How to Build an Autonomous Anything

10:00–10:30

Autonomous technology will touch nearly every part of our lives, changing the products we build and the way we do business. It’s not just in self-driving cars, robots, and drones; it’s in applications like predictive engine maintenance, automated trading, and medical image interpretation. Autonomy—the ability of a system to learn to operate independently—requires three elements:

• Massive amounts of data and computing power
• A diverse set of algorithms, from communications and controls to vision and deep learning
• The flexibility to leverage both cloud and embedded devices to deploy the autonomous technology

In this talk, Chris shows you how engineers and scientists are combining these elements, using MATLAB^® and Simulink^®, to build autonomous technology into their products and services today—to build their autonomous anything.

This presentation will be given in English.

Chris Hayhurst, MathWorks

Desarrollo del Control de la Transmisión de un Vehículo Eléctrico con Diseño Basado en Modelos

10:30–11:00

En todos los sectores y especialmente en el de la automoción se desarrollan sistemas de control cada vez más complejos y con múltiples fuentes de datos, a la vez que se intentan disminuir los tiempos de desarrollo garantizando la funcionalidad y la seguridad. Estos grandes retos obligan a los ingenieros de control y simulación a desarrollar software de forma más eficiente y segura, cumpliendo los exigentes requisitos. La presentación está focalizada en como la utilización de nuevos métodos, tales como el basado en modelos, permiten alcanzar los objetivos del proyecto, mediante el uso de una plataforma genérica de desarrollo.

Miguel Allende, Tecnalia

Mantenimiento predictivo en instalaciones de túnel en Metro de Madrid mediante analítica de datos y machine learning

10:30–11:00

Metro de Madrid cuenta desde hace años con equipos de medida que proporcionan ingentes cantidades de información sobre el estado de las instalaciones de túnel, incluyendo entre otros muchos, parámetros geométricos de la plataforma de vía, desgaste de carriles, geometría y desgaste de catenaria, etc. El gran volumen y la ausencia de referencias GPS de esta información registrada de manera periódica es tal que su gestión se vuelve harto complicada si no se dispone de herramientas que faciliten su tratamiento, evaluación y rápida distribución. Metro de Madrid lleva varios años utilizando MATLAB^® para el desarrollo de soluciones software propias que permiten un análisis parcialmente automático de estos datos de auscultación tanto desde un punto de vista detallado (análisis de zonas puntuales fuera de umbrales, variaciones, evolución, etc.) como macroscópico (indicadores de estado de líneas), permitiendo la optimización de sus procesos de mantenimiento y sus inversiones. Además de las oportunas funcionalidades analíticas y predictivas de los datos de auscultación, esas herramientas cuentan con capacidades colaborativas, que favorecen un rápido flujo de información entre los distintos departamentos en los que se distribuyen, y permiten supervisar el ciclo de vida completo de los puntos de mejora detectados.

Raúl Rico, Metro de Madrid

Diseño Basado en Modelos en Lear Corporation: como maximizar la calidad, minimizando el número de defectos

10:15–11:00

En esta sesión veremos cómo la adopción de mejores prácticas para el Diseño Basado en Modelos permitió al fabricante de componentes para automoción Lear Corporation, aumentar la calidad de sus productos, mediante generación de código y técnicas avanzadas de verificación. Mediante estas técnicas fueron capaces de encontrar errores en etapas tempranas del desarrollo, en las que el coste de corrección de los errores es mucho menor, permitiendo aumentar la eficiencia de los proyectos y la competitividad de la empresa.

Josep Yepes, Lear Corporation

La Historia de un Producto Rápido, Barato y Adecuado: MegaLife

11:30–12:00

La pregunta de en qué lenguaje desarrollamos “esta gran idea”, es una pregunta muchas veces repetida. En esta sesión veremos la historia de MegaLife como ejemplo de que MATLAB^® es un lenguaje suficientemente potente para que, a partir una aplicación semi-desarrollada, no sea necesario migrarla a un lenguaje de más bajo nivel para escalarla. MegaLife es un programa que tiene la capacidad de post procesar análisis de modelos de elementos finitos y que incorpora metodología detallada de post proceso como análisis de fatiga o propagación de grieta para componentes aeronáuticos.

Daniel Abajo, ITP

Uso de Modelos durante el Ciclo de Desarrollo en V para Plataformas de Aviónica

11:30–12:00

El grupo de Overall Systems Integration group de Airbus Defence and Space trabaja con las herramientas de MathWorks para reducir las fases de diseño y pruebas para aviónica. En esta sesión Ismael proporcionará una visión de conjunto de sus proyectos actuales utilizando las librerías de MATLAB^® y Simulink^® dentro del área de aviónica y simulaciones sobre el ciclo en V completo para conseguir la primera campaña de integración en vuelo.

En estos proyectos aeroespaciales, el uso de modelado, simulación, generación automática de código y pruebas durante el desarrollo de sistemas es estratégico, proporcionando resultados tempranos de integración y un diseño más seguro para sistemas críticos.

Ismael Alcalá, Airbus Defence and Space

Novedades de las últimas versiones de MATLAB y Simulink

12:00–12:30

En esta sesión se presentarán las principales capacidades incorporadas en las últimas versiones de la familia de productos MATLAB^® y Simulink^®. Entre lo más destacado están las novedades en los tipos de datos en MATLAB que facilitan el manejo de datos tabulares con información de fechas, el trabajo con datos textuales y datos demasiado grandes para caber en memoria. También se verán las últimas mejoras hechas sobre el Live Editor, donde se pueden ver los resultados junto con el código que los produce. Las funcionalidades añadidas a Simulink simplifican el modelado, mejoran la eficiencia de las simulaciones y proporcionan más información contextual sobre los modelos.

David Pérez, MathWorks

Diagnóstico del Aislamiento Eléctrico en Redes Eléctricas de Media Tensión Mediante Medida de Descargas Parciales

12:30–13:00

Ormazabal en colaboración con la Escuela Politécnica Superior de Mondragón Unibertsitatea ha desarrollado un equipo electrónico de adquisición y procesamiento de señales de alta frecuencia que permite realizar el diagnóstico preventivo del estado del aislamiento eléctrico midiendo descargas parciales.

MATLAB^® se ha utilizado para implementar los algoritmos de adquisición y procesamiento de señal (HDL Coder™, Signal Processing Toolbox™…) partiendo de simulaciones existentes y utilizando una implementación previa en C como referencia. La implementación en FPGA de los algoritmos de detección de descargas parciales ha permitido reducir en un factor de 10 el tiempo necesario para procesar las descargas detectadas en las 3 fases. La utilización de MATLAB ha permitido simplificar las tareas de diseño e implementación de los bloques de procesado de señal empleados (detectores de envolvente, transformadas de Fourier, filtros, etc.).

Mikel Mendikute, Mondragón Unibetsitatea

Análisis de Vibraciones para Monitorizar Sistemas Mecánicos Giratorios

12:30–13:00

En esta sesión veremos ejemplos de cómo la industria actual demanda cada vez más, sistemas que sean capaces de determinar el estado de un sistema mediante el análisis de datos obtenidos durante su funcionamiento habitual.

MATLAB^® juega un papel fundamental para Indra en el diseño de sistemas eficaces que permitan prever el momento de fallo con un alto porcentaje de éxito y cuya probabilidad de acierto en el diagnóstico sea alta, maximizando el rendimiento de los sistemas ya que se podrán realizar acciones de mantenimiento predictivas en lugar de correctivas.

Dentro de esta tarea, las técnicas de “Machine Learning” juegan un papel fundamental ya que permiten realizar diagnósticos con alto nivel de éxito con un “Time To Market” muy reducido.

José Barriga, Indra

Machine Learning y Deep Learning con MATLAB

14:00–14:45

El aprendizaje automático (Machine Learning) está presente en todas partes. Desde el diagnóstico médico, el reconocimiento de voz y objetos a la monitorización del estado motores y mantenimiento predictivo, el aprendizaje automático está utilizándose para tomar decisiones críticas de ingeniería y negocio cada momento del día. En esta sesión, abordaremos diferentes técnicas de aprendizaje automático en MATLAB^® y, en particular, resolveremos el problema de reconocimiento de objetos en visión artificial utilizando Deep Learning.

Lucas García, MathWorks

Big Data con MATLAB

15:00–16:00

Los datos están presentes en todas partes y cada año almacenamos más y más información. Estos enormes conjuntos de datos ofrecen una oportunidad única para descubrir nuevas cosas sobre nuestro mundo, los productos que fabricamos y cómo las personas interactúan con ellos. Sin embargo, estos grandes conjuntos de datos presentan también algunos desafíos reales: ¿cómo los entendemos?, ¿cómo los consultamos? ¿cómo los leemos? En esta sesión, presentaremos las nuevas herramientas en los productos de MathWorks que le ayudarán a trabajar con datos aún más grandes.

Lucas García, MathWorks

Modelado, Simulación y Pruebas en Simulink

14:00–14:45

Ser capaz de crear y gestionar los ensayos y las pruebas es una de las claves que hace posible un diseño basado en modelos eficiente. Las versiones más recientes de MATLAB^® y Simulink^® contienen nuevos desarrollos que facilitan la puesta a prueba de los modelos y del código generado automáticamente a partir de ellos. En esta sesión, Luis mostrará cómo se puede utilizar Simulink Test™ para:

• Crear y gestionar test harnesses
• Establecer de forma rápida pruebas basadas en propiedades temporales y lógicas
• Gestionar diferentes tipos de ensayos: de regresión, de equivalencia y basados en requerimientos
• Integrar el análisis de cobertura estructural, enlace a requisitos y la generación de informes

Luis López, MathWorks

Verificación de Código Generado Automáticamente

15:00–16:00

La verificación de código a menudo se deja para el final del proyecto, que es cuando los cambios son más costosos de realizar. ¿Qué sucedería si se pudiera verificar el comportamiento del sistema a lo largo de todo el proceso de desarrollo? Usando los mismos escenarios de pruebas desarrollados para el modelo de simulación, se puede verificar continuamente el comportamiento del código generado según se va acrisolando y ampliando. La sesión cubre:

• El desarrollo, gestión y ejecución de casos de prueba reutilizables tanto en los procesos de simulación como de generación de código.
• Utilización de técnicas de verificación dinámicas y estáticas
• Recogida y acumulación de resultados de análisis de cobertura estructural del código para medir la exhaustividad de los ensayos desde Simulink^®
• Obtención de las métricas de rendimiento de ejecución y anotación de resultados en el modelo
• Análisis de conformidad con normas y estándares y prueba de la corrección del código de producción

Luis López, MathWorks