Investigación en nuevos modelos de Deep Learning y técnicas avanzadas de IA para la generación de un Gemelo Digital data – driven de plantas solares utility scale
isenIA es la continuación del proyecto AEVOMETA II desarrollado durante 2020-2022, que combinaba conceptos de computación evolutiva y metasuperficies nanofotónicas para desarrollar estructuras ultracompactas con características de enfriamiento radiativo pasivo.
El objetivo general del proyecto es investigar en el desarrollo de modelos digitales (digital twin) de climatización para edificación con diferentes aproximaciones.
MARS proporcionará a las PYMEs manufactureras europeas acceso a innovaciones en procesos de fabricación digitales impulsados por IA y en cadenas de procesos distribuidas geográficamente.
El objetivo general del proyecto es incrementar la calidad y fiabilidad de convertidores eólicos y fotovoltaicos que permita obtener la próxima generación de convertidores “premium”.
Diseño de un sistema de inteligencia artificial basado en Deep Learning capaz de construir un modelo matemático que relacione los parámetros productivos y las características de la carne con las preferencias del consumidor.
AEVOMETA II es la continuación del proyecto AEVOMETA desarrollado durante la anualidad de 2019.
El objetivo del proyecto es el desarrollo de una solución robotizada para el pulido/lijado en piezas estructurales de metal duro del sector aeronáutico.
El objetivo general de este proyecto es incorporar nuevas funcionalidades analíticas a los procesos productivos y extender la vida útil entre 5 y 10 años de maquinaria industrial histórica
El objetivo principal del proyecto AEVOMETA es aplicar algoritmos de computación evolutiva para el desarrollo de dispositivos de enfriamiento por radiación pasiva ultra-compactos y con capacidades de refrigeración superiores al estado del arte.