Sabina Sydyknazar defiende con éxito su TFM sobre fiabilidad del dato en entornos industriales
Hoy hemos acompañado a nuestra compañera Sabina en la defensa de su Trabajo Fin de Máster, centrado en uno de los grandes retos de la industria actual: garantizar la calidad y fiabilidad del dato en entornos productivos.
🔹 El reto
En entornos industriales, la toma de decisiones depende de KPIs energéticos y productivos.
Sin embargo, no siempre se conoce la incertidumbre real de estos datos ni su fiabilidad.
🔹 El enfoque del TFM
El trabajo desarrolla un marco metodológico completo que combina:
- 📐 Análisis metrológico del dato
- 📊 Cálculo de incertidumbre (GUM y Monte Carlo)
- 🤖 Modelos de Machine Learning para detección de anomalías
- 🔄 Pipeline de datos industrial end-to-end
🔹 Aplicación práctica
El modelo se ha validado en un caso real industrial, permitiendo:
- Evaluar la fiabilidad de un KPI energético
- Detectar comportamientos anómalos
- Mejorar la interpretación de datos en planta
🔹 Impacto
Este trabajo aporta valor directo en ámbitos como:
- ⚡ Eficiencia energética
- 🏭 Digitalización industrial (MES / IIoT)
- 📊 Analítica avanzada de datos
