La plataforma Tractian utiliza modelos de inteligencia artificial que aprenden continuamente de los datos capturados. Este aprendizaje se actualiza de manera controlada, basándose en feedbacks de clientes, eventos operativos y, en algunos casos, ajustes manuales. Comprender cómo y cuándo se ajusta el modelo es esencial para interpretar correctamente los insights generados (o no generados).
Feedback del Cliente
El feedback proporcionado sobre un insight es la forma más directa de interactuar con la IA. Ayuda a calibrar la sensibilidad de las alertas y ajustar el comportamiento del modelo según la operación real del activo.
Al hacer clic en "Comprobar" sobre un insight, el cliente accede a diferentes tipos de evaluación. Cada tipo tiene una función específica: algunos ajustan el aprendizaje de la IA, otros solo registran la situación.
Evaluaciones que ajustan el aprendizaje de la IA:
Ajuste de Proceso: Indica que el comportamiento detectado es resultado de un cambio planificado en el proceso. La IA aprende este nuevo patrón como el nuevo comportamiento saludable del activo.
Sin Falla: Señala que el insight fue un falso positivo. El patrón se aprende como comportamiento normal.
Ajuste de Sensor: Señala que el patrón cambió debido a una modificación en la instalación o posición del sensor. En estos casos, la IA siempre se reentrena.
Feedbacks que no ajustan el aprendizaje:
Falla Potencial: El activo no presenta una falla, pero debe continuar bajo monitoreo. No se realiza ajuste de aprendizaje.
Falla Funcional: Confirma que el insight fue correcto. No se requiere reentrenamiento.
Desechado: El insight fue descartado sin inspección. El sistema solo registra el feedback sin modificar el modelo.
Eventos que Disparan el Reentrenamiento de la IA
Nota importante: Para más información sobre la creación de Eventos, consulta este artículo.
Algunos cambios operativos o de hardware afectan significativamente los datos de vibración capturados, activando automáticamente el reentrenamiento de la IA. Principales eventos:
Cambio de Sensor: Sensores diferentes, incluso del mismo modelo, pueden mostrar pequeñas variaciones en la respuesta en frecuencia o en la rigidez de montaje, rompiendo la consistencia de los datos anteriores y requiriendo reentrenamiento.
Cambio de Rotación en la Ficha Técnica: La rotación registrada se utiliza como referencia para identificar frecuencias relacionadas con la máquina. Cambiar este valor impacta directamente los algoritmos de análisis de fallas, exigiendo ajuste del modelo.
Parada Programada (Mantenimiento): Durante el mantenimiento, es común reposicionar sensores o reemplazar componentes del activo, lo que puede alterar significativamente el comportamiento vibracional. En estos casos:
La IA espera entre 5 y 7 días antes de reaprender para asegurar que el nuevo comportamiento sea estable.
Ajuste de Proceso: Cambios operativos como variaciones en la carga, velocidad o el modo de uso del activo afectan el patrón vibracional. La IA aprende este nuevo comportamiento como el nuevo "normal" de la operación.
Reentrenamiento de IA desde la Pestaña de Estado
Puedes seleccionar directamente el activo para el cual deseas reentrenar la IA. Sigue estos pasos:
Accede a la pestaña "Estado".
Selecciona el activo.
Desliza el contenido del lado izquierdo hasta encontrar la sección "Entrenamiento de IA".
Haz clic en "Reentrenar Modelo."
Elija entre Velocidad y Aceleración.
Luego, deberás seleccionar un período que contenga al menos 100 muestras con la máquina en funcionamiento, cubriendo entre 5 y 30 días de operación.
Ajusta las fechas hasta alcanzar el intervalo ideal, medido por el número de muestras y días mostrados en el lado derecho.
