Archivo de la etiqueta: investigación

Laboratorios Remotos de mañana, hoy: el proyecto Go-Lab

PABLO ORDUÑA. Investigador de DeustoTech Internet
IRATXE MENTXAKA. Investigadora de DeustoTech Learning

Live.Proys.GoLab.Imagen3

Go Lab (Global Online Science Labs for Inquiry Learning at School) es un ambicioso proyecto europeo que tiene por objetivo motivar a  estudiantes de colegios a estudiar carreras científico tecnológicas mediante el uso de laboratorios remotos y virtuales.

Un laboratorio remoto es un sistema software y hardware en el que un estudiante puede acceder a un laboratorio real, físico, con equipamiento existente, que está situado en alguna universidad o centro remoto, y puede interactuar con él como si estuviese delante.
Un laboratorio virtual es esencialmente un simulador.
En el proyecto participan 19 socios, incluyendo entre otros a la Agencia Espacial Europea o el CERN, con una financiación total de 10 millones de euros, y debe para el año 2016 tener una experiencia con más de 1.000 colegios en la Unión Europea.

Live.Proys.GoLab.Foto2
En DeustoTech, el proyecto lo llevan a cabo las unidades Internet (para la parte tecnológica, Pablo Orduña —director de Go-Lab en DeustoTech Internet— y Luis Rodríguez) y Learning (para las partes de comunidad y pedagógica, Olga Dziabenko —directora de Go-Lab en DeustoTech Learning—, Javier García Zubia e Iratxe Mentxaka).
En la parte tecnológica, DeustoTech lidera el desarrollo de dos herramientas clave en el proyecto:

  • El Smart Gateway, que permite que laboratorios internos y externos al proyecto puedan ser utilizados en el marco del proyecto a través del Go-Lab Portal. Para ello, se está utilizando una herramienta open source liderada por DeustoTech – Internet, gateway4labs, en cuyo desarrollo han participado investigadores del Massachusetts Intitute of Technology (EE.UU.), EAFIT (Colombia), así como socios del proyecto (UNED, Madrid, CUAS, Austria), y se está trabajando con universidades de diferentes puntos del planeta (Brasil, República Checa, Australia) para integrar laboratorios existentes en el proyecto.
  • El App Composer, que permite a profesores de colegios traducir aplicaciones utilizadas en el marco del proyecto a los diferentes idiomas, así como adaptar algunas aplicaciones a campos concretos (física, medio ambiente, etc). De esta manera, los proveedores de aplicaciones, siguiendo las guías estándar de internacionalización de la tecnología que se usa en el proyecto (OpenSocial, la misma que se utilizaba en iGoogle), hará que su aplicación sea automáticamente traducible por los profesores para cada idioma. Y los desarrolladores de aplicaciones podrán seguir otras guías propias del proyecto para que su aplicación pueda ser configurada de forma diferente por los profesores de cada colegio para dar la clase adaptada a sus necesidades.

Live.Proy.GoLab.ILS_screen

DeustoTech Learning, el grupo de investigación en tecnología educativa de la Facultad de Ingeniería de Deusto está participando también en este ambicioso proyecto. Desde DeustoTech Learning se colabora en el diseño de las ILS o Inquiry Learning Space, que se trata fundamentalmente de los escenarios de aprendizaje o unidades didácticas que utilizan los profesores para integrar los laboratorios y las aplicaciones de apoyo en el aula (Todos estos recursos están disponibles en www.golabz.eu ). Algunos de los ILS diseñados por DeustoTech Learning son «Conexiones de resistencias en serie o en paralelo», «Ley de Ohm», «Código binario»,… entre otras. Además han conformado una comunidad de hasta 70 centros educativos
de toda España que están comprometidos con el proyecto y que van a experimentar con sus grupos de alumnos la utilización de estos ILS.
Dentro de esta fase de pilotaje ya se han llevado a cabo una serie de talleres en los cuales se han dado a conocer algunos de los laboratorios, como por ejemplo el del Principio de Arquímedes que se encuentra en la Universidad de Deusto. También se ha iniciado
la formación para que los profesores creen sus propias ILS con los laboratorios disponibles e incluso con otros externos a GoLab. En definitiva, GoLab ofrece al profesorado el acceso a una red inacabable de laboratorios virtuales y remotos, la propuesta pedagógica adecuada para su integración en el aula y todo el asesoramiento necesario para garantizar el aprendizaje de los alumnos a través de la experimentación y la indagación.
Sigue leyendo Laboratorios Remotos de mañana, hoy: el proyecto Go-Lab

BIOTRANS: inteligencia computacional para transformar biomasa

GORKA SORROSAL     CRUZ E. BORGES     AINHOA ALONSO
Investigadores de DeustoTech Energy

Ejemplo de ajuste para un experimento del proceso BTO. Data: datos experimentales, Mech: modelo de conocimiento, NN: modelo neuronal
Ejemplo de ajuste para un experimento del proceso BTO. Data: datos experimentales, Mech: modelo de conocimiento, NN: modelo neuronal

DeustoTech Energy, a través del proyecto BIOTRANS, persigue desarrollar herramientas para la intensificación de procesos de transformación de biomasa, siendo su objetivo último la búsqueda de alternativas a la petroquímica actual y la valorización de materias primas alternativas al petróleo. El proyecto ha obtenido financiación del Gobierno Vasco a través de su convocatoria para proyectos de Investigación Básica y Aplicada, por su notable interés científico.

Hoy día cada vez somos más conscientes de que el petróleo es una  materia prima agotable cuyas reservas disminuyen año a año. Por ello, tanto la industria como los gobiernos de los países  desarrollados están impulsando la transición hacia una «Refinería sostenible» fomentando la producción de biocombustibles así como otros procesos ligados al procesamiento de los combustibles fósiles.

BIOTRANS pretende realizar un modelado del proceso de transformación catalítica de Bioetanol a Olefinas (BTO) mediante Redes Neuronales Artificiales. El uso de estas técnicas permite simplificar la construcción de los modelos al no basarse en principios físicos. Además, los tiempos de ajuste y estimación son  sustancialmente inferiores a los de complejos modelos matemáticos usuales, lo cual facilita su integración y cooperación con las técnicas de control. Nótese que el uso de las técnicas de Inteligencia  Computacional no constituyen una simplificación del modelo pues son capaces de «aprender» cualquier función.
En particular, en este proyecto se han probado diferentes arquitecturas de red y modelos estructurales con el fin de buscar la Red Neuronal que mejor se ajuste a los datos experimentales. Los resultados obtenidos permiten afirmar que estas técnicas son capaces de aprender correctamente las dinámicas del sistema y las relaciones existentes entre las diferentes variables que actúan sobre el proceso.

Arquitectura de una Red Neuronal Artificial
Arquitectura de una Red Neuronal Artificial

En la actualidad a partir del modelo desarrollado se está trabajando en la optimización y control inteligente multivariable del proceso  con el doble objetivo de maximizar el producto de reacción a la salida del reactor a la vez que se alarga la vida útil del catalizador.
Dentro de las estrategias de optimización se emplean técnicas evolutivas para determinar las condiciones de operación más adecuadas en cada momento y estado de la reacción, dotando de inteligencia al controlador con el fin de maximizar la producción global.
Con este proyecto se persiguen, por tanto, dos grandes objetivos simultáneamente. Por un lado, mejorar los beneficios medio  mbientales y económicos por el uso de materias primas renovables alternativas al petróleo, y por otro, la integración de la inteligencia
computacional en el desarrollo y optimización de estos procesos reduciendo el tiempo y costes necesarios para su futura implantación en el mercado.

Presentación de resultados en una conferencia internacional
Gorka Sorrosal, durante la presentación de resultados en una conferencia

Inteligencia cumputacional aplicada a la energía

La inteligencia computacional es una rama de la inteligencia artificial que combina elementos de aprendizaje, adaptación y evolución para crear programas con ciertas características «inteligentes» donde por
«inteligentes» se entienden programas con capacidad para de actuar  correctamente ante nuevas situaciones.
Algunas de las técnicas inteligentes se basan en el propio funcionamiento de la naturaleza. Por ejemplo,  las Redes Neuronales Artificiales tratan de emular el comportamiento de los cerebros biológicos a la hora de aprender relaciones o las Técnicas Evolutivas, que pretenden imitar el proceso evolutivo de las especies a la hora de optimizar un proceso.
Sus aplicaciones son muy variadas y en ámbitos de aplicación tan dispares como la Ingeniería Industrial, la Medicina, la Economía o la Climatología. Desde la construcción de algoritmos de visión  artificial, a la optimización y control inteligente de procesos industriales, pasando por el modelado de todo tipo de procesos industriales, modelos meteorológicos, económicos, ayudas al diagnóstico médico, etc.

Golden Ball meta-heuristic o cómo fútbol y la planificación de rutas tienen mucho que ver

ENEKO OSABA. Profesor de Estadística y estudiante de doctorado en DeustoTech Mobility

FERNANDO DÍAZ. Profesor del Departamento de Telecomunicaciones

¿Es posible unir el mundo del fútbol con la planificación de rutas de vehículos? A simple vista son dos conceptos que nada tienen que ver, pero con un poco de imaginación es posible. Siendo conscientes de que es algo difícilmente asimilable en un primer momento, comencemos por lo más simple.

GoldenBall1
El Golden Ball es una técnica especialmente diseñada para la resolución de problemas de planificación de rutas. Un problema muy conocido dentro de este campo es el problema del viajante, o TSP, en el que contamos con un número de ciudades repartidas aleatoriamente, y en el que el objetivo consiste en encontrar una ruta que minimice la distancia recorrida visitando cada ciudad una sola vez.
A priori el TSP parece un problema de fácil resolución. En una instancia en la que contáramos con tan solo cinco estaciones, por ejemplo, estoy seguro que la mayoría de vosotros sería capaz de encontrar «a ojo» la ruta óptima. Ahora os propongo un ejercicio más complicado… Intentad encontrar la ruta óptima para una instancia de más de 50 ciudades.
Resulta más complicado, ¿verdad? Teniendo en cuenta que el número total de rutas posibles es mucho mayor que tres trillones de trillones (que se dice pronto), es más que probable que en toda nuestra vida no fuéramos capaces de obtener la solución óptima.
Para resolver este tipo de problemas hay que hacer uso de técnicas, o algoritmos, especialmente diseñados para ello. En la literatura pueden encontrarse múltiples técnicas de este tipo para resolver todo tipo de problemas de planificación de rutas. Algunos de
estos algoritmos son el algoritmo genético (AG), o la optimización por abejas artificiales (OAA). Cada una de las técnicas se basa en diferentes conceptos, o metáforas, como por ejemplo la evolución del ser humano, en el caso del AG; o el ejercicio que realizan
las abejas en busca de fuentes de alimento, en el caso del OAA.

GoldenBall.TSP, mapa despues

Pese a que existen muchísimos algoritmos de este tipo, es interesante mencionar que la gran mayoría de ellos tienen un aspecto en común. Todos ellos trabajan sobre posibles soluciones del problema, las cuales se van modificando y evaluando a lo largo de la ejecución del algoritmo. En el caso del TSP, las técnicas trabajan con posibles rutas, las cuales se van modificando con la intención de mejorarlas progresivamente.

Con todo esto, el Golden Ball es una técnica que se basa en la metáfora del fútbol para resolver problemas de diferente índole, entre los cuales destacamos los problemas de planificación de rutas. Centrándonos en el TSP, el Golden Ball, al igual que muchas técnicas existentes, trabaja con un conjunto de soluciones (es decir, rutas) aleatoriamente creadas.

GoldenBall.TSP, satelite despues
Estos son los conceptos básicos en los que se basa la técnica Golden Ball. Hasta ahora, ha gozado de reconocimiento científico, habiendo sido publicada en dos revistas científicas y en un congreso. Además de esto, somos conscientes de que un grupo de investigación tailandés se ha interesado en nuestra técnica, y ya está trabajando sobre la misma, con la intención de realizar varias publicaciones al respecto.

Por lo tanto, a la pregunta «¿Es posible unir el fútbol con la planificación de rutas de vehículos?» hay que contestar que sí: sí es posible. Y no veáis lo gratificante que es unir uno de tus mayores hobbies con tu inquietud científica. ¡Es algo que realmente aconsejamos!

Sigue leyendo Golden Ball meta-heuristic o cómo fútbol y la planificación de rutas tienen mucho que ver