DIGITALIZACIÓN E INDUSTRIA 4.0 UNAI LÓPEZ NOVOA, PROFESOR AGREGADO EN EL DEPARTAMENTO DE LENGUAJES Y SISTEMAS INFORMÁTICOS DE LA UNIVERSIDAD DEL PAÍS VASCO. Imparte docencia en el Grado en Ingeniería Informática de Gestión y Sistemas de Información de la Escuela de Ingenería de Bilbao. Su área principal de investigación es la computación paralela y distribuida, con especial interés en sistemas de datos escalables y eficiencia energética. ENDIKA TAPIA FERNANDEZ. INVESTIGADOR DEL CENTRO DE FABRICACIÓN AVANZADA AERONÁUTICA. INGENIERO INFORMÁTICO EN GESTIÓN Y SISTEMAS DE INFORMACIÓN EN LA UNIVERSIDAD DEL PAÍS VASCO. Su área principal de investigación es la computación paralela y distribuida, con especial atención a los siguientes temas: computación de alto rendimiento, sistemas de procesamiento de datos escalables y protocolos de comunicación industrial y conectividad. LEONARDO SASTOQUE PINILLA, INVESTIGADOR DEL CENTRO DE FABRICACIÓN AVANZADA AERONÁUTICA. Doctor en Ingeniería de proyectos enfocado en el uso de herramientas de Inteligencia Artificial a la gestión de proyectos 4.0, Máster en dirección de proyectos europeos e ingeniero aeronáutico. Está especializado en la gestión y desarrollo de proyectos de transformación digital e implementación de tecnologías 4.0. Cuenta con experiencia en ingeniería de procesos y proyectos, e implementación de sistemas de gestión. Los resultados de estos entrenamientos se consolidan en un modelo central, que optimiza y gestiona el funcionamiento de cada nodo de manera eficiente. Este enfoque permite que los modelos se ajusten a las características específicas de cada nodo sin compartir datos sensibles, garantizando la privacidad y seguridad de la información. En la práctica, se asignará un nodo a cada máquina-herramienta, cada uno ejecutando un algoritmo de IA basado en datos históricos y en tiempo real sobre el consumo energético. Mientras las máquinas realizan sus tareas, se recogerán lecturas energéticas para predecir el consumo asociado a distintos programas. La eficacia de estas predicciones se evaluará mediante la REFERENCIAS Las referencias de este artículo pueden consultarse en: www.interempresas.net/a572842 comparación de los consumos estimados con los reales. Los resultados de cada nodo se integrarán en un modelo central, utilizando herramientas como TensorFlow Federated [10] o Flower [11], que gestionará las recomendaciones para la ejecución óptima de programas en las máquinas, maximizando la eficiencia energética y reduciendo costos.n 104 www.nederman.es Tel.: 916 592 430 N M Extracción humo “a pr El nuevo sistema MCP SmartF materia de ltración. Su nuev nano bras aplicada al materia inteligente y servicios IIoT. Co planta, reducirá costes operat Combinado con la suscripción y recibir asistencia remota, es de su sistema de ltración de Nederman MCP SmartFilter Para más información, contacte co nederman@nederman.es Tel.: 916 592 430
RkJQdWJsaXNoZXIy Njg1MjYx