Premi Kowalski 2026

Alberto J. Ferrer Riquelme, catedràtic del Departament d'Estadística Aplicada, Investigació Operativa i Qualitat de la Universitat Politècnica de València (UPV), ha sigut reconegut amb el Premi Kowalski 2026 pel seu article “Regresión multibloque dinámica para la modelización de procesos”, realitzat junt amb Marco Cattaldo, doctor per la UPV, i la investigadora de l'Institut Noruec d'Investigació sobre Alimentació, Pesca i Aqüicultura (NOFIMA), Ingrid Måge, en el marc del projecte DIGIFOODS.

Dotat amb 500 dòlars, el Premi Kowalski és una de les distincions més prestigioses en l'àmbit de la quimiometria. Porta el nom de Bruce R. Kowalski, un dels pares de la quimiometria moderna i editor fundador de la revista Journal of Chemometrics, publicació que atorga un guardó que gaudeix de gran prestigi en la comunitat científica pel seu reconeixement d'avanços significatius —tant metodològics com aplicats— en l'anàlisi multivariant de dades, l'estadística, l'aprenentatge automàtic i les àrees afins aplicades a la química i a la ciència dels processos.

Com aprofitar de manera conjunta la informació procedent de diferents sensors, etapes o fonts de dades les relacions de les quals evolucionen amb el temps?

“El nostre article”, explica Alberto J. Ferrer Riquelme, “aborda un problema molt comú en la indústria: com aprofitar de manera conjunta la informació procedent de diferents sensors, etapes o fonts de dades les relacions de les quals evolucionen amb el temps per a comprendre millor un procés i predir el seu comportament”.

“Per a això”, afig, “desenvolupem noves eines que no sols mantenen una elevada capacitat predictiva, sinó que també ajuden a identificar quina informació és realment rellevant i com influeixen els canvis al llarg del temps. Això permet construir models més senzills, transparents i útils per a donar suport a la presa de decisions i la millora de processos industrials”, afirma.

Primer espanyol que ho aconsegueix en els últims 15 anys i tercer de la història

Amb la consecució del premi, Alberto Ferrer es converteix en el tercer espanyol de la història en el palmarès d'un guardó en el qual, prèviament, només figuraven altres dos investigadors espanyols, Anna de Juan i Romà Tauler, reconeguts el 2009.

“Per a nosaltres”, assenyala el catedràtic de la UPV, “aquest premi és un estímul per a continuar posant en valor les grans oportunitats que els mètodes estadístics multivariants tenen per a resoldre problemes reals amb un fort impacte en la millora de la qualitat, la seguretat i la productivitat en la indústria i, per tant, en la societat”.

Pròxims reptes

Així, com reconeix el professor Ferrer, “ara mateix continuem desenvolupant investigació en tècniques estadístiques multivariants combinades amb algorismes d'aprenentatge automàtic per a generar models interpretables que ajuden a la presa de decisions, i així poder transferir-los a la societat a través de les nostres dues empreses derivades (spin-off) UPV, Kenko Imalytics, dedicada al desenvolupament de biomarcadors d'imatge d'ajuda al diagnòstic i seguiment del càncer, i Kensight Solutions, enfocada a la consultoria i desenvolupament de programari d'anàlisi de dades per a la millora de processos industrials”.

Box Medal 2025

Guanyador de la Box Medal -guardó atorgat per l'European Network for Business and Industrial Statistics (ENBIS)- fa exactament un any, Alberto Ferrer es va formar com a enginyer agrònom a la UPV, on posteriorment es va doctorar en Estadística sota la supervisió del professor Rafael Romero-Villafranca, un dels millors estadístics industrials espanyols.

Posteriorment, Ferrer Riquelme va ampliar la seua formació acadèmica a l'estranger com a professor visitant a la Universitat de McMaster, on va conèixer el professor John F. MacGregor, també guardonat amb la Box Medal l’any 2014.

En l'actualitat, Alberto Ferrer dirigeix el Grup d'Investigació en Enginyeria Estadística multivariant (GIEM-UPV), centrat en la recerca i el desenvolupament de tècniques estadístiques multivariants per a la millora de la qualitat i productivitat de processos, així com en l'anàlisi de grans estructures de dades.