05 mayo 2026, 9:15 am - 10:00 am
Webinar - Machine Learning aplicado a la detección temprana de anomalías
Las redes de distribución y transporte de energía generan continuamente grandes volúmenes de datos operacionales: voltajes, corrientes, estados de dispositivos o métricas de comunicación. En el área de la Inteligencia Artificial, el reto ya no es capturar estos datos, sino aplicar analítica avanzada para interpretarlos a tiempo. Mediante el uso de modelos predictivos y el procesamiento de Big Data, podemos transformar el flujo de información en conocimiento accionable para anticipar incidencias.
En este webinar exploraremos cómo las capacidades de Machine Learning de LUCA BDS 4.0 permiten automatizar la detección de patrones complejos, mejorando la resiliencia y la eficiencia operativa. Veremos cómo el aprendizaje automático ayuda a identificar desviaciones que pasarían desapercibidas para sistemas tradicionales, convirtiendo los datos de red en alertas preventivas reales.
A través de técnicas de detección de anomalías y modelos de forecasting sobre series temporales, mostraremos cómo anticipar degradaciones, identificar eventos anómalos y optimizar la toma de decisiones en entornos críticos con capacidades de IA.
Temas a tratar:
- Fundamentos de series temporales aplicadas a métricas de red
- Detección de anomalías con modelos no supervisados (Isolation Forest, autoencoders)
- Modelos de forecasting (ARIMA, Prophet, LSTM)
- Integración de modelos en sistemas de alerta temprana
- Casos de uso reales en utilities y telecomunicaciones
- Demo en vivo sobre LUCA BDS 4.0
Agenda del webinar:
- Contexto y retos en la gestión de redes: volumen de datos y necesidad de anticipación
- Machine Learning aplicado a la detección temprana de anomalías
- Forecasting en métricas de red para predicción de comportamiento
- Casos de uso reales en infraestructuras energéticas y telecomunicaciones
- Demo en directo con LUCA BDS 4.0
- Turno de preguntas
