LISTADO RETOS EXPIRADOS
Ances Open Innovation: RETO EVOLUTIO CLOUD ENABLER
Fecha de vencimiento: 04-03-2024
RETO: Optimización de Recursos en la Nube mediante el uso de Modelos Especializados de IA Generativa. En el actual entorno empresarial, donde la eficiencia en la utilización de recursos en la nube y la gestión efectiva de costes son vitales, este reto propone un enfoque innovador que combina la tecnología de IA Generativa con los principios de FinOps. FinOps, o la gestión financiera de la nube, es un enfoque práctico y estratégico que busca optimizar y alinear los costes de la nube con los objetivos empresariales. El desafío es desarrollar una herramienta de IA Generativa especializada que se nutra de estos principios de FinOps, brindando a las empresas la capacidad de gestionar sus recursos en la nube de manera más inteligente y rentable. Esta herramienta especializada será entrenada para analizar distintos tipos de documentos y datos, desde informes financieros hasta análisis técnicos, con el objetivo de identificar dónde y cómo se están utilizando los recursos en la nube, destacando áreas de ineficiencia y sugiriendo estrategias para una mejor gestión de costes y recursos, alineándose directamente con la filosofía de FinOps, que se centra en la toma de decisiones informadas y adaptativas en torno a la inversión en la nube. Una característica distintiva de la solución es su adaptabilidad y aprendizaje continúo debiéndose integrar con los distintos proveedores de servicios en la nube líderes como AWS, Google Cloud y Azure de Microsoft, permitiéndole de esta forma hacer recomendaciones precisas y personalizadas ante cualquier situación anómala que encuentre en la utilización de los recursos. El resultado pretendido será una herramienta avanzada de IA Generativa, que no solo proporcione recomendaciones de FinOps sino también, análisis y recomendaciones basados en datos extraídos de la nube, fusionando la tecnología con la estrategia financiera empresarial, abriendo nuevas posibilidades para la gestión eficiente de los recursos Cloud.
Ances Open Innovation: RETO DENSO TEN ESPAÑA
Fecha de vencimiento: 04-03-2024
El reto propuesto por TNES es establecer una Sala de Realidad Virtual que, valiéndose del material digital que ya estamos generando para el diseño de las nuevas líneas en Visual Components y Flexim, permita la detección de manera prematura durante la fase de Diseño de omisiones en las especificaciones de producto, al igual que fallos de concepción de la línea de montaje. De la misma forma, esa Sala de Realidad Virtual debe permitir durante las etapas de depuración y validación y la etapa de producción en serie, la realización de comprobaciones en el entorno digital complementarias a las realizadas en el entorno real para adelantar posibles fallos en la fabricación de las nuevas líneas o mejoras en producción masiva. Debe estar provista de herramientas que permitan hacer una validación virtual de todos los parámetros que afectan a la seguridad laboral, ergonomía, cumplimiento de tiempos ciclo, integración mecánica de diferentes estaciones, etc de las nuevas líneas de fabricación. Dicha sala debe tener la capacidad de conexión necesaria para poder compartir esta experiencia interna y externamente, siempre respetando los protocolos de ciberseguridad de TNES y el grupo DENSO. De esta forma podremos beneficiarnos del know-how de los colegas de otros centros de producción o de proveedores externos, incluso llegado el caso podremos hacer participes a nuestros clientes de la experiencia.
Ances Open Innovation: RETO CINFA
Fecha de vencimiento: 04-03-2024
Buscamos nuevas soluciones que mejoren el conocimiento, el manejo y la adhesión a los tratamientos de enfermedades crónicas, empoderando a pacientes y profesionales sanitarios, para mejorar la calidad de vida de las personas. Estas nuevas soluciones pueden ser muy diversas, desde soluciones digitales hasta nuevos tratamientos más eficientes, sistemas de mejora de la adhesión o dispositivos y tecnologías que permitan una mejor monitorización del paciente.
Ances Open Innovation: RETO CAPSA VIDA
Fecha de vencimiento: 04-03-2024
El reto de Capsa Vida, se focaliza en la búsqueda de oportunidades dentro de la cadena de valor del ingrediente funcional y el mismo se divide en tres tipos de subretos: Nuevos Ingredientes con evidencia científica sobre determinados efectos sobre la salud y aplicables a suplementos y/o matrices alimentarias. Tecnología para el desarrollo de procesos fermentativos con microorganismos, que permitan la producción eficiente de ingredientes de interés para la mejora nutricional de alimentos. Tecnologías que permitan mayor accesibilidad a servicios avanzados de monitoreo de la salud y recomendaciones nutricionales, que inciden en determinados aspectos de la salud concretos. El nivel de desarrollo de las soluciones debe estar al menos en TRL4 y tener una hoja de ruta clara sobre la propiedad intelectual y una hoja de ruta prevista para la explotación de la misma.
Ances Open Innovation: RETO DEHESA ARDALES
Fecha de vencimiento: 04-03-2024
El reto propuesto por AGROPECUARIA DEHESA ARDALES es conocer si hay algún método fácil de usar y rápido en su resultado por el que podamos conocer si un lleva únicamente leche de de ovejas manchegas y por tanto es un Queso Manchego 100 % o por el contrario lleva alguna mezcla de leche de otra raza de ovejas tipo lacona, assaf… que hacen que pierda esa categorización . No queremos un reto tipo análisis del queso sino más bien un tipo test rápido donde con solo pasar un hisopo o tira con un reactivo y/o cualquier otra sustancia podamos ver de forma intuitiva el resultado.
ENAIRE: RETO 1: DESARROLLO DE UN ASISTENTE DIGITAL PROACTIVO PARA CONTROLADORES DE TRÁFICO AÉREO
Fecha de vencimiento: 30-04-2024
El reto se centra en el desarrollo de un asistente digital dedicado a controladores de tráfico aéreo, cuya función principal es la gestión proactiva de la separación entre aeronaves. Se busca un sistema que, desde el inicio de su formación, aprenda y comprenda cómo los controladores se enfrentan a las complejidades de las rutinas y prácticas de control de tráfico aéreo. Saber más El asistente deberá acompañar diariamente al controlador, desde el inicio de su formación, ofreciendo opciones personalizadas para resolver conflictos de separación aérea basadas en su aprendizaje común y en el estilo específico del controlador de tráfico aéreo. En la última fase de entrenamiento, se espera que el asistente proponga y resuelva de manera autónoma los potenciales conflictos, siempre bajo la supervisión del controlador. El desafío impulsa la creación de un binomio Humano-Asistente altamente personalizado, especializado en la gestión eficiente y segura de la separación entre aeronaves. Se valorará especialmente la capacidad del asistente para anticipar y resolver pérdidas de separación, optimizando así la seguridad y eficiencia en el espacio aéreo. El asistente digital podría identificar cuándo la ejecución de las tareas del controlador se degrada y por tanto es necesaria una formación de refresco. El desarrollo de un asistente digital para controladores de tráfico aéreo implica considerar diversos aspectos y desafíos específicos de este entorno crítico. Se valorará positivamente la explicación sobre qué tecnología o combinación de tecnologías es la más adecuada para abordar los diferentes desafíos (IA generativa, aprendizaje profundo, algoritmos de optimización, Procesamiento de Lenguaje Natural (NLP), otros).
ENAIRE: RETO 2: EXPLORANDO LA FRONTERA CUÁNTICA: REDEFINIENDO LA EFICIENCIA EN LA PLANIFICACIÓN DE RECURSOS DEL ESPACIO AÉREO EUROPEO
Fecha de vencimiento: 30-04-2024
Este desafío se enfoca en la aplicación revolucionaria de la computación cuántica para mejorar la eficiencia y precisión en la planificación de recursos en el espacio aéreo europeo, donde miles de aeronaves se desplazan diariamente. La meta es explorar cómo la computación cuántica puede transformar la capacidad de analizar múltiples escenarios operativos de manera simultánea y eficiente. Saber más Actualmente, la incertidumbre en factores como fenómenos meteorológicos imprecisos o demoras en los despegues generan una planificación conservadora, con sistemas sobredimensionados y buffers que limitan la capacidad del espacio aéreo. Los participantes deberán idear soluciones cuánticas que aprovechen la capacidad de simulación de infinitos escenarios para prever con precisión eventos futuros. El objetivo es eliminar las ineficiencias derivadas de la falta de certeza en los eventos operativos y permitir una planificación de recursos más precisa y adaptable. Se valorará la creatividad y la eficacia en la aplicación de la computación cuántica para abordar este problema, ofreciendo así un enfoque innovador que podría transformar la forma en que se planifican y gestionan los recursos en el control de la navegación aérea en Europa.
ENAIRE: RETO 3: PREVENCIÓN PROACTIVA DE INCIDENTES AÉREOS
Fecha de vencimiento: 30-04-2024
El reto consiste en desarrollar una solución tecnológica avanzada que permita anticiparse y prevenir incidentes aéreos en el ámbito del Air Traffic Management (ATM). A diferencia de enfoques tradicionales que se centran en la detección de un único factor causal, el objetivo es interrumpir la cadena de errores identificando y corrigiendo cualquier error intermedio antes de que desencadene un incidente. Saber más Los participantes deben proponer un sistema inteligente que, a partir de la información disponible, analice activamente las operaciones y detecte patrones de comportamiento anómalos. La solución debe ser capaz de identificar posibles errores intermedios en la cadena antes de que evolucionen hacia situaciones críticas. Se valorará la eficacia del sistema para anticipar y prevenir incidentes, así como su capacidad para integrarse de manera armoniosa en el entorno del ATM. La solución propuesta debe ser proactiva, adaptativa y capaz de trabajar en tiempo real para mejorar significativamente la seguridad en el espacio aéreo y reducir la posibilidad de incidentes aéreos.
ENAIRE: RETO 4: OPTIMIZACIÓN Y CERTIFICACIÓN EFICIENTE DE MODELOS DE INTELIGENCIA ARTIFICIAL (IA) EN LA GESTIÓN DEL TRÁNSITO AÉREO
Fecha de vencimiento: 30-04-2024
En el ámbito de la Gestión del Tráfico Aéreo (ATM), uno de los desafíos más significativos es cómo certificar y mantener actualizados los modelos de Inteligencia Artificial (IA) de manera eficiente y segura, según las normativas de la Agencia de Seguridad Aérea de la Unión Europea (EASA). Saber más En particular, según EASA, los procesos de aprendizaje adaptativo, tan comúnmente utilizados en las redes sociales, donde los sistemas de IA ajustan su comportamiento y respuesta en función de la experiencia y retroalimentación recibida por el usuario en tiempo real, presentan un mayor desafío en un entorno tan crítico como es el control de tráfico aéreo. La certificación implica demostrar que un sistema así entrenado es predecible, comprensible y capaz de operar de manera segura en una variedad de situaciones. Para ello, las soluciones al reto podrían enfocarse en diseñar estrategias para que los modelos de IA puedan actualizarse siempre dentro de los límites de su «Dominio de Diseño Operacional» (DDO) original. Esto significa que los modelos deben poder adaptarse a nuevas condiciones o datos sin salirse de los parámetros para los que fueron diseñados y certificados inicialmente. Esto requiere un equilibrio entre la mejora continua del modelo y el cumplimiento de las regulaciones de seguridad en la aviación. El reto busca encontrar en otros entornos críticos diferentes al ATM soluciones que puedan adaptarse y mantener los modelos de IA en el ámbito de la aviación, seguros, confiables y al día, respetando las normativas vigentes y garantizando la seguridad en todo momento.
ENAIRE. RETO 5: MODELADO PREDICTIVO PARA COMPORTAMIENTOS EN ENTORNOS ATM SIN ANTECEDENTES O DATOS HISTÓRICOS
Fecha de vencimiento: 30-04-2024
Este desafío se centra en la exploración de la inteligencia artificial en situaciones sin historial de datos, comunes en el ámbito del control de navegación aérea. A diferencia de los modelos convencionales que se basan en datos históricos, el objetivo es investigar cómo utilizar la inteligencia artificial para predecir comportamientos en escenarios "nuevos", donde no se dispone de datos previos para el entrenamiento convencional de modelos. Saber más Los participantes deberán proponer enfoques innovadores para la creación de modelos predictivos que puedan adaptarse a cambios significativos en el sistema de navegación aérea, incluso cuando no exista un historial de datos relevante, como por ejemplo el uso de aprendizaje por refuerzo y simulación, modelos generativos o transferencia de aprendizaje en situaciones relacionadas. La capacidad de simular e identificar efectos antes de la implementación de cambios en el sistema será fundamental para el éxito de las soluciones propuestas. Un ejemplo ocurrió durante la pandemia donde una situación similar no había ocurrido con anterioridad y se necesitaba predecir la demanda de tráfico para la correcta planificación de los recursos de control. Se valorará especialmente la creatividad en la aplicación de técnicas de inteligencia artificial en la predicción de comportamientos en situaciones no históricas, ofreciendo así herramientas avanzadas para el control de la navegación aérea en entornos dinámicos y cambiantes.