Resumen de Machine Learning en la industria: el caso de la siderurgia

Ana González Marcos, Fernando Alba Elías

• español

  Una de las principales características de los procesos industriales actuales es que la naturaleza de las relaciones entre las entradas y salidas de los mismos es altamente no lineal, lo que limita la obtención de modelos analíticos que definan su comportamiento. Afortunadamente, dada la gran cantidad de información que se almacena hoy en día, existen otros enfoques que permiten abordar este problema, como la obtención de modelos basados en datos. En este trabajo se presentan cinco tipos de problemas reales en el sector siderúrgico que pueden beneficiarse del empleo de técnicas de machine learning, a modo de ejemplos prácticos de aplicación de estas técnicas en procesos industriales.

• English

  Because the relationships amongst variables from industrial processes are, most frequently, non linear, explicit models might be hard to obtain. Fortunately, thanks to the large amount of information that is stored in industrial processes, there are other approaches to address this problem, such as obtaining data-based models. In this paper we present five experiences in successfully applying different machine learning techniques in the steel industry. The effective solutions provided by the use of machine learning along these projects expect to encourage the application of this data driven approach to frequent hard-to-solve problems in the industry.