IDEPA-Gonvarri MS R&D. V Edición Primas Proof of Concept (2022)

Resumen de los resultados

 

Farm4future, herramienta de diseño óptimo y personalizado de invernaderos mediante gemelos digitales

 

La población mundial, en constante aumento, necesita alimentarse garantizando la salud del planeta, y el terreno disponible es limitado. Precisamente para producir "más con menos", los invernaderos juegan un papel crucial. Farm4future busca validar una herramienta de análisis what-if para optimización de diseño de reducción de costes mediante la simulación con un gemelo digital que sea totalmente representativo de sus propios invernaderos.

Presenta la candidatura, Marina Díaz Piloñeta, del grupo de investigación en proyectos de ingeniería e ingeniería sostenible.

 

Modelización y monitorización de estructuras o detalles estructurales sometidos a fatiga

 

Con este proyecto se propone desarrollar una metodología para determinar la curva S-N de detalles constructivos sometidos a fatiga, utilizando modelos de elementos finitos. A partir del modelo númerico se determinarán los coeficientes de concentración de tensiones de la unión y se obtendrán curvas S-N modificadas.

Presenta la candidatura: Pelayo Fernández Fernández del grupo de dinámica, materiales y estructuras (DyMast)

 

 

Sistemas de bajo coste para la automatización de la inspección superficial usando nuevas técnicas de visión artificial y aprendizaje profundo

 

Fabricación inteligente. El objetivo de este proyecto es automatizar la inspección superficial en la línea de decapado de la planta en el marco de la industria 4.0 y la fabricación inteligente, proporcionando un sistema robusto y fiable de control de calidad. La propuesta se basa en la utilización de nuevas técnicas de visión artificial y aprendizaje profundo para detectar anomalías. 

Presenta la candidatura: Rubén Usamentiaga Fernández, del grupo de Informática/ASI

 

Desarrollo de patrones y elementos de referencia en metrología óptica para control metrológico de herramientas de corte

Respuesta de los materiales a la demanda en servicio de los productos. La propuestá está centrada en garantizar la fiabilidad y trazabilidad de las mediciones efectuadas con tecnologías de medición 3D sin contacto con el control metrológico de herramientas de corte. La idea se basa en garantizar la trazabilidad de medida con equipos láser de triangulación, cuando se aplican al control metrológico de herramientas de corte. 

Presenta la candidatura: Eduardo Cuesta González, del grupo de construcción e ingeniería de fabricación de la Universidad de Oviedo.

Aplicaciones a la industria 4.0 de los desarrollos para el sistema de trigger de muones de Level-1 del experimento CMS (CERN) utilizando FPGAs con aprendizaje automático

Fabricación inteligente (Impulsar la fábrica flexible, eficaz y conectada). El objetivo del proyecto consiste en proporcionar una demostración en laboratorio de algoritmos de aprendizaje automático para el reconocimiento de patrones en tiempo real basados en tarjetas FPGA que faciliten la exploración de aplicaciones en la industria 4.0.

Presenta la candidatura Santiago Folgueras Gómez, del departamento de física del grupo de física experimental de altas energías.

Herramientas genéticas para la detección temprana y control de organismos nocivos para la acuicultura en Asturias

Sostenibilidad y economía circular en el sector agroalimentario. El sector de la acuicultura no carece de desafíos entre ellos la bioseguridad y enfermedades de los animales. Es imprescindible el conocimiento sobre el estado de las aguas donde se cultivan los individuos que finalmente serán objeto de consumo. La detección de parásitos y microalgas causantes de floraciones algales es imprescindible para evitar daños mayores.

Presenta la candidatura: Alba Ardura Gutiérrez, del grupo de biología funcional del área de genética grupo ARENA

AERIA- Mantenimiento predictivo Autónomo basado en drones indooR e inteligencia artificial

Impulsar la fábrica flexible, eficaz y conectada. AERIA desarrolla una herramienta de mantenimiento preventido basada en la toma de datos de la maquinaria productiva mediante misiones autónomas indoor de un dron sensorizado para su aplicación en modelos predictivos de la monitorización de condición desarrollos con técnicas de inteligencia artificial. 

Presenta la candidatura: Joaquín Villanueva Balsera, del grupo de investigación en proyectos de ingeniería e ingeniería sostenible. 

 

Presentación de candidaturas