La inteligencia artificial en el sector de la energía

Analizamos con Julía Díaz García, Data Scientist Senior Manager en Repsol, el uso de la inteligencia artificial (IA) en el sector de la energía. Presente desde hace tiempo en la industria, es ahora cuando se ha «democratizado», tanto para la sociedad es distintos ámbitos, como para las medianas y pequeñas empresas, ya que no requieren el nivel de inversión de tiempos pasados. Preguntada por el futuro, Díaz García apunta al reinforcement learning (aprendizaje por refuerzo), una tecnología «heredada» de los videojuegos.

¿Es la IA algo nuevo en el sector de la energía?

Hace bastantes años que el sector de la energía utiliza la IA. En general, y sobre todo en una empresa tan innovadora como Repsol. En nuestra empresa, trabajábamos con Big Data mucho antes de que se llamase Big Data.

Aunque las primeras iniciativas en nuestra compañía tienen más de 30 años, la evolución en la generación de información ha ido acompañada de la necesaria incorporación de algoritmos y de la aplicación de distintas técnicas de IA para poder tratar todos los datos y obtener el mayor valor posible de los mismos. Me permito afirmar que la IA tiene un largo recorrido en el sector de la energía y, en los últimos años, la fuerte adopción de esta tecnología está auspiciada por los beneficios que ofrece a las grandes organizaciones. Beneficios asociados al incremento de la eficiencia, seguridad, detección de nuevas oportunidades, ahorros en costes y tiempos, etc.).

Desde el punto de vista tecnológico, estamos viviendo un florecimiento de conceptos como plataformas Big Data, Cloud Computing, Quantum Computing…, que van asociados al afianzamiento de la IA. Ya no son necesarias inversiones tan elevadas, en hardware y personal, como las que se llevaban a cabo antes.

En mi opinión, ahora se habla más de IA porque también se utiliza más y porque cada vez la vemos más cercana al ciudadano. Se ha «democratizado» y es muy habitual encontrarla en asistentes de voz o embebida en las herramientas disponibles en nuestro móvil. La IA ya no es algo tan alejado de la sociedad y de la gente de la calle.

¿Qué aplicaciones o casos de uso son los más habituales en esta industria?

Podemos hablar de múltiples usos como la optimización de procesos, el mantenimiento predictivo de altos componentes para aplicaciones industriales, la optimización de la producción de materiales avanzados,…

En la práctica comercial, la IA nos permite conocer mejor a nuestros clientes. Así, por ejemplo, podemos personalizar y adaptar nuestra oferta mediante algoritmos específicos asociados al análisis geográfico de nuestros puntos de venta.

Estos son solo algunos ejemplos pero encontramos beneficios en la aplicación de soluciones basadas en IA en toda la cadena de valor de la compañía.

¿Qué casos de uso podemos prever a futuro?

Una de las vías de estudio que seguro va a ofrecer valor es la relacionada con reinforcement learning (aprendizaje por refuerzo). De manera muy resumida, consiste en que el propio sistema aprenda a mejorar sus acciones en base a prueba y error. En cada prueba existe una serie de variables que se asocian a una recompensa, obteniendo un refuerzo positivo si la acción es «buena» y una recompensa negativa si la acción «no es la correcta». Establece una política de premios en la que estas técnicas de IA tratan de obtener la mejor puntuación posible en base a esas recompensas y refuerzos.

Aunque en nuestra empresa ya estamos realizando proyectos con estas técnicas, esta tecnología es incipiente y es «heredada» de los videojuegos. Como en otros mercados, en nuestro sector puede extenderse a plantas autónomas que se ajusten a los escenarios que se encuentren, ya que está muy vinculado con el área de la robótica. Encontramos también ejemplos en aplicaciones para la gestión óptima de recursos, en el control del tráfico, en la distribución de energía, en la optimización de fórmulas para materiales avanzados, en recomendaciones personalizadas a clientes y empleados, etc.

¿Qué tipo de IA incorporan los productos orientados exclusivamente al desarrollo de aplicaciones en plantas industriales?

Lo primero que habría que decidir es qué tipo de clasificación vamos a utilizar. La IA se puede clasificar en función de muchos factores como son el tipo de datos que utiliza, el tipo de insights o resultados a conseguir, etc.

Para simplificarlo, en una misma planta industrial podemos estar aplicando numerosos algoritmos adaptados a cada tipo de dato o fuente. Así, con datos numéricos utilizamos machine learning y deep learning para clasificación y regresión; con datos de texto utilizamos algoritmos de clasificación, de Question and Answer, basándonos en Natural Language Processing (NLP); en imágenes aplicamos algoritmos para su clasificación, para el reconocimiento de objetos o para la segmentación semántica de los elementos presentes en las mismas, recurriendo en este caso a algoritmos basados en redes neuronales. Por último, también realizamos tratamiento de voz en asistentes virtuales o control de maquinaria.