A través de inteligencia artificial se están detectando qué características de los modelos testados producen satisfacción en los usuarios, con la finalidad de aplicar estos criterios de confort en el diseño y en la fabricación del calzado

Predecir el confort en zapatos por variables como la sudoración y la temperatura que alcanza el pie es el último proyecto que está llevando a cabo Inescop junto a la UMH y en colaboración con el fabricante de calzado de seguridad, protección y uniformidad Panter. Curiosamente, el estrés térmico es uno de los aspectos que menos se ha estudiado hasta la fecha, sin embargo, este es un aspecto cada vez más demandado y valorado en el calzado por los consumidores.

Tras un testeo con 50 usuarios y 16 modelos de calzado, Inescop ha trasladado todo su trabajo de laboratorio a investigadores de la Universidad Miguel Hernández de Elche con el objetivo de que estos desarrollen un modelo predictivo diseñado para automatizar la percepción del usuario sobre el calzado. Los investigadores del Centro de Investigación Operativa (CIO) han desarrollado estos modelos predictivos en base a técnicas de Machine Learning, que se trata de un campo de la inteligencia artificial que a través de algoritmos permite identificar patrones en datos masivos y elaborar predicciones.

Aunque el proyecto está en una fase inicial, ya se ha podido predecir la sensación de confort de los sujetos, y en algunos de los casos los modelos han alcanzado precisiones superiores al 90%. A través de esta herramienta se están detectando qué características de los modelos testados producen satisfacción en los usuarios, con la finalidad de aplicar estos criterios de confort en el diseño y en la fabricación del calzado.