Visor de contenido web (Global)

Ofertas en: Ingeniería en Sistemas de Telecomunicación

Supervisor académico:
Ainhoa Rezola

Departamento:
Ingeniería Eléctrica y Electrónica

Descripción y objetivos:

Este proyecto se embarca en la vanguardia de la tecnología en colaboración con el Instituto Tecnológico de Massachusetts (MIT). Se centra en la exploración de la revolucionaria tecnología sin chip para el Internet de las Cosas (IoT), con especial énfasis en las etiquetas sin chip codificadas en frecuencia (FC). Estas etiquetas, reconocidas por su atractivo económico y capacidades de sensorización, presentan desafíos en términos de detección y procesamiento.

La propuesta implica la utilización de un dispositivo conocido como Software-Defined Radio (SDR) para llevar a cabo medidas y recopilar datos provenientes de las etiquetas. El proyecto propone aplicar técnicas de procesamiento de señales con el objetivo de mejorar la calidad de la información obtenida. Asimismo, se explorará el potencial de algoritmos de Machine Learning (ML) para clasificar de manera más eficiente estas etiquetas, mejorando así la capacidad de identificación.

Es importante destacar que el lector requerido para estas tareas ya ha sido previamente desarrollado, por lo que el foco principal radicará en las fases de medición, procesamiento y clasificación. Se abordará también la importancia de las antenas, elementos fundamentales en comunicaciones inalámbricas, contribuyendo al mejoramiento de la calidad de las señales y, por tanto, a la eficiencia del sistema.

Supervisor académico:
Enrique Castaño Carmona

División CEIT:
Advance Powder Metallurgy and Laser Manufacturing Group

Área temática:
Informática, modelización y simulación

Descripción y objetivos:
El mecanizado de materiales mediante el uso de láseres de pulso ultracorto es una tecnología de muy reciente desarrollo y que abre múltiples posibilidades en el ámbito de las superficies funcionales, tales como superficies de bajo coeficiente de fricción en aerogeneradores o superficies anti-hielo en aeronáutica. 

Actualmente, Ceit lidera un proyecto europeo en el que uno de sus objetivos es desarrollar un software de simulación del proceso de mecanizado con este tipo de láseres. El modelado matemático del proceso se encuentra ya muy avanzado, así como su implementación numérica.
La tarea de este PFG será diseñar y desarrollar la interfaz gráfica con el usuario del programa de simulación de forma que su utilización resulte fácil e intuitiva. El estudiante aplicará y ampliará sus conocimientos de programación en Python, GUI (Graphic User Interface) y diseño UX/UI (User Experience/User Interface) para conseguir una interfaz que posibilite al usuario una experiencia atractiva del programa de simulación.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, DevOps.

Descripción:
En el mundo de DevOps es fundamental implementar infraestructura como código (IaC), ya que proporciona una forma de automatizar la gestión y aprovisionamiento de la infraestructura. Para ello, una de las herramientas más populares es Terraform, que permite desplegar infraestructuras a una amplia gama de proveedores de una manera sencilla y efectiva. Por otra parte, en la mayoría de los proyectos en los que se aplica esta metodología, es imprescindible la presencia de máquinas virtuales dedicadas al desarrollo, que tengan una vida útil igual que la del proyecto o alguna fase del proyecto. En este caso, las máquinas serán creadas en un servidor Proxmox. Para poder gestionar estas máquinas virtuales utilizando Terraform, es necesario construir una API con la ayuda de Swagger (OpenAPI) que permita conectarlo con el servidor Proxmox.

Objetivos: 
Desarrollar la API para poder automatizar la creación y eliminación de estas máquinas; aprendiendo a lo largo del proyecto herramientas como Jira, Gitlab/Github, Swagger, Terraform o Proxmox.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
5G, Desarrollo de software, Cloud Computing.

Descripción:
El proyecto tiene como objetivo diseñar e implementar una plataforma de red 5G basada en Amarisoft y Open Source MANO (OSM) para ofrecer servicios de Network-as-a-Service (NaaS). La plataforma proporcionará una API utilizando Swagger, que permitirá el despliegue y la gestión de los componentes clave de la red 5G, incluyendo 5G cores, gnB, VMs, UE, un servidor Prometheus y los recursos relacionados con Kubernetes. Esta solución permitirá una implementación ágil y flexible de servicios 5G, mejorando la eficiencia y la capacidad de adaptación de la red.

Objetivos

  • Diseñar e implementar una red 5G utilizando la solución Amarisoft, que permita la conexión inalámbrica de dispositivos 5G y brinde un rendimiento óptimo de la red.

  • Utilizar Open Source MANO (OSM) como orquestador de la red, para facilitar la implementación y gestión de los recursos de la red 5G.

  • Aplicar el concepto de Network-as-a-Service (NaaS) para ofrecer servicios de red bajo demanda, permitiendo a los usuarios consumir recursos y capacidades de la red de manera flexible y escalable.

  • Desarrollar una API utilizando Swagger para la gestión y despliegue de los componentes de la red 5G, incluyendo 5G cores, gnB, VMs, UE, un servidor Prometheus y los recursos relacionados con Kubernetes.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, Seguridad.

Descripción y objetivos:
CI/CD es cada vez más popular en el desarrollo de software embebido. No obstante, los proyectos suelen estar limitados de un modo que no lo está en el desarrollo de aplicaciones (por ejemplo, web). Además de las limitaciones físicas y computacionales de la plataforma de hardware de destino, existen limitaciones del mercado. El mercado del software embebido tiene requisitos únicos de seguridad, privacidad y ciclos de vida extremadamente largos (por ejemplo, los productos pueden permanecer en el mercado durante décadas). A nivel de desarrollo, el software embebido no es muy diferente que el desarrollo de aplicaciones típicas (por ejemplo, web), ya que requiere IDEs, compiladores, análisis estáticos y dinámicos y herramientas de dinámicas. Sin embargo, las herramientas suelen dirigirse a arquitecturas en las que trabajan (entorno de host vs entorno de destino). La automatización a nivel de compilación utiliza las mismas técnicas, pero cuando hay que ejecutar código, la barrera host/destino se vuelve significativa. La automatización de la ejecución de código requiere un soporte especial desarrollo de software. La automatización de las pruebas de software es más retadora debido a la complejidad de iniciar y pruebas en objetivos integrados, por no mencionar el limitado acceso limitado al hardware de destino que tienen los equipos de software. Este proyecto, pretende llevar a cabo una primera aproximación al desarrollo básico CI/CD sobre sistemas embebidos. De esta forma, dado un desarrollo básico en C/C++, se pretende pasar este código por etapas de testeo, verificaciones de seguridad y compilación (CI), para luego realizar una entrega automatizada sobre un dispositivo (por ejemplo, un microcontrolador), no sin antes realizar también testeos funcionales (CD).


 

Supervisor académico: 
Santiago Figueroa Lorenzo 

División CEIT: 
División TIC. Grupo de Análisis de Datos y Gestión de la Información 

Área temática: 
Machine Learning, Seguridad. 

Descripción y objetivos: 
La detección de anomalías desempeña un papel crítico en infinidad de campos diferentes. En un mundo cada vez más conectado, la identificación temprana de actividades inusuales se ha convertido en una prioridad para empresas y organizaciones. Los avances en Machine Learning han revolucionado la forma en que abordamos la detección de anomalías, permitiendo la identificación de patrones no deseados de manera más eficaz y eficiente. Por ello, este proyecto busca el desarrollo y verificación de estos algoritmos vanguardistas.

Tasks:

  • Revisión bibliográfica y selección de algoritmos a implementar.

  • Implementación de modelos.

  • Evaluación y comparación del rendimiento de los algoritmos desarrollados.

  • Interpretación de los resultados.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Seguridad, Desarrollo de software, Autenticación, FIDO2, Autorización, Oauth2.

Descripción y objetivos:
El uso de contraseñas elemento de autenticación de los sistemas, presentan debilidades, relacionadas con la limitada capacidad humana para retener largas cadenas de caracteres, al mismo tiempo que es susceptibles a diferentes tipos de ataques como los de fuerza bruta. Eso ha hecho que poco a poco vayan surgiendo herramientas y esquemas complementarios al uso exclusivo de contraseñas. Por defecto, un sistema de autenticación se debe componer de “algo que sabemos”, por ejemplo, una contraseña o un código PIN, “algo que poseemos”, por ejemplo, una tarjeta de crédito o un token RSA, o “algo que somos” (autenticación biométrica), como la forma de la mano o la huella dactilar.

Este proyecto consiste en implementar un sistema de autenticación biométrico basado en el estándar de FIDO 2, que conlleva al diseño e implementación de un wallet para el almacenamiento de credenciales que interactúe con un sistema de autenticación y autorización compuesto por Proveedores de Identidad, Policy Enforcement Points (PEP) Proxies y Servidores de Autorización.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, Seguridad.

Descripción y objetivos:
MLOps hace referencia a las prácticas y técnicas utilizadas para agilizar y gestionar el ciclo de vida de los modelos de aprendizaje automático en entornos de producción. Combina principios de ingeniería de software, ingeniería de datos y operaciones para garantizar la implantación, supervisión y gestión eficientes y fiables de modelos de ML a escala. Sin embargo, las herramientas MLOps actuales carecen de un componente clave: algoritmos modernos, potentes y actualizados. Por ello, uno de los principales objetivos de este proyecto será la integración de algoritmos de ML que puedan verificarse e integrarse en un flujo MLOps. El flujo MLOps utilizará KubeFlow para el despliegue de un clúster Kubernetes, MinIO para el almacenamiento de objetos y Kubeflow para los pipelines ML y la inferencia de modelos. Una vez implementado el flujo MLOps, la segunda parte del proyecto se enfocará en el desarrollo de pruebas de seguridad sobre los pipelines de CI/CD generados.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, Privacidad, Automatización de código, contenedores.

Descripción y objetivos:
Fides es una plataforma de código abierto de gestión de la privacidad, que permite aplicar normas de privacidad a nivel de código. Las herramientas de Fides permite etiquetar las características de privacidad del sistema, orquestar el cumplimiento de los derechos programáticos y auditar la información personal identificable almacenada en todos los sistemas e infraestructuras de las aplicaciones. Fides a su vez, es compatible con las principales normativas de privacidad (por ejemplo, GDPR, CCPA y LGPD), y con normas como la ISO 19944 por defecto.

Este proyecto busca la implementación automatizada de la plataforma Fides en un caso de uso práctico, de manera que pueda crearse una definición coherente y versionada de las características y los recursos de privacidad de este sistema, siendo utilizado como parte de un pipeline de CI/CD para procesar las solicitudes de privacidad.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, Seguridad.

Descripción y objetivos:
Gran parte del rendimiento de la ciberseguridad comienza con una evaluación adecuada de los riesgos. Por esta razón, las Cybersecurity Risk Assessment Tools (CRAT) se utilizan ampliamente hoy en día. Por ejemplo, el NIST recomienda herramientas como FacilityCyber para entornos industriales. Las principales deficiencias asociadas a estas herramientas son que muchas de ellas son pasivas, es decir, la empresa rellena extensos formularios para obtener información de la red y de los activos, a partir de la cual realiza el análisis de riesgos de los activos.  Este escenario hace que el resultado no sea fiable al 100%. Por otro lado, disponemos de herramientas con un comportamiento activo, es decir, que integran servicios de descubrimiento, a partir de los cuales son capaces de analizar las vulnerabilidades y el establecimiento actual de la estructura de la red (por ejemplo, la herramienta FOCA). Sin embargo, estas herramientas no integran el análisis de riesgos característico de las herramientas pasivas, además de no ser capaces de definir zonas y conductas a partir de una red existente de forma que se reduzca la superficie expuesta de los activos. Este proyecto pretende desarrollar un CRAT para entornos industriales y, por tanto, basado en la norma IEC 62443, capaz de resolver los problemas mencionados.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
Desarrollo de software, Seguridad.

Descripción y objetivos:
Las herramientas de monitorización y observabilidad son muy utilizadas hoy en día para tener un control de los procesos que se ejecutan en nuestro clúster kubernetes. La mayoría de estas herramientas solo ofrecen una monitorización y observabilidad básica del clúster Kubernetes, pero pocas de ellas aplican detección y contramedida. Este escenario hace que la capacidad de monitorizar la protección de un clúster frente a ataques sea muy baja. Por otro lado, disponemos de herramientas que ofrecen descubrimiento de ataques y alertas, pero sin aplicar ninguna contramedida sobre el mismo. Este proyecto tiene como objetivo el desarrollo de una herramienta de alerta, descubrimiento y contramedida para entornos industriales, y la integración de esta herramienta con herramientas de terceros, capaz de resolver los problemas anteriormente mencionados. Estas funcionalidades deberán integrarse en un clúster kubernetes personalizado para monitorizar y proteger el clúster de ataques externos.

Supervisor académico:
Santiago Figueroa Lorenzo

División CEIT:
División TIC. Grupo de Análisis de Datos y Gestión de la Información

Área temática:
5G, Kubernetes, Cloud Computing, Virtualization.

Descripción y objetivos:
La adopción de Cloud Native en los sistemas de telecomunicaciones 5G se ha identificado como un buen candidato para reducir el coste, mejorar la agilidad del sistema y el papel de los servicios 5G. Con base en el estándar 3GPP, el Instituto Europeo de Normas de Telecomunicaciones (ETSI) ha publicado la arquitectura de referencia de la NFV adaptada a los entornos Cloud Native y para mejorar el marco de NFV, incluyendo, contenedores, balanceadores de carga y otros elementos como parte de la arquitectura de referencia.

Este trabajo persigue la validación de la tecnología de contenedores en la plataforma MANO alojada en el ETSI, en un entorno de CN, de manera que los resultados que se obtengan en el trabajo pueden ayudar a animar a los usuarios y a los operadores a utilizar los KNFs y aprovechando de este modo las tecnologías de contenedores.

Supervisor académico:
Xabier Zubizarreta Iriarte.

División CEIT:
Análisis de datos y gestión de la información.

Área temática:
Ingeniería de sistemas.

Descripción y objetivos:
La modelización dinámica de sistemas extensos (por ejemplo, gemelos digitales de una infraestructura ferroviaria - o un sistema de aguas -) es altamente compleja y consta de una serie de submodelos (en el caso del ferrocarril, por ejemplo, desvíos, vías, vehículos, etc.) que se construyen mediante diversas metodologías y softwares de simulación.

Dichos gemelos digitales representan un gran avance en el desarrollo y optimización de nuevas infraestructuras, al reducir los gastos el hecho de poder reemplazar los subsistemas físicos por su gemelo digital, y barrer así una cantidad mucho mayor de configuraciones y espacios de parámetros con un coste mucho menor.

Los principales retos para el desarrollo eficiente de gemelos digitales son su gran complejidad, coste computacional y heterogeneidad de herramientas de simulación usadas. El cometido de este PFG será desarrollar un sistema de modelización de gemelos digitales modular y altamente escalable que permita reducir el impacto de los tres factores anteriormente citados. Para ello se prevé hacer uso de herramientas de computación altamente paralelizables junto a un tipo de contenedor que codifique y estandarice la ejecución de los submodelos de un gemelo digital.

Supervisor académico:
Paul Zabalegui 

División CEIT:
Transporte y movilidad sostenible

Área temática:
Ingeniería de telecomunicación

Descripción y objetivos:
El uso de los sistemas de posicionamiento es cada vez más habitual en el día a día tanto de las personas como de las empresas, las cuáles los integran en sus sistemas como piezas clave a la hora de querer un grado de seguridad y eficiencia que cumpla con las expectativas del mercado. En este sentido, los grandes actores del sector ferroviario (CAF, Thales, SNCF, Siemens, etc.) están dedicando grandes esfuerzos al posicionamiento preciso y continuo de sus trenes. 

Al basar principalmente sus sistemas de posicionamiento en tecnologías GPS/GNSS, el mayor reto a afrontar se encuentra en poder localizar los receptores en entornos interiores, donde la señal satelital se ve degradada. Actualmente, Ceit se encuentra inmerso en una gran iniciativa europea en la que se busca desarrollar sistemas de posicionamiento totales, que funcionen tanto en interiores como en exteriores, y que lo hagan de forma precisa y continuada, con el fin de poder alcanzar el mayor grado de madurez en el camino hacia el tren autónomo.

El cometido de este PFG sería diseñar e implementar un sistema de posicionamiento basado en WiFi que funcione en interiores y pueda fusionarse posteriormente con tecnologías GPS/GNSS. 

Supervisor académico:
Paul Zabalegui 

División CEIT:
Transporte y movilidad sostenible

Área temática:
Ingeniería de telecomunicación

Descripción y objetivos:
El uso de los sistemas de posicionamiento es cada vez más habitual en el día a día tanto de las personas como de las empresas, las cuáles los integran en sus sistemas como piezas clave a la hora de querer un grado de seguridad y eficiencia que cumpla con las expectativas del mercado. En este sentido, los grandes actores del sector ferroviario (CAF, Thales, SNCF, Siemens, etc.) están dedicando grandes esfuerzos al posicionamiento preciso y continuo de sus trenes. 

Al basar principalmente sus sistemas de posicionamiento en tecnologías GPS/GNSS, el mayor reto a afrontar se encuentra en poder localizar los receptores en entornos interiores, donde la señal satelital se ve degradada. Actualmente, Ceit se encuentra inmerso en una gran iniciativa europea en la que se busca desarrollar sistemas de posicionamiento totales, que funcionen tanto en interiores como en exteriores, y que lo hagan de forma precisa y continuada, con el fin de poder alcanzar el mayor grado de madurez en el camino hacia el tren autónomo.

El cometido de este PFG sería realizar un estudio del uso de la tecnología 5G para el posicionamiento en interiores e implementar un algoritmo de posicionamiento basado en 5G que haga uso de señales sintéticas simuladas mediante Matlab.

Supervisor académico:
Paul Zabalegui 

División CEIT:
Transporte y movilidad sostenible

Área temática:
Ingeniería de telecomunicación

Descripción y objetivos:
El uso de los sistemas de posicionamiento es cada vez más habitual en el día a día tanto de las personas como de las empresas, las cuáles los integran en sus sistemas como piezas clave a la hora de querer un grado de seguridad y eficiencia que cumpla con las expectativas del mercado. En este sentido, los grandes actores del sector ferroviario (CAF, Thales, SNCF, Siemens, etc.) están dedicando grandes esfuerzos al posicionamiento preciso y continuo de sus trenes. 

Al basar principalmente sus sistemas de posicionamiento en tecnologías GPS/GNSS, un gran reto a afrontar es el de obtener precisiones centimétricas de forma continuada de forma global. Actualmente, Ceit se encuentra inmerso en una gran iniciativa europea en la que se busca desarrollar sistemas de posicionamiento totales, que sean capaces de localizar trenes de forma ultraprecisa en su misión a lo largo de las vías, con el fin de poder alcanzar el mayor grado de madurez en el camino hacia el tren autónomo.

El cometido de este PFG sería implementar un algoritmo de decodificación de las señales de augmentación HAS de los satélites Galileo para el posicionamiento ultrapreciso, y su aplicación a un algoritmo de posicionamiento en Matlab ya funcional basado en señales GPS/GNSS.

Supervisor académico:
Yuemin Ding

Departamento Tecnun:
Electrical and Electronic Engineering

Área temática:
Telecommunication

Descripción y objetivos:

Online monitoring and data collection in ultra-remote areas is specifically meaningful to investigate the local characteristics of climate change, biodiversity evolution, etc. It is also very important to prevent huge disasters, such as wildfires. However, online monitoring and data collection in ultra-remote areas have been challenging during the past decades. A major challenge is the lack of digital infrastructure for communication and data collection. However, the emerging satellite networking (such as Starlink) and low-power and long-distance IoT (such as MIoTy) technologies enable an alternate solution for online monitoring and data collection. The aim of this project is to develop a system based on satellite networks and low-power and long-distance IoT to enable online monitoring and data collection in ultra-remote areas.

Supervisor académico:

Íñigo Adín

División CEIT:

División TIC

Área temática:

IoT, comunicaciones, bajo consumo, bluetooth.

Descripción y objetivos:

Este proyecto plantea la evaluación de la tecnología de Bluetooth 5.1 en su modalidad Long Range para su uso en entornos industriales. Se trata aquí de ver las posibilidades de esta versión de mayor alcance para competir en las tecnologías IoT a instalar en las plantas productivas o en sensores remotos, con alcance para los metros admisibles en este caso.

Se trata de evaluar esta tecnología mediante placas de evaluación y configurando los elementos a nivel de FW y SW para medir la calidad de señal en los parámetros potencialmente útiles en aplicaciones industriales (Tiempo de vuelo, data rate, Packet Error rate, etc.). Para ello, se propondrá una búsqueda de estas placas de evaluación y se necesitará programar mediante los interfaces admisibles en cada caso.

Supervisor académico:

Itxaro Errandonea

División CEIT:

Análisis de Datos y Gestión de la Información

Área temática:

Control

Descripción y objetivos:

En muchos procesos industriales hay variables que, siendo de gran interés para la toma de decisiones, no se pueden medir de forma directa por medio de sensores. Sin embargo, en ocasiones, dichas variables se pueden observar indirectamente relacionándolas con otras variables medibles. El filtro de Kalman es precisamente un observador que permite observar variables no medibles utilizando modelos matemáticos dinámicos en los que intervienen variables medibles y no medibles.

El cometido de este PFG será utilizar un simulador de una planta de tratamiento de agua para desarrollar un observador capaz de estimar en tiempo real la concentración de amonio y nitrato en dicha planta. Para realizar el proyecto se utilizará Matlab/Simulink y/o Python.

Supervisor académico:

Itxaro Errandonea

División CEIT:

Análisis de Datos y Gestión de la Información

Área temática:

Inteligencia Artificial

Descripción y objetivos:

El control automático clásico está dando paso a nuevas técnicas de control más sofisticadas basadas en la inteligencia artificial como por ejemplo las técnicas de Reinforcement Learning.

El cometido de este PFG será utilizar un simulador de una planta de tratamiento de agua y aplicar técnicas de Reinforcement Learning para diseñar una estrategia de control automático que ajuste el nivel de oxígeno para mantener el nivel de amonio cerca de una consigna de referencia.  Para realizar el proyecto se utilizará Matlab/Simulink y/o Python.

Supervisor académico:

Itxaro Errandonea

División CEIT:

Análisis de Datos y Gestión de la Información

Área temática:

Inteligencia Artificial

Descripción y objetivos:

Muchos procesos industriales reales se pueden formular matemáticamente mediante modelos mecanicistas complejos compuestos por ecuaciones diferenciales no lineales. Aunque estos modelos son de gran utilidad para llevar a cabo estudios de diseño y operación, su hándicap es su alto coste computacional el cual los hace inviables para su uso en la toma de decisiones en tiempo real.

Con la llegada de las técnicas de Deep Learning, han surgido propuestas que permiten reducir la complejidad de estos modelos y con ello el coste computacional. El cometido de este PFG será utilizar la técnica conocida como “physics informed neural networks” para obtener un modelo reducido de una planta de tratamiento de agua. Para llevar a cabo el proyecto se utilizará el entorno Python.

Supervisor académico:

Itxaro Errandonea

División CEIT:

Análisis de Datos y Gestión de la Información

Área temática:

Inteligencia Artificial

Descripción y objetivos:

Las plantas de tratamiento de agua están sujetas a requisitos operacionales cada vez más exigentes. Ya no es suficiente con cumplir con la calidad del agua tratada, sino que además hay que hacerlo con el mínimo consumo energético. Para ello, los operados de estos procesos necesitan disponer de información adecuada que les permita mejorar la toma de decisiones.

El cometido de este PFG sería utilizar un simulador de una planta depuradora ya desarrollado para generar conjuntos de datos que recojan su operación histórica. Estos conjuntos de datos se utilizarán posteriormente para evaluar diferentes algoritmos de clasificación de Machine Learning con el objetivo de poder predecir el estado operacional del proceso. Los algoritmos se programarán en Python.

Supervisor académico:

Leticia Zamora Cadenas – Iker Aguinaga Hoyos.

División CEIT:

Tecnologías de la Información y Comunicación. Grupo de Sistemas Inteligentes para Industria 4.0.

Área temática:

Ingeniería de Telecomunicación/Industrial

Descripción y objetivos:

Los sistemas de localización para interiores son un elemento en auge en los últimos años. Ya sea mediante tecnologías de radiofrecuencia, sensores inerciales o sistemas de visión artificial, la localización de objetos o personas en espacios interiores es un elemento clave en muchas aplicaciones (tracking de piezas, accesos a zonas de seguridad, seguimiento de personas, realidad aumentada, etc.).

Para determinar y evaluar la precisión de un sistema de localización, lo más habitual es recurrir a la medida manual de unos puntos de control o test en un entorno controlado, que permitan determinar la precisión del mismo. Sin embargo, este tipo de medidas siempre están sujetas a errores en la medida, errores humanos, y la imposibilidad de seguir un elemento que se mueve en tiempo real. Otra opción muy extendida, sobre todo cuando se quiere evaluar la precisión en dinámico, es recurrir a sistemas de gran coste económico que permitan crear el recorrido real o “ground truth”, como, por ejemplo, sistemas de seguimiento mediante visión. Sin embargo, no siempre es posible un despliegue de este tipo de sistemas, o no se dispone de los medios económicos para ello. Es por ello que, poder evaluar la precisión de los sistemas de posicionamiento en interiores con un coste bajo, sigue siendo un problema que investigadores y empresas intentan resolver.

Actualmente Ceit tiene una línea de investigación asociada a los sistemas de posicionamiento para espacios interiores, en la que trabaja con diversas empresas para dar solución a sus necesidades. Es por ello que nace la necesidad de tener un sistema de “ground truth” sencillo de instalar y de coste no elevado.

El cometido de este PFG sería desarrollar un sistema de “ground truth”, mediante el uso de sistemas de realidad virtual/aumentada, para su posterior uso en la evaluación de la precisión del sistema de localización en interiores del que es propietario Ceit. Se dispone del hardware HTC Vice, Oculus Quest y Hololens 2 para el desarrollo de este sistema empleando la plataforma de programación Unity3D. El candidat@ deberá tener conocimientos de programación en lenguaje C# o en lenguajes similares como C++ o Java.

Supervisor académico:

Emilio Sánchez Tapia

División CEIT:

Tecnologías de información y comunicaciones. Grupo de Sistemas Inteligentes para Industria 4.0. Subgrupo de Visión y Robótica

Área temática:

Ingeniería Robótica

Descripción y objetivos:

La industria 4.0 ha abierto camino a múltiples formas de automatización que tienen como objetivo mejorar la productividad y optimizar los procesos de trabajo. En este contexto, se pretende desarrollar un manipulador móvil inteligente: un nuevo tipo de robot que integra la tecnología de un robot móvil autónomo y un brazo robótico colaborativo muy eficiente capaz de realizar diversas operaciones.

La idea del proyecto es desarrollar un robot que pueda desplazarse, detectar y evitar obstáculos, explorar su entorno para reconocer objetos a través de la visión artificial y llevar a cabo tareas de manipulación de piezas, siendo capaz de interactuar con los operarios. Con la idea de implantar un modelo de transformación digital, exigido hoy en día en entornos de fábrica reales, los robots, elementos de control, sensores y el resto de elementos embarcados estarán conectados entre ellos a través de una plataforma digital para tener un control del proceso en tiempo real y desde cualquier lugar.

Actualmente CEIT tiene ya desarrollado un primer prototipo funcional (ver siguiente figura).

El cometido de este PFG sería la programación bajo ROS-2 de una secuencia de tareas para que el robot interactúe con una celda robotizada clásica. El caso concreto a desarrollar será que el robot vaya a un repositorio de piezas a procesar, las acerque a la celda, espere su procesamiento y las lleve a otro almacén de piezas ya clasificadas.


 

Bajo esta tarea simple, se probarán conceptos de:

  • Robótica móvil colaborativa
  • Machine tending
  • Control en fuerza
  • Problemática de sincronización de dos dispositivos automáticos

Se requiere conocimientos de programación en C/C++, Python o java-script.

Supervisor académico:

Diego Borro

División CEIT:

Sistemas Inteligentes para la Industria 4.0

Área temática:

Ingeniería en Sistemas de Telecomunicación

Descripción y objetivos:

Copernicus es, a día de hoy, el programa más importante de Observación de la Tierra a nivel mundial. El programa es una iniciativa conjunta de la Comisión Europea y de la Agencia Espacial Europea (ESA) que persigue construir un sistema autónomo de observación de la Tierra. El programa Copernicus se apoya en una familia de satélites llamados Sentinel, propiedad de la Unión Europea y desarrollados para satisfacer las necesidades de los servicios Copernicus y de sus usuarios.

Cada objeto de la superficie de la Tierra refleja y absorbe energía en diversas formas. La firma espectral representa la forma única en la que una superficie refleja la energía del sol, dentro del espectro electromagnético. Además, las firmas espectrales típicamente se caracterizan en una gráfica de eje X (largo de onda) e Y (porciento de reflectancia) de modo que diferentes superficies tienen distintas firmas espectrales.

Actualmente existen multitud de datos, herramientas y software,… para acceder a los datos de los satélites y procesarlos. El objetivo de este PFG sería acceder a la información multiespectral de cierta zona del planeta y procesarla para obtener cierta información como cambios en la cobertura del suelo, el crecimiento de algas en el agua, diferentes tipos de cultivos, o la cantidad de desarrollo urbano en un área. La información concreta necesaria depende de la aplicación y se definirá cuando empiece el PFG.

El alumno no empezará de cero ya que se ha defendido un PFM que ha realizado un estudio del arte de todas las tecnologías y herramientas existentes.

Supervisor académico:

Íñigo Adín.

 

Departamento Tecnun/División CEIT:

CEIT. División TIC

 

Área temática:

Posicionamiento y comunicaciones

 

Descripción y objetivos:

Este proyecto trata de proponer técnicas novedosas para conseguir posicionar en interiores y exteriores por medio de señales de oportunidad, en combinación con las señales de satélites GNSS (GPS, Galileo, etc.). La tendencia actual es fusionar la señal GNSS con sensores inerciales y sensores basados en visión y radar para su guiado preciso. Sin embargo existen técnicas menos costosas que utilizan las señales ya presentes en el espectro y en el entorno de aplicación, que pueden resultar útiles. Los beacons de Wifi, bluetooth pueden usarse como anclas y mediante técnicas de fingerprinting en base a la potencia recibida, se consiguen precisiones del orden de pocos metros. Sin embargo, la nueva 5G, con espectros frecuencias mayores y celdas más pequeñas pueden resultar útiles para posicionar mediante tiempo de llegada de la señal. Así mismo, existen constelaciones de satélites comerciales en orbitas bajas que emiten señales que pueden igualmente utilizarse para estos medios.

El objetivo es establecer las técnicas usadas en cada caso y llegar a estimar las precisiones alcanzables.