Descripción del proyecto
ESTE SUBPROYECTO ES PARTE DEL PROYECTO COORDINADO MIDAS, MIDAS PROPONE LA INVESTIGACION Y DESARROLLO DENTRO DE UN MODELO INTELIGENTE DEFINIDO EN 4 FASES (1ª F, IDENTIFICACION DE PATRONES/ANALISIS DE LA BONDAD DE LOS CONJUNTOS DE DATOS QUE DEFINENE LOS CASOS DE ESTUDIO, 2ªF, SELECCION DE VARIABLES/AHORRO EN EL COSTE COMPUTACION DE LAS FASES POSTERIORES, 3ª F, APLICACION DE SISTEMAS DE IDENTIFICACION PARA TAREAS DE CONTROL, SUPERVISION DE PROCESOS, ETC, 4ª F, APLICACION DE SISTEMAS PARALELOS DE COMPUTACION O MULTIPROCESADOR PARA CASOS DE ESTUDIO DEFINIDOS POR INGENTES CANTIDADES DE DATOS MULTIVARIABLE QUE TRASLADE DE FORMA PRACTICA LOS ESTUDIOS REALIZADOS EN EL CAMPO DE LA IA, LOS SISTEMAS DE IDENTIFICACION Y LOS SISTEMAS PARALELOS DE COMPUTACION PARA MODELADO DE PROCESOS INDUSTRIALES,EL OBJETIVO DE ESTE SUBPROYECTO SE CENTRA EN EL DISEÑO DE LAS 3 PRIMERAS FASES DE MIDAS, UNA VEZ DISEÑADO EL MODELO SE IMPLEMENTARA UN PROTOTIPO PARA SU EVALUACION EN UN PROCESO EN 2 CASOS DE ESTUDIO, LA OBTENCION DE ESTE MODELO REQUIERE LO SIGUIENTE, 1)SE INVESTIGARA EL USO DE SISTEMAS CONEXIONISTAS BASADOS EN APRENDIZAJE NO SUPERVISADO PARA REALIZAR EL ANALISIS E IDENTIFICACION DE PATRONES QUE DEFINAN LOS DISTINTOS PROCESOS INDUSTRIALES, ESTE PROCESO PERMITIRA ADEMAS IDENTIFICAR LA BONDAD DE LOS EXPERIMENTOS REALIZADOS PARA CONOCER SI SON LO SUFICIENTEMENTE INFORMATIVOS O SI HA HABIDO ALGUN ERROR EN LA FASE EXPERIMENTAL, EN CUYO CASO ES NECESARIO VOLVER A REALIZARLOS, SE INVESTIGARA PARA MEJORAR ESTOS MODELOS MEDIANTE, POR EJEMPLO, LA APLICACION DE ENSEMBLES Y MODELOS DE FUSION CON EL OBJETIVO DE OPTIMZAR LOS PROCESOS DE VISUALIZACION/CLASIFICACION, ASI COMO GEREAR MODELOS MAS ESTABLES, 2)SE INVESTIGARA EL POTENCIAL DE LOS SIST, CONEXIONISTAS ANTERIORES EN TAREAS DE SELECCION DE VARIABLES QUE SIRVAN PARA DEFINIR DE LA FORMA MAS ADECUADA UN CASO DE ESTUDIO, PERMITIENDO ASI UN AHORRO EN EL COSTE COMPUTACIONAL DE LOS ANALISIS POSTERIORES, TAMBIEN SE COMPARARAN Y APLICARAN MODELOS DE SELECCION DE CARACTERISTICAS, COMO POR EJEMPLO, TIPO FILTER Y WRAPPER, SE INVESIGARAN ADEMAS NUEVOS METODOS ASI COMO MODELOS HIBRIDOS, 3) SE INVESTIGARAN SISTEMAS DE IDENTIFICACION PARA MODELADO DE PROCESOS, LO QUE PERMITIRA REALIZAR TAREAS ORIENTADAS AL CONTROL Y LA SUPERVISION DE PROCESOS, OPTIMIZACION Y PREDICCION, ASI COMO DIAGNOSTICO PREDICTIVO Y LA INNOVACION EN SISTEMAS, NUESTRA INVESTIGACION SE CENTRARA EN EL DESARROLLO DE ALGORITMOS HIBRIDOS DE OPTIMIZACION DE VENTANAS DE PROCESABILIDAD A PARTIR DE ALGORITMOS DE IDENTIFICACION QUE SIMULEN Y MODELEN EL PROCESO Y PROPORCIONEN SOLUCIONES INICIALES, FUNCIONES DE COMPORTAMIENTO DE LA DINAMICA DEL SISTEMA CON LAS RESTRICCIONES, DE ALGORITMOS GENETICOS, OPTIMIZACION DE LOS PARAMETROS DEL PROCESO DE FORMA MULTIOBJETIVA, LA INNOVACION ESTRIBA EN QUE ALGORITMO DEBERA RECALCULAR LOS PARAMETROS OPTIMOS A LO LARGO DE LAS DIFERENTES ETAPAS DE LA VIDA DEL PROCESO -MAQUINA O PROCESO INDUSTRIAL A OPTIMIZAR,SE DESARROLLARA UN PROTOTIPO Y APLICARA EN COLABORACION CON VARIAS EPOS, EN EL MARCO DE VARIOS CASOS DE ESTUDIO: 1)AUTOMOCION (EPO: GRUPO ANTOLIN INGENIERIA S,A APLICACION: OPTIMIZACION DE PROCESOS DE MICROMECANIZADO LASER: EVAPORACION CONTROLADA DE MATERIAL DEBIDO A LA INTERACCION ENTRE LA SUPERFICIE DE LA PIEZA Y LOS PULSOS LASER DE ALTA ENERGIA, 2)TERAPEUTICAS MEDICAS(ODONTO-ESTOMATOLOGICAS)(EPO:TARAMI,S,L)APLICACION: REHABILITACION-RESTAURACION BUCO-DENTAL, MEJORA EN EL PROCESADO Y ELABORACION DE PROTESIS DENTO-BUCAL, INTELIGENCIA ARTIFICIAL\ALGORTIMOS DE CONTROL E IDENTIFICACION\RNA\ENSEMBLES\SITEMAS HIBRIDOS INTELIGENTES\SELECCION DE CARACTERISTICAS\EPP\APRENDIZAJE NO SUPERVISADO\APLICACIONES INDUSTRIALES: MICROMECANIZA