Electrónica Aplicada e Inteligencia Artificial
Electrónica Aplicada e Inteligencia Artificial
ITCL Centro Tecnológico cuenta con un Área de I+D de Electrónica e Inteligencia Artificial con una amplísima trayectoria de colaboración con empresas. Esta Área de investigación trabaja en tecnologías de machine learning, Big Data y Data Science, Blockchain, redes neuronales o inteligencia artificial para el manejo masivo de datos de procedencia heterogénea. Así se busca valorizar grandes volúmenes de información procedentes de distintos entornos, y facilitar su explotación como información estructurada en un modelo de negocio innovador.
Somos expertos en el diseño y prototipado de placas y dispositivos electrónicos avanzados para su integración en bienes de equipo y en telemedicina. Asimismo, trabajamos en el desarrollo de algoritmos personalizados y diseño de experimentos para la selección de características, optimización de procesos, clusterización de series dinámicas de datos y predicción del modelo de salida para la realización de análisis de datos.
Además, también realizamos sistemas inteligentes para agricultura de precisión, ciudades inteligentes y diferentes tipos de infraestructuras.
El área tiene una amplia trayectoria de trabajo con empresas en todo el territorio nacional, habiendo participado en un buen número de proyectos, tanto de I+D como de mejora de procesos, destacando sus desarrollos en ámbitos de aplicación donde los sistemas inteligentes, la comunicación avanzada y la microelectrónica son factores clave (Smart Cities, Smart Energy, Industrial Internet of Things – IIoT, Industry 4.0, Factories of the Future – FoF, Machine-to-Machine Technology – M2M).
Líneas de trabajo
Algunas de las líneas de trabajo del grupo de investigación en electrónica e inteligencia artificial son las siguientes:
- Diseño y prototipado de placas y dispositivos electrónicos avanzados para integración en bienes de equipo y telemedicina
- Diseño de soluciones ARM
- Programación de sistemas embebidos bajo Linux
- Programación de microprocesadores para adquisición de datos, control y comunicaciones avanzadas.
- Análisis de datos en sistemas inteligentes: Diseño de algoritmos personalizados y diseño de experimentos. Selección de características, optimización de procesos en función de características, clusterización de series dinámicas de datos, predicción del modelo de salida.
- Desarrollos específicos para movilidad sostenible: sistemas de carga doméstica y colectiva de vehículos eléctricos, análisis de demanda de cargas, distribución de energía en función de restricciones, sistemas de localización y control, carpooling, carsharing, optimización de rutas.
- Diseño de sistemas inteligentes para agricultura de precisión, infraestructuras y ciudades.
MIEMBROS DEL GRUPO DE I+D
El área incorpora un equipo de jóvenes investigadores, liderado por Dr. Javier Sedano, siendo uno de los grupos más dinámicos y prestigiosos del ITCL, con varias patentes en su cartera de activos intangibles.
Dr. Javier Sedano: es experto en el desarrollo de sistemas electrónicos (hardware) proyectos industriales y sistemas de producción y de adquisición y control, así como en el diseño de modelos sin conexión para la identificación y el modelado de sistemas dinámicos. Además, forma parte del Grupo de Inteligencia Computacional de la Universidad de Burgos y ha trabajado durante varios años en proyectos y publicaciones relacionados con la electrónica aplicada, la inteligencia artificial y el modelado de sistemas. Así mismo, es miembro de IEEE Systems, Man & Cybernetics Chapter Society Spanish Chapter y colabora en la organización de congresos internacionales, comités de programa y en organizaciones tales como SOCO, HAIS, IDEAL, NABIC and ISD.
I+D en diseño electrónica e inteligencia artificial
El Área de Electrónica e Inteligencia Artificial, además de realizar investigación aplicada y desarrollos industriales bajo fórmulas de colaboración técnica o subcontratación, ofrece el diseño de prototipos, y la fabricación, así como la total gestión de la industrialización del producto, incluyendo testeo, ensayos, validación y certificación CE.
CAPACIDADES DE I+D EN ELECTRÓNICA APLICADA E INTELIGENCIA ARTIFICIAL
Fábrica de prototipos electrónicos
Diseño, programación y fabricación de prototipos electrónicos
ITCL ofrece a sus clientes un servicio diseño electrónico tanto a nivel Hardware y Software, que proporciona ingenieros a su servicio, con capacidad de diseñar y programar soluciones electrónicas a la medida de sus necesidades.
El grupo de diseño lo conforma el Grupo de Investigación de Electrónica Aplicada e Inteligencia Artificial de ITCL, integrado por un cualificado cuadro técnico de profesionales.
ITCL cuenta en sus instalaciones con el equipamiento necesario para poder llevar a cabo todas las etapas necesarias en la fabricación de prototipos electrónicos, desde la fase de diseño inicial, pasando por el fresado y pegado de los componentes, hasta el encapsulado o resinado del componente final.
Ofrecemos
Fabricación de prototipos y series cortas acorde a las especificaciones establecidas por el cliente:
- Selección de componentes
- Diseño del esquemático.
- Rutado de la PCB y generación de archivos Gerber para posterior fabricación.
- Selección y programación del microcontrolador más adecuado para cada aplicación.
- Fabricación del prototipo.
- Pruebas y ensayos en laboratorios certificados.
Sistemas electrónicos
Microcontroladores, Comunicación inalámbrica, Protocolos de comunicación, Posicionamiento, Sensores y HMI (Human Machine Interface)
El grupo de electrónica aplicada de ITCL dispone de capacidad técnica, humana y de laboratorio, para el desarrollo de sistemas electrónicos. El grupo es capaz de abordar cualquiera de las fases que conlleva el diseño de un nuevo sistema electrónico, que va desde la selección de los componentes, el diseño electrónico, el prototipado y de la prueba y testeo de los prototipos según las necesidades.
Además, los sistemas se estudian para ser implementados siguiendo las necesidades de cada cliente, siendo capaces por ejemplo de diseñar microelectrónica (PCB´s de dimensiones reducidas), usar varios tipos de comunicación (mediante cable o inalámbrica), diseñar la electrónica para ser integrada dentro de un sistema superior, embeber en ella Soft Computing o desarrollar sensórica a medida de las necesidades, etc.
Sistemas con los que se trabaja
- Microcontroladores: diferentes arquitecturas y fabricantes (Microchip, Atmel, ARM (freescale, Raspberry).
- Comunicación inalámbrica: Zigbee, Bluetooth v2.0 y v4.0, radio frecuencia (434 Mhz), Wi-Fi, GPRS, RFID Mifare.
- Protocolos de comunicación: RS-485, RS-232, I2C, SPI, bus CAN, PLC, UART, TCP/IP.
- Posicionamiento: GPS, GPRS.
- Sensores: temperatura (termopar, PT100, RTD) , sensor de luz, celda de carga para pesados, movimiento (acelerómetros, giroscopios), biosensores, contactos libres de potencial, sensores táctiles, conductividad de la piel, infrarrojos, etc.
- HMI (Human Machine Interface): indicadores luminosos y acústicos, displays (LCD, graficos, alfanuméricos, etc), teclados.
Software basado en algoritmos inteligentes
Soluciones de Soft Computing
ITCL ofrece distintas soluciones de Soft Computing, el cual se centra en la incorporación de aprendizaje automático en sistemas híbridos, análisis de datos, selección de características, modelado de sistemas, clasificación y optimización de sistemas. También, se incluyen soluciones para el tratamiento de sistemas bioinformáticas, clusterización, clasificación y modelado de series dinámicas aplicadas a perfiles de expresión genética.
Soft Computing para la clasificación de series dinámicas aplicadas a perfiles de expresión genética
Sot Computing de diseño propio que engloba diferentes algoritmos propios para la agrupación de genes coexpresados en microarrays de análisis de datos (MDA). Adecuado, para el uso de investigadores, que traten determinar los genes importantes y las relaciones co-expresadas entre ellos, para grandes conjuntos dinámicos de datos, de modo que se permita optimizar una característica de salida.
Algunos de los algoritmos diseñados que integra el software son:
- Shape Index (SC). Agrupación sin tener en cuenta la salida de cada muestra.
- Output Shape Index (SOC). Agrupación teniendo en cuenta la correlación del gen con la salida.
- Dynamic Shape Index (DSC). Versión dinámica del método SC.
- Output Dynamic Shape Index (DSOC). Versión dinámica cel método SOC.
- Relaxed Shape Index (RSC). Ampliación del método SOC
El software integra métodos de fusión que combinan en una única agrupación las agrupaciones creadas a partir de cada una de las series temporales de los datos de microarrays realizadas de forma independiente. La detección de los clusters más importantes dentro de los posibles se realiza usando diferentes medidas sobre los genes, entre las que destacan el Coeficiente de Correlación de la Información (ICC), Coeficiendo de Correlación de Pearson (PCC) y las medidas Shape Increase.
Optimización de variables de máquina a partir del modelo
Sistemas de Soft Computing de diseño propio, para la optimización de parámetros de máquina en procesos de fabricación incluyendo el desarrollo de modelos para evaluar el comportamiento de las variables de la máquina en el proceso y, para encontrar la función de aptitud a optimizar.
Este proceso se realiza en primer lugar mediante la obtención de la función objetivo paramétrica o de caja negra del sistema a optimizar. Posteriormente la optimización de los parámetros de la máquina se lleva a cabo mediante Algoritmos Genéticos mono–objetivo y multi-objetivos, recocido simulado, o colonias de hormiga.
Un ejemplo de las búsquedas de los objetivos sobre un sistema de fabricación con tres objetivos se presenta a continuación.
- Gráfico 3-D. El eje x representa una entrada, el eje Y otra entrada a optimizar y el eje Z la salida.
- Gráfico 2-D. El eje x representa una entrada y el eje Y la salida.
- Gráficos 3-D. Resultado de una búsqueda multi-objetivo
Sistemas de optimización de enrutamiento de vehículos
Diseño de diferentes algoritmos evolutivos híbridos de planificación de rutas para varios vehículos, minimizando los costes asociados al transporte, como puede ser: minimizar el tiempo total de transporte, minimizar la distancia total recorrida, minimizar el tiempo de espera, minimizar los vehículos a utilizar, etc. Todo ello satisfaciendo una serie de múltiples restricciones y limitaciones.
Elementos principales:
- Clientes/puntos de entrega o recogida
- Almacén/Almacenes
- Flota de vehículos (capacidad de cada uno)
- Red de transporte
- Función a minimizar
Modelado:
Modelación de los problemas de optimización como diferentes tipos de VPR (Vehicle Routing Problem):
- VRP with Pickup and Delivery (VRPPD): algunos clientes representan lugares de recogida y otros representan lugares de entrega.
- VRP with Time Windows (VRPTW): los clientes tienen ventanas de tiempo en las que tienen que ser atendidos.
- Capacitated VRP (CVRP): los vehículos tienen capacidad limitada.
- Distance-Constrained VRP (DVRP): longitud máxima permitida para una ruta.
- Multiple Depot VRP (MDVRP): múltiples almacenes para suministrar a los clientes.
Dado que VRP es un problema de optimización combinatorio complejo (NP-hard) se han desarrollado diferentes técnicas heurísticas para resolver los diferentes VRPs: Algoritmos Genéticos, Inteligencia de Enjambre y Sistemas de Colonias de Hormigas.
PRODUCTOS DESARROLLADOS EN ELECTRÓNICA APLICADA E INTELIGENCIA ARTIFICIAL
Estación de recarga VE en entornos domésticos
ITCL ha desarrollado estaciones de recarga para VE destinadas a uso en interior.
Frontal del punto de carga para vehículo eléctrico
El sistema ofrece dos versiones según las necesidades del usuario:
- Multipunto: destinada a sistemas donde se quiera monitorizar, controlar una red de cargadores bajo el estándar internacional de comunicación con servidor OCPP v1.5 (protocolo estándar y abierto). La compatibilidad de OCPP garantiza su funcionamiento con servidores OCPP. La identificación de usuario se realiza mediante tarjeta Mifare (RFID).
- Versión autónomo: versión más económica y simplificada que permite realizar la recarga del vehículo sin que la estación tenga que estar conectada a ningún servidor. El usuario puede iniciar la recarga bien pulsando un botón o bien mediante el uso de un llavín.
Este producto puede adaptarse con otras formas de reconocimiento por parte del usuario, implementando la funcionalidad RFID o Bluetooth, de modo que el usuario se valide bien con tarjeta RFID o bien con APP de móvil.
Los puntos de recarga se pueden conectar a la red a través de un conector RJ45 y todos los datos de acceso (BBDD de usuarios, puntos, históricos, etc.) se almacenan en un servidor OCPP.
La aplicación WEB que gestiona el sistema es accesible desde distintos usuarios y a través de distintos dispositivos; ordenador personal, móvil, Tablet, etc.
Arquitectura Multipunto
Características:
- La estaciones son compatibles con el modo de carga 3 según UNE-EN 61851.
- Toma de carga tipo 2 según UNE-EN 62196.
- Gestión de bloqueo de toma que impide la extracción del conector durante el proceso de carga.
- Led indicadores de estado ubicados en el frontal: LIBRE, CARGANDO, CONECTE, DESCONECTE, FALLO…
- Identificación de usuario mediante lector MIFARE ubicado en el frontal.
- Tensión y corriente max de salida: 230VAC/32A.
- Posibilidad de salida con manguera (formato electrolinera).
Funcionalidades de la aplicación de gestión
- Compatible con puntos OCPP v1.5
- Gestión de usuarios: altas, bajas, modificaciones
- Monitorización del estado de los puntos.
- Registro de consumos de carga.
- Consulta de históricos.
- Registro de incidencias.
- Visualización en mapa de la ubicación de puntos.
- Reserva de puntos por horas.
Dispositivos potenciostaticos para biosensores
Dispositivo potenciostatico autónomo basado en biosensores y electrónica de acondicionamiento y tratamiento de señal para la detección de ácidos, sulfanamidas, benzoles, etc.
Dicha electrónica consiste en un diseño propio de tipo mixto analógico y digital que consta de una parte de acondicionamiento de la señal que proporcionan los electrodos del biosensor, una etapa de amplificación, y un microcontrolador con su software embebido que se encarga de la digitalización de la señal y de su análisis.
Un ejemplo de uso se realiza como una solución compacta y autónoma para la detección de Benzoilmetilecgonina (cocaína en solución acuosa). Consta de un biosensor que reacciona a la presencia de la sustancia en la saliva generando una señal que es tratada y analizada a través de la electrónica asociada. El tiempo de detección depende del biosensor usado.
Características
- Bajo coste
- Tamaño compacto y reducido
- Funcionamiento autónomo
- Indicación luminosa de presencia de cocaína en la muestra
- Microcontrolador 8 bits
- Software integrado
- Conversor analógico-digital de 10 bits
- Tratamiento de señales de muy pequeña magnitud (nanoamperios)
- Bajo consumo. Alimentación por pila de 3.6V
- Encendido por sensor táctil
- Apagado automático del dispositivo
Aplicaciones
Seguridad, Salud pública, Medio ambiente, Medicina Legal
Software para clusterización de genes
SOFT COMPUTING PARA LA CLASIFICACIÓN DE SERIES DINÁMICAS APLICADAS A PERFILES DE EXPRESIÓN GENÉTICA
Soft Computing de diseño propio que engloba diferentes algoritmos propios para la agrupación de genes coexpresados en microarrays de análisis de datos (MDA). Adecuado, para el uso de investigadores, que traten determinar los genes importantes y las relaciones co-expresadas entre ellos, para grandes conjuntos dinámicos de datos, de modo que se permita optimizar una característica de salida.
- Presentación del software para laboratorios
- Manual de la aplicación Soft Computing para clusterización de genes
Algunos de los algoritmos diseñados que integra el software son:
- Shape Index(SC). Agrupación sin tener en cuenta la salida de cada muestra.
- Output Shape Index (SOC). Agrupación teniendo en cuenta la correlación del gen con la salida.
- Dynamic Shape Index (DSC).Versión dinámica del método SC.
- Output Dynamic Shape Index (DSOC). Versión dinámica cel método SOC.
- Relaxed Shape Index (RSC). Ampliación del método SOC
El software integra métodos de fusión que combinan en una única agrupación las agrupaciones creadas a partir de cada una de las series temporales de los datos de microarrays realizadas de forma independiente. La detección de los clusters más importantes dentro de los posibles se realiza usando diferentes medidas sobre los genes, entre las que destacan el Coeficiente de Correlación de la Información (ICC), Coeficiendo de Correlación de Pearson (PCC) y las medidas Shape Increase.
Software modelado de sistema wrapper
Selección de características, modelado y clasificación de datos
SOFTWARE PARA LA SELECCIÓN DE CARACTERÍSTICAS SOBRE MODELO POR MEDIO DE UN SISTEMA WRAPPER
Esquema wrapper de diseño
Software avanzado para la selección de características de diseño propio sobre modelos, por medio de un sistema Wrapper.
La herramienta permite reducir la dimensionalidad de grandes conjuntos de datos, a partir del modelado, la clasificación o el reconocimiento de patrones. Se utiliza un algoritmo genético para seleccionar las características que producen los mejores modelos o sistemas de clasificación; a saber, donde se obtienen los mayores porcentajes de representación –mejores modelos de predicción-.
El software permite del mismo modo modelar y clasificar sin tener en cuenta las características, algo adecuado para un pequeño número de éstas. La aplicación permite la utilización de 5 formas distintas de validar los modelos.
Aplicaciones
Análisis de datos para Industria 4.0, Agrotech, FinTech, Biotech, BigData, Investigación. Adecuado para investigadores que, en grandes conjuntos de datos, busquen determinar características importantes y relaciones entre ellas, y modelos de salida respecto a las entradas.
Software para selección de características en el diseño de experimentos y generación de nuevos productos
Software Soft Computing de diseño propio destinado a la selección de características y a la reducción de la dimensionalidad de los datos para la concepción de nuevos productos, bajo el desarrollo de un diseño de experimentos.
El software permite realizar la selección de características por medio de un algoritmo genético que obtiene un conjunto limitado, por medio de las siguientes medidas:
- Coeficiente de Correlación de la Población (PCC).
- Coeficiente de Correlación de la Información (ICC).
- Información Mutua (MI).
Las variables de entrada seleccionadas son aquellas que tengan el mayor valor de ICC, PCC y MI con respecto a la salida.
Con el fin de reducir la redundancia de la información de las características seleccionadas, se utiliza el algoritmo mRMR, que permite seleccionar las características que posean la mayor relevancia con respecto a la salida y la mínima redundancia entre las variables de entrada.
Aplicaciones
Investigación experimental, desarrollo de nuevos productos en áreas como farmacia, química, nuevos materiales…
