Se habla mucho de qué algoritmo usar. En la práctica, cuando entrenamos los modelos que hoy operan la planta de biogás de GVBio, el problema grande no fue el algoritmo: fueron los datos. Esto es lo que aprendimos, y lo que le recomendamos a cualquier planta que esté pensando en sumar IA.
Tres años de historia, buena parte en planillas
Los modelos se entrenaron con casi tres años de operación, que hasta entonces se registraba en gran parte a mano, en planillas, según contó La Nación. Al ordenar esa historia aparecieron los problemas típicos de cualquier planta:
- Sensores que dejaban de medir sin dar falla: el valor quedaba congelado y nadie se enteraba.
- Registros con unidades incompatibles entre un período y otro.
- Cargas anotadas a mano que no coincidían con lo que marcaba la balanza.
Un modelo entrenado sobre eso aprende los errores. Por eso una de las funciones que quedó en producción es la detección automática de sensores descalibrados, congelados o fuera de servicio.
Probar mucho y quedarse con poco
Se probaron redes neuronales, Random Forest, XGBoost, LightGBM, algoritmos genéticos, optimización bayesiana e inferencia causal. Solo para dos de esas familias se evaluaron unas 270 combinaciones de variables y horizontes de predicción. Cada candidato tenía que pasar cuatro filtros:
- Ganarle al azar. Si acierta lo mismo que tirar una moneda, no sirve.
- Ganarle a la persistencia. La referencia más dura de una planta: "mañana va a ser como hoy".
- Estabilidad en el tiempo. Que no funcione solo en un período y falle en otro.
- Replicar en el biodigestor gemelo. Que lo aprendido en uno sirva en el otro, que trabaja en paralelo con la misma dieta.
Moraleja: un modelo que "da bien" en una planilla de validación puede fallar en planta. Medirlo contra la persistencia y en condiciones reales es lo que separa una demo de un sistema que opera.
En producción, se sigue midiendo
El sistema procesa más de 56.000 datos por día, los modelos se reentrenan cada semana y ya hay más de 250.000 predicciones registradas y comparadas contra lo que después midió la planta (datos publicados por AADECA). Cada alerta llega con una recomendación concreta de operación: el diseño de la interfaz importó tanto como la precisión del algoritmo.
Qué podés hacer hoy en tu planta
Aunque todavía no pienses en IA, estas cuatro cosas hacen que el día que quieras sumarla, el camino sea mucho más corto:
- Guardá la historia. Un SCADA que registre las variables del proceso vale oro dentro de dos años.
- Revisá la instrumentación. Un sensor que mide mal es peor que uno que no está.
- Unificá unidades y nombres. Parece menor; es lo que más tiempo lleva después.
- Pasá las planillas a digital y cruzalas con lo que miden los equipos.
Si querés ver el resultado, está en el caso de GVBio. Y cómo trabajamos un proyecto de este tipo, en inteligencia artificial industrial.
