Proyecto 1: Resultados más rápidos

Para los científicos de datos todo gira en torno a la formulación perfecta. Y, como no son poetas, eso significa que necesitan encontrar la formulación perfecta, es decir, una formulación para un producto que en última instancia haga las delicias del cliente. En este contexto, el cliente puede provenir de MPP, PLA, LAB o de otra BU. «Nosotros somos la instancia adecuada para los colegas que quieren mejorar las propiedades de un producto», afirma Lynn Ferres, del equipo de Data Science & AI, DSAI, de la unidad funcional IT.

El equipo de DSAI ha desarrollado un enfoque que permite hacer más rápido propuestas prometedoras de variantes optimizadas de productos con la ayuda del aprendizaje automático y ha aplicado con éxito este enfoque a varias unidades de negocios. Así, la BU PLA había conseguido ya desarrollar un magnífico retardante de llama. Ahora se debe probar con diferentes ingredientes en distintas cantidades para encontrar una versión optimizada de un plástico. Las complejas entradas y salidas multivariables se analizaron con la ayuda de un modelo de IA. El aprendizaje secuencial, un proceso continuo e iterativo, proporcionó varias formulaciones. «Nuestros expertos en retardantes de llama He Qingliang y Christopher Simpson decidieron cuál de estas propuestas había que seguir ensayando», explica Lynn Ferres. Su experiencia y conocimientos les permite hacer una buena valoración de las propuestas de la IA. «Ahora tenemos dos candidatos con excelentes propiedades en todas las variables objetivo», afirma Ferres. Los elegidos salen entonces del microcosmos del laboratorio y se fabrican a escala kilogramo. El material se somete después a pruebas para comprobar su resistencia a la tracción y a la flexión, y su alargamiento, así como sus propiedades ignífugas. No obstante, es posible que el cliente rechace los candidatos aunque obtengan muy buenos resultados en las pruebas. «Si son demasiado buenos, a menudo son demasiado caros. Entonces tenemos que ajustar el producto a los deseos y aplicaciones del cliente», explica Ferres con naturalidad. La empresa quiere generar ventas con sus innovaciones: ese es el objetivo final.

Hanna Kahlfeld, también científica de datos en el equipo de DSAI, acaba de terminar un proyecto con la BU MPP. «Los colegas acuden a nosotros cuando se atascan en el laboratorio. Los casos son siempre complicados», comenta. Sin embargo, con la ayuda del aprendizaje secuencial encontraron rápidamente una formulación que cumplía las propiedades especificadas. «Eso fue para nosotros una confirmación más de que nuestro enfoque funciona», afirma. Además, sirvió para convencer a otros, por lo que el desarrollo de la formulación con ayuda de la IA se dejó fijado en Innovation Excellence. Esto se debe a que ha demostrado que LANXESS es capaz de desarrollar más rápido productos nuevos y mejorados. Kahlfeld invita ahora a cualquiera a contactar con ella y su equipo si tiene alguna pregunta de este tipo.