la fusión, almacenamiento y gestión de flujos de datos de muy diversa índole, la Ciencia de Datos ha hallado, por fin, el sustrato digital necesario para resolver problemas predictivos de gran valor de negocio en la Industria, como el mantenimiento predictivo, la detección temprana de defectos en producción, la gestión optimizada de inventarios o el replicado integral digital de procesos y sistemas (gemelos digitales). No en vano es la Ciencia de Datos uno de los pilares tecnológicos en los que se asienta el concepto Industria 4.0, en esencia, un nuevo concepto de industria inteligente donde convergen el mundo físico y el digital.

Pese a la vertiginosa proliferación de casos de éxito de la Ciencia de Datos en el sector industrial, aún persisten paradigmas de investigación en varios aspectos, no sólo relacionados con la propia naturaleza de los datos capturados, sino también vinculados a particularidades del sector industrial en sí. Así, la viabilidad económica de la implementación y despliegue de modelos basados en datos, la aceptación del personal industrial a la inclusión de sistemas de soporte a la decisión en su rutina laboral, la interpretabilidad de los modelos o los niveles usualmente pobres de la calidad del dato industrial son factores de gran relevancia para el diseño y aplicación de la Ciencia de Datos en este sector tan competitivo. Factores que suman una mayor complejidad a los retos técnicos que surgen alrededor de los modelos de aprendizaje subyacentes, como la fusión de datos heterogéneos para la monitorización multi-sensor, multi-canal de maquinaria industrial, el aprendizaje sobre conjuntos de datos con desbalanceo de clase, o la construcción de modelos de aprendizaje para series temporales multi-variable.

La primera edición del workshop IndustrIA 4.0 nace con el propósito de congregar a investigadores que trabajen en el diseño de técnicas avanzadas de Inteligencia Artificial, Ciencia de Datos y optimización para escenarios del ámbito industrial. IndustrIA 4.0 supone una oportunidad pionera en el Estado para presentar trabajos de calidad tanto a nivel teórico como práctico, con el fin último de crear sinergias y favorecer el intercambio de ideas entre los asistentes al workshop.

Presidentes

• Javier Del Ser, TECNALIA, Universidad del País Vasco, Basque Center for Applied Mathematics, Email: javier.delser@tecnalia.com
• Jose Antonio Lozano, Universidad del País Vasco, Basque Center for Applied Mathematics, Email: ja.lozano@ehu.es

Temas de interés

Los temas de interés para IndustrIA 4.0 incluyen, sin ser limitantes:

• Aplicaciones de Inteligencia Artificial, Ciencia de Datos y Optimización para:
• Mantenimiento predictivo
• Mantenimiento basado en la condición
• Detección temprana de fallos y defectos
• Predicción de demanda y optimización de inventarios/logística
• Inspección automatizada de la calidad de producto/proceso
• Planificación de producción con restricciones de recursos
• Industria 4.0 y energía, incluyendo eficiencia energética en producción
• Ciberseguridad de sistemas y procesos industriales
• Comunicaciones en entornos industriales
• Interacción hombre-máquina y realidad aumentada/virtual para industria
• Nuevos modelos inteligentes para la extracción de conocimiento y optimización para IndustrIA 4.0
• Otras aplicaciones de modelos inteligentes en diferentes sectores industriales

Nota: toda contribución no alineada con el ámbito de aplicación del Workshop (IndustrIA 4.0) será redirigida a otros eventos CAEPIA.

Comité de programa

Investigador	Institución
Sergio Gil-López	TECNALIA
Aritz Pérez	BCAM
Sancho Salcedo-Sanz	Universidad de Alcalá
Iñaki Inza	Universidad del País Vasco (UPV/EHU)
David Camacho	Universidad Autónoma de Madrid
Jesús Para	Universidad de Mondragón
Antonio J. Nebro	Universidad de Málaga
Jose Manuel Garcia-Nieto	Universidad de Málaga
Miren Nekane Bilbao	Universidad del País Vasco (UPV/EHU)
Urko Zurutuza	Universidad de Mondragón
Diego Galar	TECNALIA & Luleå University of Technology
Jonathan Ortigosa	GESTAMP
Miguel Angel Veganzones	NEM Solutions