Diagnóstico de fallos por IA en grúas sin anotación manual
📋 Resumen clave
El núcleo del aprendizaje autosupervisado consiste en que el modelo, sin depender de etiquetas manuales, construya por sí mismo "tareas de preentrenamiento" a partir de grandes volúmenes de datos de sensores no anotados para aprender representaciones. Por ejemplo, ocultar un segmento de una señal de vibración para que el modelo lo complete, o hacer que el modelo aprenda representaciones similares a partir de datos de diferentes perspectivas de un mismo equipo. Lo que se aprende es una representación general capaz de capturar las reglas subyacentes de los datos, no una respuesta directa; posteriormente, con un ajuste fino mediante una pequeña cantidad de datos anotados, se puede aplicar al diagnóstico de fallas, la detección de anomalías y la evaluación de tendencias de vida residual. El límite clave es que reduce la dependencia de la anotación, no la elimina: las tareas posteriores aún requieren algunas etiquetas, y este enfoque aún se encuentra en una etapa temprana en el sector de las grúas, por lo que no puede sustituir la revisión manual.
Una grúa en operación genera cada día, a través de sensores de vibración, corriente, temperatura e imagen, una cantidad de datos varios órdenes de magnitud superior a las muestras etiquetadas que acumula en un año. Sin embargo, los datos anotados realmente utilizables para entrenar IA son escasísimos: etiquetar un solo evento como "esta vibración corresponde a desgaste temprano de rodamientos" exige que un ingeniero experimentado revise las formas de onda segmento por segmento, y las muestras reales de fallas son extremadamente raras.
Entonces surge la pregunta: ¿todos esos datos sin etiquetar tienen que quedarse acumulando polvo en el disco duro?
Sí hay respuesta, y se llama aprendizaje autosupervisado. Su enfoque resulta algo contraintuitivo: no se le da al modelo una respuesta estándar, sino que se le permite plantearse sus propios problemas y corregirse a sí mismo, comprendiendo primero las reglas subyacentes de los datos. En su investigación sobre la implementación de IA en grúas, Kelude Industrias Pesadas considera este enfoque como un candidato importante para "reducir la dependencia de la anotación", siendo plenamente consciente de sus límites: complementa el aprendizaje de representaciones en la fase inicial, no sustituye la toma de decisiones en la fase final.
Qué aprende realmente el aprendizaje autosupervisado y en qué se diferencia del supervisado y el no supervisado
Comparar los tres paradigmas de aprendizaje ayuda a aclararlo. El aprendizaje supervisado se apoya en etiquetas manuales y el modelo aprende una asignación de "entrada a respuesta"; el no supervisado carece por completo de etiquetas y solo puede realizar descubrimientos estructurales como agrupamiento o reducción de dimensionalidad; el autosupervisado se sitúa entre ambos: no requiere etiquetas manuales, pero construye automáticamente un objetivo de entrenamiento tipo "pseudoetiqueta" a partir de los propios datos, objetivo que se denomina tarea de preentrenamiento.
La clave de la tarea de preentrenamiento es que "se genera automáticamente". Por ejemplo, si se oculta aleatoriamente una parte de una imagen para que el modelo la complete, nadie necesita decirle qué hay allí; la respuesta correcta está en la propia imagen original. Trasladando esta lógica a una grúa: si se eliminan unas decenas de milisegundos de una señal de vibración y se pide al modelo que prediga la parte eliminada, la respuesta se encuentra en el propio contexto de la señal.
El resultado directo del modelo no es un diagnóstico de falla, sino una "representación", es decir, una transformación de la señal original en un conjunto de vectores de características más compactos y que reflejan mejor las reglas subyacentes. Esta representación es el verdadero valor del aprendizaje autosupervisado: no está orientada a ninguna tarea específica, pero puede ser compartida por múltiples tareas posteriores. Esta es la diferencia más esencial con el aprendizaje supervisado: el supervisado aprende "cómo responder a una pregunta concreta", mientras que el autosupervisado aprende "cómo comprender los datos en sí mismos".
Un punto que suele generar confusión: el autosupervisado se clasifica a menudo dentro del no supervisado, porque ambos prescinden de etiquetas manuales. Pero la diferencia radica en el objetivo: el agrupamiento o la reducción de dimensionalidad del no supervisado suelen estar orientados a la tarea, y el resultado es un agrupamiento final; la tarea de preentrenamiento del autosupervisado, en cambio, está orientada a la representación, produciendo una representación general que luego se conecta con tareas posteriores. La calidad de esta representación se valida finalmente mediante el ajuste fino con una pequeña cantidad de anotaciones.
Qué tipos de tareas de preentrenamiento "autogeneradas" se pueden crear con datos de grúas
El aprendizaje autosupervisado no es un algoritmo único, sino una familia de enfoques. Aplicado a los datos de vibración, corriente e imagen de una grúa, las tareas de preentrenamiento que se pueden construir se dividen en tres grandes grupos, cada uno adecuado para una forma de datos y capacidades de aprendizaje distintas.
El primer grupo es el modelado por enmascaramiento, cuyo principio es "ocultar una parte y completarla". En señales temporales, se elimina un segmento de la forma de onda de vibración y se pide al modelo que lo prediga; en imágenes, se divide la imagen de la carga o del Cable de Acero en parches y se ocultan aleatoriamente algunos para que el modelo los reconstruya. Este grupo es adecuado para aprender la estructura local y las dependencias contextuales de la señal, y es el más discutido actualmente en datos de series temporales industriales.
El segundo grupo es el aprendizaje contrastivo, cuyo principio es "acercar lo similar y alejar lo disimilar". Para un mismo equipo en una misma condición de operación, se toman ventanas de dos momentos diferentes o canales de dos sensores distintos, y se pide al modelo que aprenda representaciones similares; para datos de condiciones de operación diferentes, se separan las representaciones. Este grupo es adecuado para aprender "qué cambió y qué no", y tiene una afinidad natural con la detección de anomalías.
El tercer grupo es la codificación predictiva, cuyo principio es "predecir el futuro a partir del pasado". Se muestra al modelo los segundos anteriores de vibración y corriente para que prediga la tendencia posterior. Esta es la misma lógica subyacente que la de los grandes modelos de lenguaje que "predicen la siguiente palabra", y las representaciones aprendidas contienen de forma natural información sobre la evolución dinámica, lo que resulta adecuado para tareas de tendencia como la vida residual.
Estos tres grupos no son mutuamente excluyentes y pueden combinarse en la práctica. La siguiente tabla compara sus diferencias clave para facilitar la selección según la forma de los datos.
| preentrenamientoTarea | Entrada típica | Formato de formulación | Representación aprendida | Uso posterior | Madurez de ingeniería |
|---|---|---|---|---|---|
| Modelado de señales enmascaradas | vibración/CorrienteSecuencia temporal | Eliminar un segmento para que el modelo lo complete | Contexto local y global de la señalestructura | Diagnóstico de Fallaspreentrenamiento | Validación temprana |
| comparaciónAprendizaje（Secuencia temporal） | Igualcondición de operaciónMúltiplesistema de acceso | Aproximación de ventanas similares、Separación de ventanas disímiles | condición de operaciónRepresentación invariante | AnomalíaDetección | Validación temprana |
| Codificación predictiva | Continuovibración/CorrienteSecuencia | Predicción de tendencia futura desde el pasado | Ley de evolución dinámica | vida residualTendencia | Validación temprana |
| Modelado de imágenes enmascaradas | Carga suspendida/Cable de AceroImagen | Reconstrucción de bloques de imagen ocultos | visiónCapa baseestructura | detección de defectosajuste fino | Validación temprana |
| comparaciónAprendizaje（Imagen） | Imágenes multivista del equipo | Alineación de vistas aumentadas | Representación invariante a pose e iluminación | ObjetivoIdentificación | Fase de investigación |
| Autoregresión generativa | Señal de secuencia larga | Predicción punto a punto del siguiente valor | Modelado de distribución de secuencias | Puntuación de anomalía | Fase de investigación |
| Alineación multimodal | vibración+Imagen+Texto | Alineación por pares multimodales | Representación unificada multimodal | Recuperación de conocimiento operativo | Fase de investigación |
¿Cuándo merece la pena el autoaprendizaje? Primero calcule el costo de anotación y el volumen de datos
La premisa del valor del autoaprendizaje es que haya suficientes datos no anotados y que la anotación manual resulte lo bastante costosa. Esta premisa suele cumplirse en el entorno de las grúas: por un lado, la GB/T 28264 — Sistema de Monitoreo y Gestión de Seguridad para Aparatos de Elevación exige la recopilación y el registro continuos de diversos parámetros de operación, lo que ya constituye un volumen considerable de datos no anotados; por otro lado, la plataforma de visión IA en la planta, para lograr un reconocimiento de defectos preciso, ha acumulado cientos de miles de muestras anotadas, lo que representa una inversión real en costo de anotación.
Pero que la premisa se cumpla no significa que cualquier proyecto deba adoptar el autoaprendizaje. Para decidir si conviene introducirlo, se recomienda evaluar tres aspectos.
El primero es el balance de datos. ¿Se dispone de una fuente continua y de alta calidad de datos no anotados, o los sensores son escasos y las marcas de tiempo no coinciden? Si la fuente de datos no es adecuada, el autoaprendizaje no podrá extraer conocimiento útil. La calidad de la recopilación en este paso puede verificarse conforme a los requisitos de instalación y calidad de datos establecidos en la ISO 24445:2020 — Especificación técnica para sensores inteligentes en grúas.
El segundo es el balance de anotación. ¿El volumen de anotaciones existente realmente se ha convertido en un cuello de botella? Si el proyecto ya cuenta con un flujo de anotación consolidado, optar directamente por el aprendizaje supervisado resulta más sencillo.
El tercero es el balance de beneficios. ¿El ahorro en costo de anotación que aporta el autoaprendizaje compensa la potencia de cálculo adicional requerida para el preentrenamiento y la mayor complejidad de ingeniería?
Una vez evaluados estos tres aspectos, la conclusión suele recaer en dos tipos de condiciones de operación. El primero es el de "etiquetas extremadamente escasas", como fallos poco frecuentes o condiciones anómalas, donde apenas se acumulan unas pocas muestras al año. En este caso, el mayor beneficio se obtiene al permitir que el modelo aprenda representaciones a partir de una gran cantidad de datos normales y luego se ajuste con un número mínimo de muestras anómalas. El segundo es el de "datos extremadamente abundantes", donde el volumen es tan grande que la anotación manual no da abasto; el autoaprendizaje permite procesar primero el stock de datos no anotados y reservar los recursos de anotación para las muestras más críticas. Fuera de estos dos escenarios, si el volumen de datos es reducido y las etiquetas no escasean, forzar el autoaprendizaje suele resultar contraproducente.
| Fase de implementación | Práctica ideal | Restricciones reales | Ingenieríarecomendación |
|---|---|---|---|
| Adquisición de datos | Datos completos de alta calidad sindatos anotados | Sensordatos faltantes、Muestras de parada escasas | Compensar primeroSensorysincronización de reloj |
| preentrenamiento | Gran escala y largo ciclopreentrenamiento | potencia de cálculoy limitación de tiempo | Validar a pequeña escala antes de ampliar |
| Posteriorajuste fino | Cantidad reducidaanotaciónSuficiente para adaptarse | Las etiquetas de fallo siguen siendo difíciles de obtener | Expandir etiquetas con aprendizaje semisupervisado |
| Decisión de despliegue | Juicio autosupervisado en tiempo real en el extremo | requisitos de seguridadNo interpretable | Solo como apoyo、Conservarrevisión manual |
Autosupervisión sin mitos: cuatro límites y errores frecuentes en su aplicación industrial
El aprendizaje autosupervisado ha madurado en visión por computadora y procesamiento del lenguaje natural, pero en entornos industriales como el de las grúas, su adopción aún está en una fase temprana. Dejar esto claro es más importante que cualquier alarde técnico.
El primer límite es la falta de explicabilidad. Las representaciones aprendidas por autosupervisión son vectores de características de alta dimensión; al ingeniero le resulta difícil precisar si "la dimensión 37 corresponde a la holgura del rodamiento o al estado de lubricación". Esta falta de explicabilidad determina que, por ahora, solo pueda usarse como criterio auxiliar y no para activar directamente acciones de seguridad como el frenado o la parada de emergencia.
El segundo límite es que sigue siendo necesaria la anotación. La autosupervisión reduce la dependencia de datos etiquetados, pero el ajuste fino posterior y la aceptación final requieren inevitablemente una cierta cantidad de etiquetas de alta calidad. Reduce el esfuerzo de "anotar cientos de miles de imágenes" a "anotar unos miles", pero no lo elimina por completo. En Kelude consideramos que la autosupervisión es más adecuada como preentrenamiento previo dentro de un pipeline supervisado que como sustituto.
El tercer límite es la dificultad de validación. No existe un indicador directo para evaluar la calidad de las representaciones; solo se puede comprobar si la tarea downstream mejora. Esto implica que el ciclo de aceptación de un proyecto de autosupervisión es más largo, y el equipo de ingeniería debe tener la paciencia de "validar primero a pequeña escala y luego escalar". El criterio de aceptación puede seguir el enfoque de la Norma ISO 4310 sobre especificación y procedimientos de ensayo de grúas en cuanto a la adquisición y evaluación de datos de ensayo, integrando la salida del modelo en el marco de inspección existente para su comparación.
El cuarto límite es la articulación con las normas. Lo que aprende el modelo debe, en última instancia, verificarse dentro del marco normativo de monitoreo de seguridad y diagnóstico de fallos por IA de la grúa: la fuente de datos, la calidad del muestreo y los límites para la determinación de anomalías deben alinearse con las normas vigentes, no constituir un sistema paralelo. Las representaciones y puntuaciones de anomalía generadas por autosupervisión deben servir, en esencia, a los escenarios de diagnóstico y alerta temprana regulados por normas como la ISO 24621:2022 sobre diagnóstico de fallos por IA en grúas.
📊
Disponibilidad de datos
Verificar si los datos no anotados se recopilan de forma continua y de calidad, y si los relojes están sincronizados
🏷️
Costo de anotación
Evaluar si el volumen de anotaciones existente es realmente tan alto como para justificar la autosupervisión
🧩
Tarea de preentrenamiento
Comprobar si el planteamiento de la tarea se ajusta a las condiciones de operación y a la forma de los datos
✅
Validación downstream
Comprobar si las representaciones aprendidas pueden validarse con una pequeña cantidad de anotaciones
🔒
Límite de seguridad
Mantener siempre la revisión manual y el enclavamiento de seguridad
⏳
Expectativa de madurez
Aceptar una "validación temprana" en lugar de una solución madura
El valor del aprendizaje autosupervisado reside en dar utilidad a los volúmenes masivos de datos no anotados, en lugar de dejarlos almacenados sin uso. Sus límites son igualmente claros: la representación no es una decisión, el preentrenamiento no es una aceptación, y la validación temprana no es una solución madura. En Kelude integramos este enfoque como fase previa del pipeline de datos y algoritmos, junto con la limpieza de datos y el aprendizaje semisupervisado, con el objetivo de que cada inversión en anotación se destine a las muestras más críticas. En cuanto al alcance de su capacidad para sustituir la anotación manual, la respuesta solo puede basarse en la verificación real en condiciones de operación.
📖 Lecturas relacionadas:Plataforma de entrenamiento de visión IA para grúas y 500 000 imágenes con anotación de defectos | Visión general del sistema de visión IA y detección para puentes grúa | Gestión de la salud de los equipos (PHM) y mantenimiento predictivo para puentes grúa
Preguntas frecuentes
P: ¿Cuál es la diferencia real entre el aprendizaje autosupervisado y el supervisado? ¿Puede sustituir la anotación manual?
R: El aprendizaje supervisado se basa en etiquetas manuales y aprende directamente el mapeo de "entrada a respuesta"; su precisión máxima es alta, pero depende de una gran cantidad de anotaciones. El aprendizaje autosupervisado no requiere etiquetas manuales: primero aprende representaciones generales mediante tareas de preentrenamiento y luego se ajusta con una pequeña cantidad de etiquetas. La diferencia clave es que la autosupervisión produce representaciones, no conclusiones, y la aceptación final siempre requiere datos anotados. Por lo tanto, no se trata de elegir entre uno u otro, sino de una secuencia: la autosupervisión procesa los datos no anotados a gran escala y reserva los valiosos recursos de anotación para las muestras más críticas.
P: ¿Cómo se vinculan las representaciones aprendidas por autosupervisión con los requisitos de monitoreo de seguridad de las grúas?
R: El aprendizaje autosupervisado solo genera representaciones, no decisiones de seguridad. Tomando como referencia los requisitos de adquisición de datos y tiempo real de la Norma GB/T 28264 — Sistema de Monitoreo y Gestión de Seguridad para Aparatos de Elevación, las alertas de anomalías producidas por el modelo deben integrarse en los flujos existentes de enclavamiento y revisión manual. La fuente de datos y la calidad del muestreo también deben cumplir con las especificaciones del sistema de monitoreo. Kelude Industrias Pesadas mantiene un principio claro en su implementación: el aprendizaje autosupervisado solo sirve como apoyo predictivo; la decisión final de seguridad recae siempre en el personal y en las reglas establecidas, sin omitir la verificación aunque el modelo presente un alto nivel de confianza.
P: ¿Cuántos datos y qué hardware se necesitan para implementar aprendizaje autosupervisado? ¿Cuál es el coste aproximado?
R: El valor del aprendizaje autosupervisado se basa en la disponibilidad de una cantidad suficiente de datos no anotados. Normalmente se requieren datos de larga duración, como vibración y corriente, recopilados de forma continua por el sistema de monitoreo. La magnitud exacta depende de la condición de operación y la complejidad de la tarea, sin que exista una cifra estándar. En cuanto al hardware, la fase de preentrenamiento exige cierta potencia de cálculo, pero muy inferior a la necesaria para entrenar un modelo grande desde cero. En la fase de inferencia, si solo se trata de extraer representaciones para puntuar anomalías, un dispositivo de borde suele ser suficiente. El coste clave no está en el hardware, sino en la validación de ingeniería: es necesario confirmar repetidamente si las representaciones aprendidas son útiles para las tareas posteriores, una inversión que a menudo se subestima.
P: ¿Por qué el aprendizaje autosupervisado puede extraer características útiles sin depender de etiquetas manuales?
R: Porque la tarea de preentrenamiento oculta la «respuesta correcta» dentro de los propios datos. En el modelado enmascarado, la señal que se elimina actúa como la respuesta de referencia; la precisión del modelo se evalúa comparando su predicción con la señal original. Al repetir este proceso de autoevaluación, el modelo se ve forzado a capturar estructuras subyacentes recurrentes en la señal, como la periodicidad, los cambios bruscos de amplitud o las correlaciones entre canales. Estas estructuras reflejan directamente la condición de operación y el estado de salud del equipo. Por tanto, lo que aprende es un conjunto de características transferibles, no la memorización de una categoría de fallo concreta.
