La firma petrolífera Petronor ha participado, junto a Ayesa, en una iniciativa para la búsqueda de modelos de inteligencia artificial generativa GenAI que le permitan una mayor eficiencia y rentabilidad en sus plantas de producción. Fruto de este trabajo, y a través de la iniciativa aceleradora de innovación promovida por Repsol (Hackia’, Ayesa ha abordado el desafío Gidabot. En él, ambas compañías han podido explorar los límites de esta tecnología para desarrollar un ‘agente experto’ en el proceso catalítico de la refinería de Petronor que proporcione un soporte rápido y ágil para la consulta de documentación técnica por parte de los ingenieros químicos, así como para predecir las condiciones de operación para el refino. la firma petrolífera Petronor ha participado, junto a Ayesa, en una iniciativa para la búsqueda de modelos de inteligencia artificial generativa GenAI que le permitan una mayor eficiencia y rentabilidad en sus plantas de producción. Fruto de este trabajo, y a través de la iniciativa aceleradora de innovación promovida por Repsol (Hackia’, Ayesa ha abordado el desafío Gidabot. En él, ambas compañías han podido explorar los límites de esta tecnología para desarrollar un ‘agente experto’ en el proceso catalítico de la refinería de Petronor que proporcione un soporte rápido y ágil para la consulta de documentación técnica por parte de los ingenieros químicos, así como para predecir las condiciones de operación para el refino. Asistente virtual Tal y como explica Begoña López, KAM de la cuenta de Data en Utilities de Ayesa, “los ingenieros de Petronor deben consultar constantemente información técnica de fabricantes para ajustar diversos parámetros, que influyen directamente en la calidad del producto final y en la eficiencia del proceso. Pero esta consulta es rutinaria y tediosa, ya que implica revisar manuales extensos y redactados en un lenguaje muy técnico, con pocas facilidades de búsqueda”. Ante esta situación, Ayesa diseñó un prototipo de asistente virtual experto que permitiera a los técnicos obtener información de manera inmediata, utilizando interacciones simples en lenguaje natural. Planteamos una solución híbrida que combina IA Generativa con modelos de Computer Vision para resolver el problema de las gráficas, y se enriqueció con modelos predictivos tradicionales de ‘machine learning’ para ofrecer información adicional basada en la identificación de patrones en los datos históricos de la refinería. “Así, la combinación de modelos de IA Generativa y aprendizaje automático tradicional permite a la herramienta analizar grandes volúmenes de datos y aprender patrones complejos. Además, las técnicas de reconocimiento óptico de caracteres (OCR) y visión por computadora permiten extraer información relevante de los manuales técnicos de la planta, mejorando la precisión”, explica Marian Aradillas, responsable de Analítica Avanzada de Ayesa.

Asistente virtual

Tal y como explica Begoña López, KAM de la cuenta de Data en Utilities de Ayesa, “los ingenieros de Petronor deben consultar constantemente información técnica de fabricantes para ajustar diversos parámetros, que influyen directamente en la calidad del producto final y en la eficiencia del proceso. Pero esta consulta es rutinaria y tediosa, ya que implica revisar manuales extensos y redactados en un lenguaje muy técnico, con pocas facilidades de búsqueda”. Ante esta situación, Ayesa diseñó un prototipo de asistente virtual experto que permitiera a los técnicos obtener información de manera inmediata, utilizando interacciones simples en lenguaje natural. Planteamos una solución híbrida que combina IA Generativa con modelos de Computer Vision para resolver el problema de las gráficas, y se enriqueció con modelos predictivos tradicionales de ‘machine learning’ para ofrecer información adicional basada en la identificación de patrones en los datos históricos de la refinería. “Así, la combinación de modelos de IA Generativa y aprendizaje automático tradicional permite a la herramienta analizar grandes volúmenes de datos y aprender patrones complejos. Además, las técnicas de reconocimiento óptico de caracteres (OCR) y visión por computadora permiten extraer información relevante de los manuales técnicos de la planta, mejorando la precisión”, explica Marian Aradillas, responsable de Analítica Avanzada de Ayesa.