Barcelona Resúmenes

Beyond the “I” in AI

10:00–10:30

Insight. Implementation. Integration.

AI, or artificial intelligence, is transforming the products we build and the way we do business. It also presents new challenges for those who need to build AI into their systems. Creating an “AI-driven” system requires more than developing intelligent algorithms. It also requires:

  • Insights from domain experts to generate the tests, models, and scenarios required to build confidence in the overall system
  • Implementation details including  data preparation, compute-platform selection, modeling and simulation, and automatic code generation
  • Integration into the final engineered system

P.J. Boardman demonstrates how engineers and scientists are using MATLAB® and Simulink® to successfully design and incorporate AI into the next generation of smart, connected systems.

P.J. Boardman, MathWorks


Enfoque ágil para desarrollo y verificación de componentes AUTOSAR

10:30–11:00

En la sesión presentarán los avances que se han conseguido en IDNEO gracias al diseño basado en modelos con las herramientas de MathWorks, que ha conllevado mejoras significativas dentro de su negocio auto.

Además, cuando los clientes también utilizan Simulink®, pueden trabajar directamente con sus modelos, lo que elimina la ambigüedad inherente a los requisitos del lenguaje natural y puede reducir el tiempo de desarrollo a la mitad.

Frecuentemente, los clientes proporcionan componentes AUTOSAR que han desarrollado y nos piden que los integremos en un sistema más grande, potencialmente con otros componentes de terceros. En estos casos, se utilizan la definición de las interfaces del componente para simplificar el proceso de integración, reduciendo el tiempo de desarrollo hasta en un 70 por ciento.

En comparación con proyectos anteriores de alcance similar en los que no usamos AUTOSAR y/o el diseño basado en modelos, ahora tenemos un tiempo de desarrollo mucho más corto: de un año a seis meses, en algunos casos. Además, podemos detectar errores antes, lo que nos permite encontrar y corregir alrededor del 80% de los errores en la fase de diseño.

Joan Albesa, IDNEO


Novedades de las Últimas Versiones de MATLAB y Simulink

11:30–12:15

Conozca las nuevas funcionalidades de las familias de productos de MATLAB® y Simulink® para flujos de trabajo de investigación, diseño y desarrollo. Entre lo más destacado de esta sesión están las últimas novedades para deep learning, comunicaciones inalámbricas, conducción autónoma y otras áreas de aplicación. Además, se mostrarán nuevas herramientas para la definición de arquitecturas software y de sistema, así como modelado, simulación y verificación.

Paz Tárrega, MathWorks

David Pérez, MathWorks

Convertirse en un equipo de ingenieros centrado en datos: ponerse al día con el aluvión de datos

12:30–13:00

Los equipos de ingenieros disponen en la actualidad de más datos que nunca. Datos de pruebas, operaciones, producción y otras fuentes presentan oportunidades para decisiones de diseño basadas en datos y nuevos productos y servicios basados en datos. Pero a muchos equipos les cuesta crear un conjunto coherente de herramientas y procesos para extraer valor de estos datos.

Esta sesión presenta una variedad de nuevas funcionalidades de MATLAB® para acceder, organizar y analizar datos, con un foco especial en el contexto de datastore de MATLAB para trabajar con colecciones grandes de datos y tipos de datos de MATLAB para organizar y preprocesar datos de sensores. Veremos cómo estas herramientas permiten a los equipos de ingenieros pasar de análisis de datos ad-hoc a construir herramientas centralizadas para uso a nivel de toda la organización creando unos cimientos para apps de producción y análisis de datos.

Paula Poza, MathWorks


Deep learning y reinforcement learning para inteligencia artificial

14:00–14:30

La inteligencia artificial está generando un cambio espectacular en el papel que los ordenadores juegan en nuestras vidas personales y profesionales. Dos nuevos flujos de trabajo, deep learning y reinforcement learning, están transformando industrias y mejorando aplicaciones como el diagnóstico médico, la conducción autónoma y el control de robots.

Esta sesión muestra como MATLAB® soporta flujos de trabajo de deep learning y reinforcement learning incluyendo:

  • Automatización de la preparación y etiquetado de datos de entrenamiento
  • Interoperabilidad con entornos de deep learning de código abierto
  • Entrenamiento de redes neuronales profundas sobre datos de imágenes, señales y textos
  • Sintonización de hiper-parámetros para acelerar el tiempo de entrenamiento e incrementar la precisión de la red
  • Generación de código multi-plataforma para NVIDIA®, Intel®, and ARM®

Lucas García, MathWorks


Aplicaciones de aprendizaje automático para superar retos de energía eólica

14:30–15:00

La instalación de parques eólicos en emplazamientos cada vez más complejos trae consigo el potencial aumento de la incertidumbre en los métodos de evaluación de recursos y producción energética. Estos entornos exigen la aplicación de nuevos algoritmos más sofisticados que tengan en cuenta la interacción no lineal de un mayor número de variables tanto ambientales como de turbina.

Desde EDP Renovables, se apuesta por el uso de técnicas de aprendizaje automático para la resolución de problemas tales como la reducción del error en la predicción de producción, la estimación de potenciales perdidas por hielo en climas fríos, la caracterización de vientos extremos de tormenta o la potencial afección de patrones climáticos en el viento y la producción en grandes regiones del planeta.

Esta modelización está inevitablemente ligada al uso de técnicas de big data para la gestión de grandes volúmenes de datos climáticos y operacionales.

Daniel Cabezón, EDP Renovables


Diseño y simulación de sistemas de conducción autónoma con MATLAB y Simulink

15:15–16:00

La ingeniería de sistemas y el diseño basado en modelos pueden significar cosas diferentes para diferentes grupos, pero muchas de las definiciones comparten un conjunto de conceptos, incluyendo el comenzar desde un conjunto de requisitos a nivel de sistema que se usan para conducir una descomposición funcional y el proceso de asignación de requisitos. Después se realizan “trade studies” sobre las diferentes alternativas de arquitectura del sistema para crear una arquitectura a partir de la cual se desarrolla y después se simula el diseño para verificar que los requisitos se cumplen.

Esta presentación muestra cómo MATLAB® y Simulink® operan en este flujo de trabajo cuando se combinan con Simulink Requirements™, al permitir a los usuarios:

  • Recoger, ver, analizar y gestionar requisitos
  • Desarrollar un modelo de arquitectura de sistema a partir de los requisitos, modelos de Simulink existentes, ICDs y arquitecturas creadas de manera externa, o combinaciones de lo anterior
  • Examinar el modelo de arquitectura de sistema utilizando distintas vistas para diferentes intereses
  • Asignar (enlazar) requisitos a componentes de la arquitectura y realizar análisis de cobertura y de impacto ante cambios
  • Realizar estudios de compromiso para comparar, evaluar u optimizar la arquitectura del sistema
  • Diseñar componentes especificados en el modelo de arquitectura de sistema
  • Simular la composición de sistema para verificar el comportamiento a nivel de sistema

Lucas García, MathWorks

Desarrollo de un sistema de gestión de baterías utilizando Simulink

12:30–13:00

Los sistemas de gestión de baterías (SGB) aseguran el máximo rendimiento, un funcionamiento seguro y la vida útil óptima de los sistemas de almacenamiento de energía de los paquetes de baterías bajo diversas condiciones de entorno y ciclos de carga-descarga. Con Simulink®, los ingenieros pueden usar simulaciones para modelar algoritmos de control retroalimentados y supervisados que monitoricen el voltaje y la temperatura de la celda, estimen el estado de carga (SoC) y el estado de salud del paquete, controlen los ritmos de carga y descarga y equilibren el SoC de todas las celdas de la batería, y aíslen la batería de la fuente o la carga cuando sea necesario. Empezando por estudios de compromiso en las primeras fases de diseño hasta las pruebas con hardware-in-the-loop del hardware del SGB, Simulink puede ayudar a los ingenieros a realizar simulaciones en su ordenador para asegurar que el SGB rinde como se espera bajo todas las condiciones de operación deseadas y cumple con los requisitos de durabilidad de diseño. En esta sesión, aprenderán cómo Simulink puede ayudar a ingenieros del ámbito eléctrico, térmico y de software a colaborar a lo largo del ciclo de desarrollo de los algoritmos de SGB.

María Fernández, MathWorks


EFS como herramienta de simulación de infraestructuras eléctricas ferroviarias

14:00–14:30

La herramienta de simulación (Energy Flow Simulation) permite calcular el flujo de energía en redes de transporte público ferroviarias, detectar puntos débiles y críticos, testear diferentes soluciones y basar inversiones futuras en criterios técnicos y objetivos. Para este fin se desarrolló un modelo matemático que incluye todos los elementos que componen el sistema de distribución de energía en las redes ferroviarias y los respectivos consumidores. Esta parametrización utiliza un modelo de MATLAB® y Simulink® que exporta los resultados a una aplicación basada en la nube, para que cualquier usuario con unos mínimos conocimientos pueda simular. Con EFS cualquier operador de transporte público puede simular los flujos de energía en su infraestructura con profundidad e independencia y responder de una forma autónoma a los retos de la nueva movilidad. 

Ferran Rovira, KRUCH SIDOS


Cómo hacer más simple la verificación basada en requisitos con el diseño basado en modelos

14:30–15:00

Con el diseño basado en modelos, los requisitos textuales informales se pueden modelizar y simular para verificar el comportamiento de forma temprana y entonces, generar automáticamente un código para un dispositivo embebido. Los requisitos pueden incluir propiedades temporales para definir lógica de señal compleja dependiente del tiempo, y pueden estar incompletos o ser inconsistentes.

Esta charla muestra cómo se pueden modelizar requisitos y utilizar el editor de “Logical and Temporal Assessments” en Simulink Test™ para traducir requisitos en texto informales en evaluaciones inequívocas con semántica clara y definida que permite identificar inconsistencias. El lenguaje de evaluación temporal, basado en lógica métrica temporal, posee una semántica precisa y formal altamente expresiva para crear evaluaciones legibles. Se conocerá cómo introducir evaluaciones con condiciones, eventos, valores de señales, retrasos y respuestas usando el editor interactivo basado en formularios. Se puede visualizar la evaluación en una declaración similar al idioma inglés que es fácil de entender, o ver representaciones gráficas que permiten visualizar los resultados y depurar errores de diseño.

Luis Lopez, MathWorks


Ingeniería de sistemas: de los requisitos a la arquitectura y a la simulación

15:15–16:00

La ingeniería de sistemas y el diseño basado en modelos pueden significar cosas diferentes para diferentes grupos, pero muchas de las definiciones comparten un conjunto de conceptos, incluyendo el comenzar desde un conjunto de requisitos a nivel de sistema que se usan para conducir una descomposición funcional y el proceso de asignación de requisitos. Después se realizan “trade studies” sobre las diferentes alternativas de arquitectura del sistema para crear una arquitectura a partir de la cual se desarrolla y después se simula el diseño para verificar que los requisitos se cumplen.

Esta presentación muestra cómo MATLAB® y Simulink® operan en este flujo de trabajo cuando se combinan con Simulink Requirements™, al permitir a los usuarios:

  • Recoger, ver, analizar y gestionar requisitos
  • Desarrollar un modelo de arquitectura de sistema a partir de los requisitos, modelos de Simulink existentes, ICDs y arquitecturas creadas de manera externa, o combinaciones de lo anterior
  • Examinar el modelo de arquitectura de sistema utilizando distintas vistas para diferentes intereses
  • Asignar (enlazar) requisitos a componentes de la arquitectura y realizar análisis de cobertura y de impacto ante cambios
  • Realizar estudios de compromiso para comparar, evaluar u optimizar la arquitectura del sistema
  • Diseñar componentes especificados en el modelo de arquitectura de sistema
  • Simular la composición de sistema para verificar el comportamiento a nivel de sistema

Luis Lopez, MathWorks