Finsa y Pescanova lanzan sus retos a los emprendedores

Finsa y el Grupo Nueva Pescanova han planteado los dos primeros retos para Galicia Open Future_: Edición Retos 4.0, el nuevo modelo del programa de aceleración de Telefónica, que busca dirigir el talento emprendedor hacia la resolución de problemas concretos de la industria gallega. El primero, gestionar y actuar sobre los elementos de sensórica de tableros y otros productos de madera instalados en el hogar. El segundo,  disponer de un modelo de análisis predictivo para conocer el comportamiento del langostino criado en piscifactorías y hacer más eficiente su cría.

¿Cómo pueden las nuevas tecnologías dotar al sector de la madera de capacidades digitales para ofrecer a sus clientes un mobiliario más inteligente? Este es, precisamente, el reto planteado por Finsa a los emprendedores, con el objetivo de proporcionar a sus clientes finales una plataforma de software que permita acceder a los elementos de sensórica instalados en sus productos (tableros de madera, suelos laminados o componentes para muebles) y ejecutar acciones para crear hábitats inteligentes.

Finsa también busca desarrollar una plataforma que almacene datos de uso de los productos para poder obtener así un histórico que permita evolucionarlos. Su idea es que sea herramienta plataforma abierta a todos los fabrincantes para crear en el futuro un ecosistema del que múltiples agentes del sector se puedan beneficiar. Por último, quiere que el sistema cumpla con criterios de seguridad óptimos, para lograr la confianza del cliente final en este tipo de productos. En definitiva, el objetivo es tratar de integrar el tablero y los productos de madera de Finsa en el universo avanzado de la domótica.

Por otro lado, el Grupo Nueva Pescanova lanza el siguiente reto: "¿Cómo podemos modelizar los datos recogidos en los sucesivos ciclos de cría del langostino para predecir y corregir, en su caso, comportamientos y optimizar la toma de decisiones presentes y futuras?" Para el Grupo Nueva Pescanova, que dispone de más de 1.000 piscinas para cría de langostino ubicadas en distintas partes del mundo, la eficiencia óptima de este cultivo extensivo es un reto a conseguir, debido a la influencia de múltiples factores como el clima, las condiciones y la densidad de la siembra o la dosificación del alimento, entre otros, por lo que busca disponer de un modelo de análisis predictivo que permita anticipar comportamientos y disponer de curvas esperadas de superviviencia, crecimiento y rentabilidad. El objetivo final de este reto es incorporar al cultivo de langostino un método de autoaprendizaje en función de decisiones y resultados, de forma que en una fase posterior la producción se aproxime a su rentabilidad óptima.