En la Convocatoria de Innovación 2025 de Ineco, una de las seis propuestas ganadoras ha sido la presentada por Sergio del Pino Sánchez-Chiquito y Luis Manuel Lozano, centrada en la generación de datos sintéticos para optimizar modelos de inteligencia artificial aplicados al mantenimiento predictivo.
La iniciativa plantea el uso de algoritmos avanzados basados en redes neuronales profundas (conocidas como Deep Learning), y es que, concretamente las Redes Generativas Antagónicas (GAN) son capaces de reproducir patrones temporales de los datos reales. Esta tecnología permite no solo simular el funcionamiento normal de los sistemas, sino también generar errores específicos, facilitando un entrenamiento personalizado de los modelos de IA.
El proyecto surge como respuesta a las limitaciones habituales en la disponibilidad de datos reales, como fallos en la sensorización o lagunas temporales en los registros. Gracias a los datos sintéticos generados, se puede mejorar la calidad de los conjuntos de entrenamiento sin necesidad de recopilar grandes volúmenes de datos reales, reduciendo costes y tiempos de desarrollo.
Esta propuesta representa un avance significativo en la mejora de la precisión y robustez de los modelos predictivos, con aplicaciones directas en la eficiencia operativa y la sostenibilidad del mantenimiento en entornos tecnológicos complejos.
