Distinguir Hechos de Ficción: Descubrir la Verdadera Narrativa detrás de sus Datos

En el 30.000 a.C., nuestros ancestros pintaban historias en las paredes de las cavernas sobre su vida cotidiana, y para el 700 a.C. ya teníamos nuestra primera historia impresa: Gilgamesh. Avancemos hasta 2021, y llevamos más de media década co-creando historias junto con la IA. Pero cuando la prioridad es una inteligencia de negocio precisa, las empresas necesitan la certeza de que sus sistemas de inteligencia artificial y aprendizaje automático no se toman licencias artísticas y devuelven cuentos exagerados.

Esto es especialmente cierto ahora que la toma de decisiones impulsada por IA y ML ha alcanzado su nivel de adopción más alto hasta la fecha, y incluso los ejecutivos más reticentes comienzan a ver los inmensos beneficios de un enfoque estratégico centrado en los datos. A medida que crece la confianza en la promesa de la IA y el ML, la precisión se vuelve crítica. La pregunta sigue presente en muchas mentes: "¿Cómo podemos saber si nuestros datos nos cuentan la historia completa, y una basada en hechos? ¿Qué necesitamos saber para confiar en nuestros modelos?"

Datos Impecablemente Limpios

Cuando un sistema de aprendizaje automático ofrece una predicción inexacta, podemos señalar a un único culpable: los datos. Salvo eventos de cisne negro, los datos son el principio, el medio y el final de cualquier sistema predictivo. Podría ser que simplemente no hubiera suficientes datos para entrenar el sistema de forma fiable o basar sus predicciones, en cuyo caso más puntos de datos resolverían el problema. Algo así suele detectarse en las primeras etapas de ideación de un modelo y casi con certeza antes del despliegue, al menos en la medida necesaria para evitar predicciones extremadamente inexactas. Sin embargo, el culpable más probable es que los datos de partida no fueran "lo suficientemente limpios". Lo "suficientemente limpio" es relativo. Los requisitos de datos para algunos proyectos son semejantes a "¿Están mis zapatillas lo bastante limpias para ir al supermercado?". Otros, especialmente en sistemas críticos y aquellos que involucran vida, seguridad y bienestar, son más como escenarios de "libres de polvo, brillantes como un espejo, lustre de desfile en el que podrías mirarte los dientes" en cuanto a la limpieza que los datos necesitan para realizar la tarea de forma fiable y ética.

Entonces, ¿qué ensucia los datos? La historia corta es información inexacta o sesgada.

Etiquetas Rotas, Modelos Rotos

Podrían ser datos mal etiquetados, datos que tienen la información incorrecta en el campo equivocado o en un formato incorrecto, por ejemplo, "27 de diciembre de 2015" en lugar de "12/27/15" o "27/12/2015". Si bien la primera opción podría simplemente arrojar un error o ser ignorada, intercambiar los dos últimos formatos de fecha podría causar graves repercusiones en la precisión. Y las fechas no son lo único que el formato inválido puede afectar: horas, SKUs, texto donde deberían ir números, números donde debería ir texto, y todas las corrientes de datos especializadas que salen del equipamiento de la planta como anulaciones, alarmas, cargas, velocidades, avances, etc. El punto es que sin una estructura fiable y consistente, los datos pueden volverse caóticos y llevar a conclusiones inexactas.

Con MachineMetrics, las empresas pueden aprovechar nuestro motor automatizado de transformación de datos que estandariza y formatea una amplia gama de tipos de datos para un análisis sencillo. Puede manejar valores de sensores personalizados, estado de máquina, modos, alarmas, anulaciones, carga, velocidades, avances, parámetros PMC, diagnósticos y más.

¿Puede Confiar en sus Fuentes?

Es importante considerar la veracidad y exactitud de cualquier fuente de datos que se utilice, especialmente si esas fuentes son humanas. Los humanos no somos las criaturas más precisas. Redondeamos, olvidamos y falseamos los números. Nos volvemos perezosos, cansados, hambrientos o distraídos. Por la propia naturaleza de usar fuentes de datos humanas, los datos serán sucios de una forma u otra. Aquí es donde es importante analizar las tolerancias. Por ejemplo, los operarios de máquina podrían estar añadiendo datos sobre el estado del equipo que usan. Al dar información sobre tiempos de inactividad, las razones enumeradas pueden ser precisas mientras que el tiempo es más bien una estimación. Esto conduce a un sistema predictivo menos preciso, ya que las respuestas que genera también son más cercanas a estimaciones de lo que habrían sido si se hubieran proporcionado datos verdaderamente precisos.

Este es otro escenario donde se deben considerar tolerancias realistas. ¿Segundos o intervalos de media hora? En el caso de la captura de datos de máquina, podría incluso tratarse de nanosegundos o menos para algunos casos de uso. No importa qué tolerancia se considere razonable para el proyecto, es importante hacerla cumplir y asegurar que cualquier dato de entrada al sistema caiga dentro de esos parámetros para garantizar la precisión.

El Adaptador de Datos de Alta Frecuencia de MachineMetrics captura datos de máquina a 1 kHz (frente a un estándar de 1 Hz, es decir, 1000 veces más rápido) para que nunca se pierda un latido, sin importar el nivel de precisión que su aplicación requiera.

Aquí también es donde las empresas deberían buscar sesgos potenciales. Las mentiras por omisión aún conducen a predicciones de cuento de hadas. ¿Sus fuentes de datos recopilan lo suficientemente amplio como para mostrar la imagen completa o son propensas al sesgo como consecuencia de los métodos de recopilación utilizados? Por ejemplo, si intenta averiguar el salario medio de un operario de línea de producción, pero todos los encuestados son hombres, probablemente obtendrá una cifra sesgada frente a si encuestara a ambos sexos para obtener una imagen más clara y precisa. Buscar activamente este tipo de omisiones puede conducir a datos más limpios y predicciones más precisas.

Contexto y Complejidad

Cuanto más complejo es un sistema, más margen hay para imprecisiones, inconsistencias, riesgos y fallos generales en los datos y la lógica que lo sustentan al intentar traducirlo a algo utilizable para el análisis. ¿Cuántos pasos tiene el proceso del que intenta recopilar datos? ¿Tiene el conocimiento del sector para dar contexto a los datos brutos? Por ejemplo, una máquina que "se detiene" múltiples veces en minutos con producción exitosa entre medias, es menos probable que sean verdaderas corridas de producción, y más bien indicativo de pruebas para asegurar que el problema que causó inicialmente el tiempo de inactividad está completamente resuelto, recalibrado y listo para reanudar la producción real. Sin embargo, dejar estos números en el conjunto de datos tal como fueron ingresados podría causar serias inexactitudes difíciles de detectar para el ojo no entrenado.

Esto no significa que su equipo de ciencia de datos deba ser el experto definitivo en todo de su industria. Significa, sin embargo, que tener canales donde los expertos puedan añadir contexto es crítico. Por ejemplo, con MachineMetrics, los operarios de máquina cuentan con un dispositivo tablet en la planta, justo en su maquinaria. Pueden añadir rápida y fácilmente contexto humano a los datos numéricos para aumentar la precisión en la etapa de análisis. Sin este tipo de canal de contexto, puede convertirse en un juego de adivinanzas determinar qué números deben incluirse y cuáles descartarse.

Transformaciones sin Pérdidas

Cuando transforma una cosa en otra, casi siempre hay algún grado de pérdida, por minúsculo que sea, ya sea transformar mineral en acero, algodón en textiles, o datos en un formato para análisis. Es importante determinar cuánta pérdida es aceptable y cuánta es prevenible. Partir de datos limpios y precisos es un primer paso vital para un análisis limpio y preciso. Más allá de esa etapa, es necesario considerar qué herramientas usará y para qué aplicaciones, la probabilidad de cualquier pérdida de fidelidad, y en qué grado esto es aceptable (o irrelevante). Esto nos lleva directamente a comprender qué está intentando hacer con sus datos y sus modelos, qué problemas intenta resolver y el nivel de precisión requerido para resolverlos eficazmente.

En MachineMetrics, nos aseguramos de que sus datos le den la verdad completa y nada más que la verdad. Somos expertos del sector que entendemos la profundidad, amplitud y tipo de datos que necesita para resolver sus problemas más acuciantes, ya sea tiempo de inactividad de máquina, optimización de la producción, o una miríada de otras opciones, usando un enfoque basado en datos. Usamos formatos simples y digeribles para compartir y analizar que conservan su integridad y fidelidad, incluso en tiempo real. MachineMetrics simplifica la tarea de integrar datos de la planta con la toma de decisiones del mundo real a través de un proceso probado, implementado en lenguaje llano y con herramientas tan fáciles que incluso perfiles no técnicos pueden instalarlas ellos mismos, para un servicio que ha llevado a nuestros clientes a un ROI en menos de una semana. Para ver qué tipo de preguntas puede responder MachineMetrics para su negocio o para reservar una demo, contáctenos en cualquier momento aquí.