Glosario de IA industrial · 53 términos esenciales de inteligencia artificial aplicada
Este Glosario de IA es el recurso práctico de DDS para entender los términos clave de la Inteligencia Artificial aplicada a la industria y a la energía: Deep Learning, PINNs, XAI, LLM, RAG, Gemelo Digital, Edge AI o Mantenimiento Predictivo. Cada entrada de este glosario de IA incluye una definición concisa y un ejemplo real de planta. Si quieres ampliar más allá de este glosario de IA, también puedes consultar la definición oficial de Inteligencia Artificial en Wikipedia o el portal de estándares del IEEE.
A6 términos
Algoritmo
Conjunto finito y ordenado de instrucciones que un sistema sigue para resolver un problema o producir un resultado a partir de datos de entrada.
Ejemplo: el algoritmo de clasificación que asigna cada pieza producida a la categoría "OK" o "defecto" en una línea de producción.
Aprendizaje supervisado
Tipo de aprendizaje automático en el que el modelo se entrena con ejemplos etiquetados, es decir, pares de entrada-salida conocidos.
Ejemplo: entrenar un modelo con miles de imágenes ya etiquetadas como "pieza defectuosa" o "pieza correcta" para que aprenda a clasificarlas por sí solo.
Aprendizaje no supervisado
Tipo de aprendizaje automático en el que el modelo descubre patrones en los datos sin disponer de etiquetas previas. Útil para agrupar, segmentar o detectar anomalías.
Ejemplo: agrupar consumos energéticos de distintas plantas para identificar perfiles operativos típicos sin saber de antemano cuáles son.
Aprendizaje por refuerzo
Paradigma en el que un agente aprende a tomar decisiones mediante prueba-error: recibe recompensas por las buenas acciones y penalizaciones por las malas.
Ejemplo: un sistema que aprende a optimizar la programación de un horno industrial probando combinaciones y midiendo el consumo energético resultante.
AIoT Artificial Intelligence of Things
Convergencia entre el IoT industrial y la inteligencia artificial: sensores, PLCs y gateways ejecutan modelos de IA para decidir en tiempo real sin depender siempre del cloud.
Ejemplo: una bomba con AIoT detecta su propia desviación de vibración y ajusta su régimen antes de que un operario vea el dato en el SCADA.
Autoencoder
Red neuronal que aprende a comprimir y reconstruir sus propios datos de entrada. Se utiliza sobre todo para detectar anomalías: si la reconstrucción se aleja del original, hay algo raro en el proceso.
Ejemplo: un autoencoder entrenado con vibraciones normales de un motor detecta automáticamente fallos incipientes en rodamientos sin necesidad de etiquetar previamente cada tipo de avería.
B3 términos
Backpropagation
Algoritmo que permite a una red neuronal ajustar sus parámetros internos propagando hacia atrás el error cometido en la predicción.
Ejemplo: es el motor matemático que hace posible que casi cualquier red neuronal moderna aprenda de sus errores durante el entrenamiento.
Big Data
Conjunto de tecnologías y técnicas para procesar volúmenes de datos demasiado grandes, rápidos o variados para los sistemas tradicionales.
Ejemplo: los datos de telemetría que genera una planta industrial conectada producen gigabytes diarios que no caben en una hoja de cálculo.
Bayesian Network Red bayesiana
Modelo probabilístico que representa variables y sus dependencias causales en forma de grafo. Permite calcular la probabilidad de un evento futuro a partir de lo que ya se ha observado.
Ejemplo: en una planta química, una red bayesiana combina presión, temperatura y caudal para estimar la probabilidad de un fallo de bomba en las próximas 24 horas.
C3 términos
Computer Vision Visión artificial
Disciplina que permite a las máquinas interpretar imágenes y vídeo: detectar objetos, leer texto, identificar defectos o medir distancias.
Ejemplo: una cámara con visión artificial detecta una soldadura defectuosa en línea de producción a velocidad de 2.000 piezas por hora.
Convolutional Neural Network CNN
Tipo de red neuronal especializada en procesar imágenes. Utiliza capas convolucionales que detectan automáticamente patrones visuales (bordes, texturas, formas).
Ejemplo: casi cualquier sistema de inspección visual industrial moderno usa CNN como motor de detección.
Causal AI IA causal
Disciplina de la IA que busca relaciones causa-efecto, no solo correlaciones. Permite responder preguntas tipo "¿qué pasaría si…?" y diseñar intervenciones con impacto real en el proceso.
Ejemplo: la IA causal identifica que el aumento de scrap en una línea se debe a una variable concreta del horno, no a la materia prima como sugería el dashboard tradicional.
D4 términos
Deep Learning Aprendizaje profundo
Rama del aprendizaje automático basada en redes neuronales con muchas capas. Capaz de aprender representaciones jerárquicas de datos complejos sin ingeniería manual de variables.
Ejemplo: el Deep Learning es lo que hizo posibles tanto los modelos de lenguaje como los sistemas modernos de visión artificial industrial.
Data Drift Deriva de datos
Cambio gradual en la distribución de los datos que llegan al modelo en producción respecto a los datos con los que fue entrenado. Si no se monitoriza, el modelo pierde precisión de forma silenciosa.
Ejemplo: tras cambiar el proveedor de chapa, el modelo de inspección visual empieza a clasificar mal piezas correctas porque las texturas y reflejos han cambiado.
Decision Tree Árbol de decisión
Modelo que divide los datos en ramas según reglas del tipo "si X supera un umbral, entonces…", formando una estructura tipo árbol fácil de interpretar.
Ejemplo: en mantenimiento, un árbol de decisión clasifica cada alarma como "intervención inmediata", "revisión planificada" o "ignorar" según horas de uso, temperatura y vibración.
Digital Twin Gemelo digital
Réplica virtual de un activo, proceso o planta física, alimentada en tiempo real con datos del mundo real y enriquecida con modelos de IA para simular, predecir y optimizar.
Ejemplo: un gemelo digital de un horno permite probar nuevas estrategias de combustión virtualmente antes de aplicarlas en planta, ahorrando energía sin riesgo operativo.
E3 términos
Embedding
Representación numérica densa de un dato (palabra, imagen, producto, señal) en un espacio vectorial donde los elementos similares quedan cerca entre sí.
Ejemplo: en un sistema de búsqueda semántica industrial, los embeddings permiten encontrar un parte de mantenimiento similar aunque se haya descrito con palabras distintas.
Explainable AI XAI
Conjunto de técnicas que permiten que un modelo de IA explique sus decisiones de forma comprensible para humanos. Imprescindible en entornos industriales y regulados.
Ejemplo: un sistema XAI no solo dice "este horno fallará mañana" — también explica qué variables disparan la alerta y qué acción recomienda. Es el estándar por defecto en DDS.
Edge AI IA en el borde
Ejecución de modelos de inteligencia artificial directamente en el dispositivo (PLC, cámara industrial, gateway o máquina) en lugar de enviar los datos al cloud. Reduce latencia, coste de red y dependencia de conectividad.
Ejemplo: una cámara con Edge AI en una línea de envasado detecta defectos en milisegundos sin enviar el vídeo fuera de planta, cumpliendo además con las políticas de confidencialidad.
F3 términos
Fine-tuning
Ajuste de un modelo preentrenado con datos específicos de un caso concreto. Permite adaptar un modelo general a un dominio particular sin entrenarlo desde cero.
Ejemplo: partir de un modelo de lenguaje general y hacer fine-tuning con miles de partes de mantenimiento industrial para que entienda el vocabulario técnico del sector.
Federated Learning Aprendizaje federado
Técnica de entrenamiento distribuido en la que varias plantas o dispositivos entrenan un modelo común sin compartir sus datos brutos: solo se intercambian las actualizaciones del modelo.
Ejemplo: tres fábricas del mismo grupo industrial entrenan juntas un modelo de calidad sin que ninguna tenga que ceder sus datos sensibles a las otras.
Foundation Model Modelo fundacional
Modelo de IA de gran escala preentrenado con cantidades masivas de datos generales (texto, código, imágenes) que después se adapta a tareas específicas mediante fine-tuning o prompting.
Ejemplo: modelos como GPT-4, Claude o Llama son foundation models que en industria se especializan para leer informes técnicos, manuales de mantenimiento o pliegos de subvenciones.
G3 términos
GAN Generative Adversarial Network
Arquitectura en la que dos redes neuronales compiten entre sí: una genera datos sintéticos y otra trata de distinguir si son reales o falsos. El resultado son muestras cada vez más realistas.
Ejemplo: generar imágenes sintéticas de defectos de calidad poco frecuentes para entrenar mejor un modelo de inspección visual.
Gradient Descent
Algoritmo de optimización que ajusta los parámetros de un modelo siguiendo el "descenso" del error. Es el motor matemático del entrenamiento en la mayoría de modelos de Machine Learning.
Ejemplo: cada paso de entrenamiento de una red neuronal industrial es, internamente, un movimiento de gradient descent buscando la mejor predicción posible.
Generative AI IA Generativa
Familia de modelos de IA capaces de crear contenido nuevo —texto, código, imágenes, diseños CAD o recetas de proceso— a partir de instrucciones en lenguaje natural.
Ejemplo: un ingeniero pide a la IA generativa que redacte el procedimiento de arranque de una nueva línea siguiendo el formato interno y los estándares de seguridad de la planta.
H2 términos
Hiperparámetro
Parámetro de configuración de un modelo que NO se aprende durante el entrenamiento sino que se decide antes (tasa de aprendizaje, número de capas, tamaño de batch).
Ejemplo: ajustar hiperparámetros es una parte crítica del trabajo del data scientist y determina si el modelo aprende bien o se queda atascado.
Hallucination Alucinación
Cuando un LLM responde algo que suena coherente pero es factualmente falso o inventado. Es uno de los principales riesgos al usar IA generativa en entornos críticos.
Ejemplo: un chatbot industrial sin RAG inventa una referencia de pieza inexistente; conectado al ERP vía RAG devuelve la referencia real del catálogo y reduce las alucinaciones casi a cero.
I2 términos
Inferencia
Fase en la que un modelo ya entrenado se usa para hacer predicciones sobre datos nuevos. A diferencia del entrenamiento, la inferencia es rápida y se ejecuta en producción.
Ejemplo: el modelo predictivo de tu planta industrial pasa la mayor parte de su vida útil haciendo inferencia: prediciendo consumo, anticipando fallos, etc.
Inteligencia Artificial IA
Disciplina que desarrolla sistemas capaces de realizar tareas que normalmente requieren inteligencia humana: percepción, razonamiento, lenguaje, decisión.
Ejemplo: en industria, la IA optimiza consumos, anticipa fallos, planifica producción y propone setpoints a operarios — sin sustituir la decisión humana, sino apoyándola.
K1 término
Knowledge Graph Grafo de conocimiento
Estructura de datos que representa entidades (equipos, productos, personas, eventos) y las relaciones entre ellas en forma de grafo, permitiendo razonamientos complejos sobre el dominio.
Ejemplo: en una refinería, un grafo de conocimiento conecta cada bomba con su histórico de incidencias, repuestos, planos y técnicos formados, acelerando la resolución de averías.
L1 término
LLM Large Language Model
Modelo de IA entrenado con grandes cantidades de texto que puede generar, resumir, traducir o responder en lenguaje natural. GPT, Claude, Llama o Mistral son ejemplos conocidos.
Ejemplo: un LLM industrial conectado a tus datos de planta puede responder preguntas en lenguaje natural sobre históricos, partes de mantenimiento o consumos.
M2 términos
Machine Learning Aprendizaje automático
Rama de la IA en la que las máquinas aprenden patrones a partir de datos, sin ser programadas explícitamente para cada caso.
Ejemplo: en lugar de codificar reglas como "si la temperatura sube 5°C, alerta", un sistema de ML aprende automáticamente qué patrones de variables anteceden a un fallo.
MLOps
Conjunto de prácticas y herramientas para desplegar, monitorizar y mantener modelos de Machine Learning en producción de forma fiable y escalable. El equivalente a DevOps para IA.
Ejemplo: MLOps incluye pipelines de reentrenamiento, monitorización del drift del modelo y roll-back si una versión nueva empeora resultados.
N2 términos
Neural Network Red neuronal
Modelo computacional inspirado en el funcionamiento del cerebro, compuesto por capas de neuronas artificiales que transforman entradas en salidas.
Ejemplo: es el bloque base del Deep Learning. Las redes neuronales modernas pueden tener millones de neuronas distribuidas en decenas de capas.
NLP Natural Language Processing
Rama de la IA que se ocupa de procesar y entender el lenguaje humano: comprensión, generación, traducción, clasificación de textos.
Ejemplo: el NLP es lo que permite a un asistente industrial entender la pregunta "¿cuánto energía consumió el horno 3 ayer?" y responder con el dato exacto.
O2 términos
Overfitting Sobreajuste
Fenómeno en el que un modelo memoriza los datos de entrenamiento en lugar de aprender patrones generalizables. Funciona muy bien con lo conocido y muy mal con lo nuevo.
Ejemplo: un modelo con overfitting predice perfectamente los datos de los últimos 3 años pero falla cuando entra un lote de materia prima distinto al habitual.
OCR Reconocimiento óptico de caracteres
Tecnología que convierte texto contenido en imágenes o PDFs escaneados en texto digital editable y procesable por software, base de la automatización documental industrial.
Ejemplo: un OCR extrae automáticamente lotes, fechas y referencias de albaranes en papel y los carga al ERP sin intervención humana, eliminando errores de transcripción.
P3 términos
Physics-Informed Neural Networks PINNs
Redes neuronales que incorporan ecuaciones físicas conocidas del proceso durante su entrenamiento. Combinan datos reales con leyes físicas para predicciones más fiables y defendibles.
Ejemplo: en plantas de acero, una PINN respeta las leyes de transferencia térmica del horno además de aprender de los datos históricos, lo que produce predicciones que ingeniería puede defender técnicamente.
Prompt
Instrucción o pregunta que se da a un modelo de IA generativa (típicamente un LLM) para obtener una respuesta concreta. La calidad del prompt afecta directamente a la calidad de la respuesta.
Ejemplo: el prompt engineering es la disciplina de escribir buenas instrucciones para extraer el máximo valor de un modelo de lenguaje.
Predictive Maintenance Mantenimiento predictivo
Estrategia de mantenimiento basada en modelos de IA que analizan datos de sensores (vibración, temperatura, consumo) para anticipar fallos antes de que ocurran y planificar la intervención.
Ejemplo: un modelo de mantenimiento predictivo avisa con 10 días de antelación de un fallo inminente en un compresor, evitando una parada no planificada de toda la línea.
R3 términos
RAG Retrieval-Augmented Generation
Técnica que combina un LLM con una base de conocimiento propia. Antes de responder, el modelo recupera información relevante de tus documentos y la usa para generar la respuesta.
Ejemplo: un asistente industrial con RAG puede responder sobre tus históricos de planta concretos, no solo sobre conocimiento general.
Red Neuronal
Versión en español de Neural Network. Modelo computacional formado por capas de unidades de procesamiento conectadas entre sí que aprenden patrones a partir de datos.
Ejemplo: ver entrada "Neural Network" para detalle. Es el bloque base de toda la familia de Deep Learning.
Random Forest Bosque aleatorio
Algoritmo de machine learning que combina muchos árboles de decisión entrenados sobre subconjuntos aleatorios de los datos. Suele dar predicciones robustas y resistentes al sobreajuste.
Ejemplo: un Random Forest predice el consumo energético horario de una nave industrial usando 30 variables (clima, turnos, producción prevista) con un error inferior al 5%.
S1 término
SHAP SHapley Additive exPlanations
Técnica de IA explicable (XAI) que asigna a cada variable un valor que indica cuánto ha contribuido a una predicción concreta del modelo, haciendo auditables sus decisiones.
Ejemplo: tras una alarma de calidad, SHAP muestra que la temperatura del molde y la velocidad de la prensa han sido las dos variables decisivas, permitiendo al equipo ajustar el setpoint correcto.
T3 términos
Transfer Learning Aprendizaje por transferencia
Técnica que reutiliza un modelo entrenado en un dominio (con muchos datos) para resolver un problema parecido en otro dominio (con pocos datos). Ahorra meses de entrenamiento.
Ejemplo: partir de un modelo entrenado en millones de imágenes generales y adaptarlo a detectar defectos específicos de una línea de producción con solo unos cientos de imágenes propias.
Transformer
Arquitectura de red neuronal aparecida en 2017 que revolucionó la IA, especialmente en lenguaje. Es la base de los LLMs modernos: GPT, Claude, BERT, Llama, Mistral.
Ejemplo: el mecanismo de atención del Transformer permite procesar secuencias largas en paralelo, lo que lo hace mucho más rápido y potente que las arquitecturas anteriores.
Time Series Forecasting Predicción de series temporales
Conjunto de técnicas estadísticas y de deep learning (ARIMA, Prophet, LSTM, Temporal Fusion Transformer) usadas para anticipar valores futuros de variables que evolucionan en el tiempo.
Ejemplo: un modelo de forecasting predice la demanda eléctrica de la planta cada 15 minutos para optimizar la contratación de energía y reducir la factura.
U1 término
Underfitting Subajuste
Lo contrario del overfitting: el modelo es demasiado simple y no captura los patrones reales de los datos. Predice mal tanto en entrenamiento como en producción.
Ejemplo: un modelo lineal aplicado a un proceso industrial con relaciones no lineales sufrirá underfitting. La señal está en los datos, pero el modelo no la ve.
V2 términos
Validación cruzada
Técnica para evaluar la robustez de un modelo entrenándolo varias veces con diferentes particiones de los datos, asegurando que su rendimiento no depende del azar de la división.
Ejemplo: en lugar de partir los datos una sola vez en 80/20, se hace 5 veces con diferentes splits y se promedia. Da una medida más fiable del rendimiento esperado en producción.
Vector Database Base de datos vectorial
Base de datos diseñada para almacenar e indexar embeddings (vectores numéricos) y recuperarlos por similitud semántica, no solo por coincidencia exacta. Es la pieza clave de los sistemas RAG.
Ejemplo: un asistente IA recupera al instante los procedimientos más parecidos a una consulta del operario buscando sobre una base vectorial con miles de manuales internos.
W1 término
Weights Pesos
Valores numéricos que conectan las neuronas de una red neuronal y que se ajustan durante el entrenamiento. Son los parámetros que el modelo "aprende".
Ejemplo: un modelo de Deep Learning industrial puede tener millones o miles de millones de weights. Su combinación es lo que codifica el conocimiento aprendido.
X1 término
XAI Explainable AI
Acrónimo de Explainable AI (Inteligencia Artificial Explicable). Conjunto de técnicas que hacen que un modelo justifique sus decisiones de forma comprensible.
Familia de modelos de visión artificial en tiempo real capaces de detectar y clasificar múltiples objetos en una imagen en una sola pasada, optimizados para latencia muy baja.
Ejemplo: una cámara con YOLO en la línea de embotellado identifica botellas mal posicionadas a 60 fotogramas por segundo y las descarta antes del etiquetado.
Sin resultados
No hay términos que coincidan con tu búsqueda. Prueba con otra palabra clave.
