Bajo el título “Mantenimiento predictivo de motores de buques mediante aprendizaje automático”, el documento, elaborado por el investigador de la Universidad de A Coruña David Novoa, como autor principal, junto a sus directores de Máster Carlos Eiras y Óscar Fontenla, con el apoyo del Alférez de Navío y Oficial Técnico de CESADAR, Francisco Lamas, y el doctor  David Sanz de Indra, analiza el uso de nuevas técnicas de inteligencia artificial para detectar disfunciones en motores antes incluso de que se produzcan.

Este trabajo deriva del proyecto de I+D+i SOPRENE, financiado por la Dirección General de Armamento y Material-Subdirección General de Planificación, Tecnología e Innovación (DGAM-PLATIN), que Indra ha llevado a cabo junto a la Universidad de A Coruña y la Universidad de Alcalá de Henares en el CESADAR, la unidad de referencia en la Armada Española en el uso de técnicas de predicción de averías mecánicas, que lo impulsó y dirigió técnicamente aprovechando los datos almacenados en sus instalaciones de Cartagena.

En el marco del proyecto SOPRENE, se ha probado con éxito un demostrador tecnológico que posibilita el mantenimiento predictivo de buques. Se trata de una solución única, que combina el aprendizaje profundo, algoritmos de predicción y el diagnóstico y que se distingue por el uso que hace de la inteligencia ‘no supervisada’.

Este tipo de inteligencia ofrece un gran potencial, ya que a diferencia de la IA supervisada, utiliza una estrategia centrada en enseñar a la máquina a ‘aprender a detectar problemas y resolverlos’, sin necesidad de contar con conocimiento a priori. Eso facilita su empleo con plataformas, sistemas o equipos muy diferentes entre sí para detectar errores que nunca se han producido antes y de los que no se tiene registros, diferenciándose así de un sistema de IA convencional.

Esta última característica es la que ha convertido a SOPRENE en la mejor solución que existe para mantener buques de última generación que aún no han navegado. Del mismo modo, combinada con los algoritmos de predicción también desarrollados, es capaz de detectar con antelación las averías más graves: aquellas que nunca se han producido, pero que, de hacerlo, podrían poner en riesgo a la tripulación.

El número de aplicaciones que ofrece esta tecnología es enorme. En el ámbito militar, podría emplearse para mantener equipos y plataformas de cualquiera de los tres Ejércitos mientras que, en el civil, puede mejorar el mantenimiento de todo tipo de equipos industriales. En el caso de la industria metalúrgica, por ejemplo, los costos de mantenimiento pueden representar hasta el 60% de los costos totales de producción, lo que da una idea de los ahorros y mejoras de la eficiencia que puede aportar un sistema como éste.