{"id":3675,"date":"2020-02-11T18:22:06","date_gmt":"2020-02-11T16:22:06","guid":{"rendered":"http:\/\/institucional.us.es\/catedratel\/?p=3675"},"modified":"2020-09-01T10:09:38","modified_gmt":"2020-09-01T08:09:38","slug":"optimizacion-rapida-basada-en-deep-reinforcement-learning-con-aplicacion-a-la-industria-4-0-y-smart-cities","status":"publish","type":"post","link":"https:\/\/catedra.us.es\/catedratel2023\/optimizacion-rapida-basada-en-deep-reinforcement-learning-con-aplicacion-a-la-industria-4-0-y-smart-cities\/","title":{"rendered":"Optimizaci\u00f3n R\u00e1pida basada en Deep Reinforcement Learning con aplicaci\u00f3n a la Industria 4.0 y Smart Cities"},"content":{"rendered":"

El proyecto OPRA (OPtimizaci\u00f3n R\u00c1pida)<\/a><\/strong> desarrolla de manera pionera un sistema de optimizaci\u00f3n r\u00e1pida basada en Deep Reinforcement Learning, con aplicaci\u00f3n a la Industria 4.0 y Smart Cities<\/strong>.<\/p>\n

\"OPRA-blog-itelligent\"<\/a>En la actualidad, aunque el avance del IOT est\u00e1 permitiendo disponer de cada vez m\u00e1s datos<\/strong> y la inteligencia artificial permita extraer cierto valor de dichos datos, sigue existiendo una importante laguna en la toma de decisiones autom\u00e1tica<\/strong> y esto se debe a que los algoritmos de optimizaci\u00f3n, que son los aut\u00e9nticos motores de los sistemas de decisi\u00f3n, son lentos y complejos de realizar. Por tanto, para conseguir las mejoras en la sociedad que las tecnolog\u00edas ligadas a la Industria 4.0 y a las Smart Cities prometen, es necesario un importante avance en los actuales sistemas de toma de decisiones y en los algoritmos que los impulsan.<\/p>\n

Gran parte de las decisiones a afrontar por la Industria 4.0 y las Smart Cities est\u00e1n ligadas a \u201cproblemas de planificaci\u00f3n\u201d<\/strong> (ej. planificaci\u00f3n tr\u00e1fico, planificaci\u00f3n operaciones en talleres, planificaci\u00f3n de transporte, planificaci\u00f3n personal en hospitales, planificaci\u00f3n de puertos, planificaci\u00f3n de entregas de paqueter\u00eda, \u2026). Los algoritmos de optimizaci\u00f3n<\/strong> para resolver problemas de planificaci\u00f3n est\u00e1n<\/strong> basados,<\/strong> en gran medida, en algoritmos de b\u00fasqueda local<\/strong>, que requieren ir probando distintas soluciones hasta conseguir la \u00f3ptima (o una cercana a la \u00f3ptima), esto los hace lentos y dif\u00edciles de implementar<\/strong> ya que hay que construirlos ad-hoc para cada problema.<\/p>\n

El objetivo de este proyecto es desarrollar nuevos Algoritmos de Optimizaci\u00f3n basados en Deep Reinforcement Learning (DRL),<\/strong> para dos problemas espec\u00edficos: Vehicle Routing Problem y Scheduling. En este campo todav\u00eda no hay experiencias relevantes (TRL 3), por lo que el objetivo es testear estos algoritmos con datos relevantes e incorporarlos en un prototipo que permita a un usuario interactuar de forma controlada con los resultados (TRL 6) y en el futuro, una vez finalizado el proyecto, el objetivo es comercializarlos en modo SaaS a nivel global.<\/p>\n

\n

ITelligent Information Technologies SL<\/strong>, con sede en El Puerto de Santa Mar\u00eda, es la empresa que ha desarrollado este proyecto. Puedes ver m\u00e1s informaci\u00f3n en su p\u00e1gina web<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

El proyecto OPRA (OPtimizaci\u00f3n R\u00c1pida) desarrolla de manera pionera un sistema de optimizaci\u00f3n r\u00e1pida basada en Deep Reinforcement Learning, con aplicaci\u00f3n a la Industria 4.0 y Smart Cities. En la actualidad, aunque el avance del IOT est\u00e1 permitiendo disponer de cada vez m\u00e1s datos y la inteligencia artificial permita extraer cierto valor de dichos datos, […]<\/p>\n","protected":false},"author":5,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[30,1,2072,1446,2563,1617,35],"tags":[2736,2925,2722,2721,2920,2919,2921,2675,2319,2674,1733,2924,2923,2922,279,278],"acf":[],"_links":{"self":[{"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/posts\/3675"}],"collection":[{"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/comments?post=3675"}],"version-history":[{"count":3,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/posts\/3675\/revisions"}],"predecessor-version":[{"id":3854,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/posts\/3675\/revisions\/3854"}],"wp:attachment":[{"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/media?parent=3675"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/categories?post=3675"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/catedra.us.es\/catedratel2023\/wp-json\/wp\/v2\/tags?post=3675"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}