MLOps para el entrenamiento distribuido de modelos ML de control de calidad.
Ikerlan
Sector: Industria
Business Case
La empresa ha desarrollado en los últimos años diferentes modelos de inteligencia artificial para sus principales negocios pero ha visto la necesidad de construir una plataforma para la monitorización de la calidad de sus modelos en producción y del entrenamiento distribuido de los mismos en las líneas de producción que instala en sus clientes. La plataforma desarrollada permite el despliegue automático de los modelos ya existentes para el control de calidad de las piezas producidas.
Objetivos
El objetivo principal es el desarrollo de una plataforma que permita el reentrenamiento distribuido automático de los modelos desplegados en las líneas de producción mediante la monitorización de los resultados de inferencia y la distribución de los datos de entrada a los modelos.
Use case
Cambio en el modelo de negocio actual permitiendo monetizar la servitización de los modelos de IA que la empresa ha desarrollado. Para ello, se automatizará el proceso de despliegue de las soluciones creadas en los diferentes clientes y el reentrenamiento y ajuste dinámico de las mismas. De esta manera, se podrá ofrecer un producto básico con la funcionalidad actual y un producto extendido que ofrezca los servicios desplegados en la plataforma que permita, entre otras funcionalidades, monitorizar en tiempo real la calidad de los productos de los clientes.
Infraestructura
Híbrida, Cloud, Edge.
Tecnologías utilizadas
Computer Vision.
Machine Learning y Deep Learning.
Datos utilizados
Series temporales e imágenes.
Datasets privados.
Recursos utilizados
Personal investigador especializado en desarrollo de modelos de IA y comunicaciones edge-to-cloud.
Infraestructura híbrida con altas capacidades de computación basada en máquinas virtuales para el desarrollo de modelos.
Dificultades y aprendizaje
Dificultades:
Obtención Integración y desarrollo de tecnologías y técnicas poco maduras.
De datos reales en entornos productivos.
Dificultad de encontrar errores de calidad debido al desbalanceo de los datos.
Aprendizaje:
Nuevas técnicas de aprendizaje distribuido (Federated Learning).
Técnicas de detección de concept drift.
KPIs (impacto en el negocio y métricas del modelo)
MONDRAGON ASSEMBLY prevé reforzar su equipo con nuevos especialistas en desarrollo de modelos de IA.
Se espera que ofertando los nuevos servicios añadidos y los procesos de optimización que se desarrollarán basados en técnicas de inteligencia artificial se puedan ganar los proyectos más exigentes en cuanto a calidad de producto, incrementando en 2M€ la facturación anual del negocio.
Financiación
El proyecto ha sido financiado por los HAZITEKs Estratégicos AIXIA (2022-2024), EGOKIA (2021-2023) y ADIERA (2020-2022).
Colaboradores
Mondragon Assembly S. Coop.
Ikerlan S. Coop.
Koniker S. Coop.
