Datos y analítica
Datasets, modelos y recomendaciones con datos de planta
Data & AI prepara datasets, entrena modelos pequeños, mantiene bases de conocimiento y recomienda acciones por reglas. El asistente de IRIS solo lee, nunca modifica.
- CorrectivaWO-0431Correctiva · Husillo
- CorrectivaWO-0447Correctiva · Refrigerante
- CorrectivaWO-0452Correctiva · Husillo
- PreventivaWO-0455Preventiva · Lubricación
- Regla
- órdenes ÷ 10
- Órdenes correctivas
- 3
- Puntuación
- 0.3
Data & AI lee en vivo las órdenes de trabajo de CMMS.
Qué hace
- 01
Datos y modelos
Configura fuentes, flujos y pipelines. Los experimentos entrenan con datos reales de la plataforma y un conjunto reducido de algoritmos.
- 02
Bases de conocimiento
Los documentos se buscan por significado y por palabra clave a la vez. Cada uno tiene sus permisos de lectura.
- 03
Recomendaciones por reglas
Las reglas de umbral proponen acciones y muestran en qué se basa cada puntuación. Una persona las aplica o descarta.
Míralo en acción
El vídeo está narrado en inglés; hay subtítulos en el reproductor.
Transcripción (en inglés)
This is the Overview of Data and AI in IRIS. The cards count your sources, streams, datasets, models, recommendations and alarms. The tabs across the top lead to your data, the ML Studio, knowledge, AI, governance and configuration. Open AI to see the recommendations IRIS creates from your plant data. The tiles count recommendations by status, and the filters narrow the list by status or recipe. Evaluate now runs the recipes on current data and creates new recommendations. Each card shows its source and a rule priority. You can apply it, snooze it or dismiss it. Next to Recommendations you will find outcomes, insights across modules, agent events, decision traces, alarms and the AI chat. That is enough to get started. Governance and the ML Studio are in the same module, so look around there too.
De dónde vienen los datos
- Otros módulos de IRIS, leídos en tiempo real sin copiar sus datos.
- Eventos de la plataforma, como alarmas de IoT, usados para correlaciones.
- Documentos subidos y añadidos a una base de conocimiento.
Conviene saber
- La puntuación es una prioridad de regla, no una predicción del modelo ni un nivel de confianza.
- Por defecto son sugerencias que una persona aplica o descarta. Cada regla de recomendación admite aplicación automática.
- Máquinas, procesos y productos: el conocimiento es de tu planta. Para dudas sobre IRIS hay una base compartida.
Pantallas de la demo de IRIS
Datos de ejemplo de la fábrica demo de IRIS. Haz clic en una pantalla para ampliarla.
Más información

Lo que la IA puede hacer realmente hoy en las operaciones de fábricaSeis usos de la IA que ya funcionan en planta, qué necesita cada uno, dónde sigue fallando y cómo elegir el primer caso de uso sin el mito de la fábrica autónoma.Leer artículo · 8 min
Por qué la IA en la fábrica fracasa sin datos operativos conectadosLos pilotos de IA en planta suelen fallar por los datos, no por el modelo. Los cinco tipos de datos que necesita la IA y una prueba de preparación por línea.Leer artículo · 8 min
Cuándo debe recomendar la IA y cuándo deben decidir las personasTres niveles de IA en las operaciones de planta (observar, aconsejar, actuar), cinco preguntas para fijar el nivel de cada decisión y cómo redactar reglas de aprobación.Leer artículo · 8 min
Prueba Data & AI en IRIS
Empieza la prueba de 14 días con datos de tu planta o abre la demo interactiva con datos de ejemplo.