139 ESGI: Las matemáticas se demuestran eficaces en metalurgia, automoción y procesos industriales

Printer-friendly versionSend by email
Del 09 al 13 de julio tuvo lugar en la Facultad de Matemáticas de la Universidad de Santiago de Compostela (USC) el 139 European Study Group with Industry, gracias a la colaboración entre la Red Española Matemática-Industria (math-in) y el Instituto Tecnológico de Matemática Industrial (ITMATI).
 
139 ESGI concluyó con un éxito de participación y de resultados: los investigadores participantes consiguieron encontrar soluciones a los cinco problemas industriales. Los retos relacionados con la metalurgia, la automoción y la mejora de procesos industriales fueron planteados por cinco empresas de alcance multinacional: Repsol,  ArcelorMittal, Biomasa Forestal, EcoMT y BorgWarner. En todos los casos, las matemáticas fueron la respuesta. Tecnologías como el big data, el machine learning y la MSO (Modelización, Simulación y Optimización) están detrás de las soluciones, ya que para llegar a la automatización de los procesos primero hace falta la metodología matemática. Convertir una suma de cálculos complejos en un modelo simplificado sin perder exactitud, encontrar la expresión de un fenómeno físico en el que participan numerosas variables o buscar la relación que guardan entre sí los datos recogidos por sensores son algunas de las tareas que un matemático tiene que abordar antes de que las máquinas puedan ponerse a hacer su trabajo.

Los ESGI, iniciados en Oxford en 1968, constituyen un foro para trabajar de manera conjunta científicos industriales e investigadores matemáticos sobre problemas de interés para la industria. Se trata de un método internacionalmente reconocido de transferencia de tecnología y conocimientos entre las Matemáticas y la Industria.  En ellos un equipo de investigadores se pone al servicio de empresas concretas, para que resuelvan mediante técnicas matemáticas los problemas y necesidades que éstas les plantean.

Esta edición contó con 52 participantes, de 5 países distintos (Austria, España, Ecuador, Italia, Reino Unido), que consiguieron encontrar soluciones a los cinco problemas industriales: 11 participantes de empresas, 10 estudiantes de doctorado (PhD), 12 alumnos de grado/máster, y 19 docentes e investigadores.
 

Mesa de apertura del 139 ESGI

EMPRESAS PARTICIPANTES:
 
PROBLEMAS PRESENTADOS:
  • Coordinadora Académica | Elena Martín Ortega. Profesora Titular en la Universidad de Vigo e Investigadora adscrita a ITMATI.
  • Coordinadores Empresariales |
    • Anxo Feijóo Lorenzo. Dirección general y Dirección técnica en Ecomanagement Technology.
    • Jose Carlos Perez Ramilo. Director de Calidad en BorgWarner.
  • Especialista | Fernando Varas Mérida. Profesor Titular en la Universidad Politécnica de Madrid.
  • Reducción de orden en sistemas dinámicos usando machine learning. REPSOL.
    • Coordinador Académico | Andrés Gómez Tato, Responsable de Aplicaciones y Proyectos en el CESGA. 
    • Coordinador Empresarial | Ángel Rivero Jiménez, Científico Senior en Centro de Tecnología Repsol.
    • Especialista | Pablo Solano López, Estudiante de doctorado, Departamento de Física Aplicada (UPM)
 
  • Coordinadoras Académicas | Peregrina Quintela Estévez, Catedrática de Matemática Aplicada en la Universidad de Santiago de Compostela y Directora de ITMATI y Patricia Barral Rodiño, Profesora Titular en la Universidad de Santiago de Compostela e Investigadora Adscrita a ITMATI.
  • Coordinador Empresarial | Miguel Fanjul Cuesta, Ingeniero de I+D en el Departamento de Refractarios en ArcelorMittal.
  • Especialista | María Teresa Sánchez Rúa, Centro Universitario de la Defensa (Zaragoza)


Presentación del problema: Solidificación y acoplamiento mecánico en propagación de microfracturas

 
Presentación del problema: Mejora de la eficiencia de un horno de retorta


Presentación del problema: Reducción de orden en sistemas dinámicos usando machine learning

Presentación del problema: Mantenimiento predictivo en fábrica de producción de pellet


Presentación del problema: Modelización termo-mecánica equivalente de la taza cerámica de un Horno Alto

Grupo de trabajo del problema: Solidificación y acoplamiento mecánico en propagación de microfracturas

Grupo de trabajo del problema: Mejora de la eficiencia de un horno de retorta

  
Grupo de trabajo del problema: Reducción de orden en sistemas dinámicos usando machine learning

Grupo de trabajo del problema: Mantenimiento predictivo en fábrica de producción de pellet

Grupo de trabajo del problema: Modelización termo-mecánica equivalente de la taza cerámica de un Horno Alto


Presentación de las conclusiones del problema: Solidificación y acoplamiento mecánico en propagación de microfracturas

Presentación de las conclusiones del problema: Mejora de la eficiencia de un horno de retorta


Presentación de las conclusiones del problema: Reducción de orden en sistemas dinámicos usando machine learning

 

Presentación de las conclusiones del problema: Mantenimiento predictivo en fábrica de producción de pellet

 


Presentación de las conclusiones del problema: Modelización termo-mecánica equivalente de la taza cerámica de un Horno Alto

Más información:  139 ESGI

  • el Ministerio de Economía e Industria y Competitividad a través de la Red Temática RTMath-in, otorgada dentro de la convocatoria de “Redes de Excelencia” 2016
  • la Consellería de Cultura, Educación y Ordenación Universitaria de la Xunta de Galicia a través de la Red Tecnológica de Matemática Industrial (Red TMATI) y del convenio que ITMATI tiene con esta Consellería"
  • el proyecto ROMSOC financiado en el marco del Programa Marco de Investigación e Innovación Horizonte 2020 de la Unión Europea, en virtud del acuerdo de subvención Marie-Skłodowska-Curie n. ° 765374.
 
En esta ocasión el CIEDUS de la USC reconoció esta actividad como curso de formación en los Programas de Doctorado: “Métodos Matemáticos e Simulación Numérica en Enxeñaría e Ciencias Aplicadas (USC-UVigo-UDC)” y “Estatística e Investigación Operativa (USC-UVigo-UDC)”, con dos modalidades: Básica de 1,5ECTS y Avanzada de 4 ECTS dependiendo de la implicación del estudiante de doctorado en la elaboración de las conclusiones y de las actas del evento.

También se realizaron los trámites oportunos para que este evento fuese considerado como curso de formación para todos los investigadores participantes de las tres universidades gallegas. Y además esta actividad es reconocida por la UDC, USC y UVigo como una actividad de formación del PDI.

 
 

NOTAS DE PRENSA:

MENCIONES EN MEDIOS:

 
Toda la información relativa a este evento se puede consultar en la página web del 139 ESGI: http://www.math-in.net/139esgi/

Fecha: 
Tue, 2018-07-17