Thursday, March 28, 2024     [ login ]


AULA ETS Ingenieros Industriales UPM – CIMNE (Spain)

Universidad Politécnica de Madrid (UPM)


Madrid, España

Antecedentes y ubicación

El Aula ETSII UPM CIMNE se ubica en la Escuela Técnica Superior de Ingenieros Industriales de la Universidad Politécnica de Madrid (España).

Contacto: Jorge.rodriguez.chueca@upm.es

Fecha de creación: 15 de febrero de 2021

Actividad:

Web: pendiente de ubicación en web ETSII

Integrantes del aula

Director:

Profesor Jorge Rodríguez-Chueca

Integrantes:

David Jesús Vicente González (CIMNE)

Fernando Salazar González (CIMNE)

Ricardo Perera Velamazán (UPM)

Sonia Guerra Rodríguez (UPM)

Objetivos

El Aula UPM ETSII-CIMNE tiene como objetivo la colaboración entre CIMNE y la UPM ETSII en actividades de docencia y difusión en las áreas de modelación numérica y modelos de análisis de datos basados en técnicas de Machine Learning (ML) y su aplicación en la ingeniería industrial, así como el desarrollo de actividades de investigación en dichas áreas. El AULA será utilizada por investigadores y estudiantes en el campo de la ingeniería, las matemáticas, las ciencias biológicas, las ciencias para el desarrollo de actividades de investigación, enseñanza y desarrollo de programas y modelos de implementación para estas áreas.

Líneas de investigación

  • Modelos de predicción de estado de calidad de aguas subterráneas (basados en técnicas de ML)
  • Análisis de Procesos de Oxidación Avanzada (AOPs) para la desinfección de aguas residuales (basados en técnicas de ML).
  • Modelos de predicción de demanda de agua y estado de calidad de agua en redes de abastecimiento de agua (combinación de modelos numéricos y ML)
  • Desarrollo de modelos numéricos de tipo CFD para cálculos hidráulicos de detalle (basado en modelos numéricos).

Actividades de formación

En progreso o pendiente de fecha

-    Apoyo a la realización de Trabajos Fin de Máster (TFM). Codirección del profesor Jorge Jesús Rodríguez Chueca (UPM) y el investigador David Jesús Vicente González (CIMNE) de los siguientes trabajos TFM:

o   Penélope García Barbera (en progreso). “Diseño óptimo de red de sensores de presión en redes de abastecimiento de agua, combinando modelos numéricos y técnicas de Machine Learing”.

o   Alejando Pérez Aja (en progreso). “Análisis de Procesos de Oxidación Avanzada (AOPs) para la desinfección de aguas residuales, mediante técnicas de Machine Learning”.

o   Eddy Giovanny Torres Pérez (comienzo: septiembre 2021). “Estudio comparativo de diferentes solvers para la modelación numérica de dinámica de fluidos computacional (CFD)”.

-    Impartición de asignaturas. Colaboración en impartición de asignatura ‘Gestión del Agua’, correspondiente a los programas ‘Máster de Ingeniería Ambiental’ y Máster de Ingeniería Química’.

o   Clase teórica: ‘Diseño y gestión de redes de abastecimiento de agua’ (2-3 horas)

o   Clase práctica: modelación numérica de redes de abastecimiento de agua mediante software EPANET. (2-3 horas).

o   Propuesta trabajo evaluable: caso práctico de diseño de red de abastecimiento.

-    Realización de ‘Prácticas en empresa’. Realización de prácticas curriculares en el centro de investigación CIMNE.

o   Eddy Giovanny Torres Pérez (comienzo: julio 2021). Realización de prácticas con el grupo ‘Machine Learning in Civil Engineering’. Tareas a realizar: colaboración en la preparación de guías técnicas y manuales de usuario de aplicaciones informáticas desarrolladas en CIMNE.

-    Seminarios de especialización dirigido a alumnos de postgrado y profesorado de UPM colaboradores del AULA. Elaboración de modelos numéricos/modelos basados en análisis de datos (mediante técnicas de ML). Seminarios orientados a investigadores que utilicen herramientas de CIMNE en líneas de colaboración de interés común (actividad programada según requerimientos).

-    Cooperación en programas de formación/experiencias de cooperación educativa. Búsqueda de oportunidades en convocatorias de Innovación Educativa (internas de UPM).

Finalizadas

Trabajo Fin de Máster (Máster Universitario en Ingeniería Ambiental): Héctor Castellanos (Febrero, 2021). “Aplicación de Machine Learning al análisis de contaminantes en acuíferos”.