AMSARI

EscenariosConsumoEl proyecto AMSARI (Analysis Multi-Scenario to Achieve Reliable Indicators) está enmarcado en el Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020.

Dentro del ámbito de la convocatoria de ayudas para la realización de proyectos en el ámbito de las Tecnologías Habilitadoras Digitales, dentro del Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020, en el marco de la Acción Estratégica de Economía y Sociedad Digital y del Subprograma Estatal de Impulso a las Tecnologías Habilitadoras, TEKIA INGENIEROS está desarrollando el proyecto “AMSARI (Analysis Multi-Scenario to Achieve Reliable Indicators) Método de obtención de indicadores dependientes de múltiples parámetros y para los que no existen modelos matemáticos y su aplicación al desarrollo de un sistema de ecodriving en la nube (nº expediente TSI-100903-2019-35)”, cofinanciado por el Ministerio de Economía y Empresa.

Con la creciente disponibilidad de datos procedentes de vehículos conectados y smartphones y de herramientas de Big Data y Machine Learning, cada vez se gestionan más procesos y operaciones en base a indicadores de desempeño (por ejemplo, en concesionarias de autopistas cuyos ingresos dependan de indicadores de explotación, en flotas de autobuses cuyos ingresos dependan de indicadores de explotación, y otras). Por ejemplo, en gestión de flotas a menudo se utiliza el consumo de combustible como un indicador de gestión. Sin embargo, las variaciones en el consumo que podrían interpretarse como mejoras en la eficiencia pueden ser debidas a otros factores (número de detenciones realizadas en subidas, tráfico y otros) de forma que la variación del consumo debida a estos factores externos es a menudo mayor que lo que se pretende medir (como una optimización de la planificación, una mejora del mantenimiento o un curso de ecodriving impartido a los conductores). Por sí sólo, el consumo no es un indicador que permita tomar decisiones; para resultar útil tendría que compararse con el consumo que debería haber tenido la flota. Para obtener este consumo de referencia, podría utilizarse un modelo matemático capaz de estimar el consumo a partir de los factores de los que depende; sin embargo, incluso si pudiera obtenerse, este modelo sería complejo de mantener (los factores cambian) y sería necesario obtener un modelo matemático para cada tipo de indicador/medida. Otra posible vía de solución es la utilización de técnicas de (Machine Learning) ML pero no siempre es viable disponer de datos para entrenar estos sistemas y en todo caso sus resultados son difícilmente interpretables.

AMSARI (Analysis Multi-Scenario to Achieve Reliable Indicators) es un método alternativo al uso de modelos matemáticos y alternativo o complementario a técnicas de machine learning, que permite obtener indicadores complejos de forma más fiable que con las soluciones existentes.


OBJETIVOS

El proyecto incluye:

Objetivo 1A

El desarrollo del método AMSARI para determinar valores de referencia para indicadores complejos que resuelva el problema descrito.

Objetivo 1B

La aplicación de este método a la obtención de un indicador de consumo de combustible de flotas de autobuses (un método eficiente de implementación de la patente de TEKIA ES2621055).

Objetivo 1C

Su aplicación a la implementación de un indicador de eficiencia en la conducción que permita comparar estilos de conducción de diferentes conductores en circunstancias diferentes “aprendiendo de los mejores”.

Objetivo 2

El desarrollo de un entorno de pruebas que permita implementar y validar (1a), (1b) y (1c) con datos reales de una flota de autobuses y evaluar las ventajas de combinar el método AMSARI con técnicas de ML (Ramdom Forest).

Objetivo 3

La especificación de un sistema de ecodriving IoT en la nube basado en las tecnologías desarrolladas.


RESULTADOS