CA | ES | EN

Ignasi Puig de Dou | Datancia
Gráinne Costigan | HP

CEO
Data Scientist. Large Format Printing
Ignasi Puig de Dou Datancia i Gráinne Costigan HP

Ignasi Puig de Dou | Datancia
Gráinne Costigan | HP

CEO
Data Scientist. Large Format Printing

Biografía

Ignasi Puig es Ingeniero Industrial por la ETSEIB-UPC y Máster en Investigación de Operaciones por la Universidad de Purdue (Indiana) con una beca Fulbright la Caixa. Ha realizado el programa PDD de IESE y recientemente ha completado el Máster en Estadística de la FME-UPC. Junto con algunos miembros del Departamento de Estadística de la Escuela de Ingeniería Industrial han creado la empresa Datancia, orientada a proporcionar herramientas y métodos de Analítica Avanzada a empresas. Anteriormente trabajó en Accenture en proyectos de Supply Chain para la industria del automóvil y en Hewlett-Packard como Director de Planificación y Control de la Producción de las impresoras de gran formato.

Gráinne Costigan obtuvo su Licenciatura en Física, Master en Matemáticas y el Doctorado en Astrofísica mientras trabajaba en varios institutos de investigación de Europa. Después de completar un Postdoc en la Universidad de Leiden, donde trabajaba en el área de Big Data del último satélite europeo, hizo la transición a la industria donde continúa disfrutando analizando datos. Trabajar en el mundo industrial ha presentado nuevos desafíos, y durante el último año y medio, trabaja en el equipo de Big Data de la División de Large Format Printing en Hewlett-Packard Sant Cugat, haciendo que las impresoras sean más inteligentes.

PONENCIA: Seguimiento de impresoras industriales e identificación de fallidas. El caso HP

Monitorizar el uso de equipos industriales y su tasa de fallos de una manera «inteligente» es clave para asignar recursos de soporte a las máquinas que requieren atención. Esto es especialmente relevante si las máquinas se cuentan por miles y se hallan distribuidas por todo el mundo. La División de Large Format Printing de Hewlett Packard se enfrentó al desafío de identificar de forma automática y regular aquellas impresoras que requerían soporte de ingeniería. El proyecto necesitó de un enfoque práctico donde los objetivos debieron ajustarse a los datos y capacidades disponibles, se implementaron procesos de data quality y metodologías avanzadas de reducción de la dimensionalidad e inferencia probabilística.