Logo

Industria Inteligente

Código: 44736
Créditos: 6
2026/2027
Titulación Tipo Curso
Research and Innovation in Computer Based Science and Engineering OP 1

Profesor/a de contacto

Nombre :
Raul Aragonés Ortíz
Correo electrónico :
raul.aragones@uab.cat

Equipo docente

Asier Ibeas Hernandez
Ivan Pisa Dacosta
Màrius Montón Macian
Raul Aragonés Ortíz

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Se recomienda que el estudiante tenga conocimientos de teoría de señales, ecuaciones diferenciales y sistemas lineales.

Objetivos

El objetivo del curso es proporcionar al estudiante conocimientos fundamentales en la aplicación del Internet de las cosas, sistemas de control y procesamiento de datos en la Industria 4.0.

Resultados de aprendizaje

  • CA16 (Proponer proyectos y acciones viables basados en sistemas de industria inteligente que potencien los beneficios sociales, económicos y medioambientales.) Proponer proyectos y acciones viables basados en sistemas de industria inteligente que potencien los beneficios sociales, económicos y medioambientales.
  • CA17 (Diseñar soluciones innovadoras en ámbitos de ciencia e ingeniería aplicando modelos teóricos y usando técnicas y herramientas propias de la industria inteligente.) Diseñar soluciones innovadoras en ámbitos de ciencia e ingeniería aplicando modelos teóricos y usando técnicas y herramientas propias de la industria inteligente.
  • KA21 (Identificar los elementos clave de la Industria conectada: información, conectividad, producción inteligente; y de los sistemas Big Data Industrial: recolección y procesado de datos, extracción de patrones y sistemas de predicción, analítica de datos y toma de decisiones.) Identificar los elementos clave de la Industria conectada: información, conectividad, producción inteligente; y de los sistemas Big Data Industrial: recolección y procesado de datos, extracción de patrones y sistemas de predicción, analítica de datos y toma de decisiones.
  • KA22 (Identificar las tecnologías óptimas para cada entorno Internet de las Cosas Industrial (IIoT): sensado, procesamiento, comunicación, actuación; así como para la realización de sistemas de control industrial mediante arquitecturas, sistemas de comunicación, monitorización y supervisión, y sistemas de control avanzado.) Identificar las tecnologías óptimas para cada entorno Internet de las Cosas Industrial (IIoT): sensado, procesamiento, comunicación, actuación; así como para la realización de sistemas de control industrial mediante arquitecturas, sistemas de comunicación, monitorización y supervisión, y sistemas de control avanzado.
  • SA27 (Resolver problemas que requieran la automatización y el control industrial mediante redes de monitorización utilizando conceptos y tecnologías específicos.) Resolver problemas que requieran la automatización y el control industrial mediante redes de monitorización utilizando conceptos y tecnologías específicos.
  • SA28 (Analizar la cadena de valor de los datos industriales para la mejora de los sistemas de predicción y toma de decisiones en la industria inteligente.) Analizar la cadena de valor de los datos industriales para la mejora de los sistemas de predicción y toma de decisiones en la industria inteligente.
  • SA29 (Evaluar los requerimientos de los sistemas industriales en términos de comunicaciones y de eficiencia energética, y desarrollar soluciones que los cumplan.) Evaluar los requerimientos de los sistemas industriales en términos de comunicaciones y de eficiencia energética, y desarrollar soluciones que los cumplan.
  • SA30 (Integrar la ciberseguridad industrial (niveles de alerta, sistemas SCADA, análisis de riesgo, protección, tecnologías blockchain) en infraestructuras críticas y en sistemas de automatización industrial.) Integrar la ciberseguridad industrial (niveles de alerta, sistemas SCADA, análisis de riesgo, protección, tecnologías blockchain) en infraestructuras críticas y en sistemas de automatización industrial.

Contenidos

En este curso se profundiza en sensorización, conectividad, análisis de datos y casos de uso para la mejora de los procesos productivos y de mantenimiento. Se analizarán tecnologías facilitadoras, como el concepto de Internet Industrial de las Cosas IIOT, tecnologías de recolección de energía, mecanismos avanzados de control, toma de decisiones basada en datos, técnicas de control de calidad y economía circular.

 

El contenido del curso trata los siguientes temas:

 


Bloque 1. Industria Conectada (MiSE)



  • Elementos: Industria 4.0, Internet Industrial de las Cosas (IIoT), Sistemas Ciberfísicos.

  • Conectividad, Información.

  • Fabricación Inteligente.

  • Gemelos Digitales y COBOTS.

  • Internet Industrial de las Cosas.

  • Captación de Energía.

  • Tecnologías Habilitadoras y Sensores.

  • Buses/Protocolos Industriales Cableados e Inalámbricos.

  • Estándares de Comunicación IIoT (OPC-UA, MQTT, etc.).

  • Ciberseguridad en el IoT.


Bloque 2. Big Data Industrial (TES-Wireless)



  • Arquitecturas y Plataformas de Big Data para la Industria 4.0

  • Tipos de Almacenamiento de Datos.

  • Ingeniería de Procesamiento de Datos e Inteligencia Artificial

  • Visualización de Datos en la Industria 4.0.


Bloque 3. Sistemas de Control Industrial (TES-ESA)



  • Sistemas de Control de Retroalimentación

  • Análisis Dinámico de Sistemas Lineales

  • Análisis Frecuencial de Sistemas Lineales

  • Diseño de Controladores PID



 

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Problemas y prácticas 24 0,96 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30
Clases de teoria 26 1,04 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30
Trabajo autónomo 76 3,04 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30

La metodología docente a seguir está orientada al aprendizaje continuado de la asignatura por parte del alumno. Este proceso se basa en la realización de tres tipos de actividades que se desarrollarán a lo largo del curso: clases teóricas, seminarios de problemas y desarrollo de proyectos.

  • Sesiones teóricas: el profesor explicará los contenidos fundamentales de la asignatura y las estrategias para adquirir, ampliar y organizar este conocimiento. Se fomentará la participación de la actividad del alumnado a través de ejercicios y el uso de herramientas interactivas para la participación del alumnado.
  • Seminarios de problemas: los estudiantes deberán participar activamente para consolidar los conocimientos adquiridos resolviendo, presentando y debatiendo problemas relacionados.
    • Sesiones de laboratorio. El alumno realizará sesiones de laboratorio por ordenador para familiarizarse con los contenidos de las clases teóricas.
    • Desarrollo de proyectos: los estudiantes tendrán que completar varios proyectos para reunir las técnicas introducidas a lo largo del curso.
La plataforma para comunicarse con los estudiantes es Moodle.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Proyecto bloque #1 50% 12 0,48 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30
Proyecto bloque #3 25% 6 0,24 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30
Proyecto bloque #2 25% 6 0,24 CA16, CA17, KA21, KA22, SA27, SA28, SA29, SA30

a) Actividades de evaluación

Se prevén las siguientes actividades de evaluación:

Actividad A. Desarrollo de un proyecto correspondiente al Bloque 1. El proyecto consiste en diseñar un producto IoT desde su concepción hasta su implementación utilizando plataformas comerciales. Los estudiantes se organizarán en equipos para desarrollar las diferentes partes de un proyecto IoT: (i) caso de uso, sensórica y comunicaciones; (ii) plataformas cloud; y (iii) dispositivo hardware. Esta actividad representa el 50% de la calificación final de la asignatura.

Actividad B. Desarrollo de un proyecto correspondiente al Bloque 2. El proyecto consiste en desarrollar un sistema de monitorización de una planta de generación de energía solar. Se implementarán tres subsistemas para garantizar el correcto funcionamiento del sistema: (i) un simulador de la planta fotovoltaica desarrollado en Python; (ii) un sistema de adquisición y almacenamiento de datos (Python + InfluxDB); y (iii) un sistema de visualización de datos (Grafana). Esta actividad representa el 25% de la calificación final de la asignatura.

Actividad C. Desarrollo de un proyecto correspondiente al Bloque 3. El proyecto se centra en el diseño de un controlador PID para un sistema proporcionado por el profesor. El sistema se modelará en Simulink y se diseñará un controlador PID con el objetivo de cumplir unas especificaciones previamente definidas. El diseño será validado mediante simulación y se realizará un análisis de sensibilidad. Esta actividad representa el 25% de la calificación final de la asignatura.

La calificación final de la asignatura se calculará como la media ponderada de las calificaciones obtenidas en cada una de las actividades, de acuerdo con los porcentajes indicados anteriormente, siendo cada actividad evaluada en una escala de 0 a 10.

Para superar la asignatura (es decir, obtener una calificación final igual o superior a 5,0), será necesario obtener una nota mínima de 4,0 en cada una de las actividades de evaluación.

Las actividades de evaluación no son recuperables. Deberán entregarse y superarse dentro del proceso de evaluación continua. Si el estudiante obtiene una calificación inferior a 4,0 en alguna de las actividades, la nota final será la media ponderada cuando esta sea inferior a 4,0, o 4,0 cuando dicha media sea superior.

b) Programación de las actividades de evaluación

El calendario de las actividades de evaluación se publicará el primer día de clase.

c) Proceso de recuperación

Las actividades de evaluación no son recuperables.

Todas las actividades deberán completarse a lo largo del semestre.

d) Procedimiento de revisión de las calificaciones

Para cada actividad de evaluación se anunciarán la fecha, la hora y el lugar de la revisión. Durante dicha sesión, el estudiante podrá revisar la actividad junto con el profesor y presentar, si procede, las reclamaciones que considere oportunas. Estas serán evaluadas por el profesorado responsable de la asignatura.

Los estudiantes que no asistan a la revisión dentro del plazo establecido perderán el derecho a solicitar una revisión posterior de dicha actividad.

e) Calificaciones

La calificación final de la asignatura se calculará de acuerdo con los criterios descritos en el apartado (a).

Se aplicarán las siguientes consideraciones:

Matrícula de Honor (MH)

La concesión de la Matrícula de Honor es competencia exclusiva del profesorado responsable de la asignatura. De acuerdo con la normativa de la UAB, únicamente podrá concederse a estudiantes que hayan obtenido una calificación final igual o superior a 9,0, y su número no podrá exceder el 5% del total de estudiantes matriculados en la asignatura.

No evaluable (NE)

Los estudiantes que no participen en ninguna actividad de evaluación recibirán la calificación de No Evaluable (NE). En cualquier otro caso se aplicarán los criterios de evaluación descritos anteriormente.

f) Irregularidades académicas, copia y plagio

Sin perjuicio de las medidas disciplinarias que puedan adoptarse, cualquier irregularidad académica cometida por un estudiante que pueda alterar el resultado de una actividad de evaluación supondrá la calificación de 0 en dicha actividad. Esto incluye, entre otras conductas, copiar, plagiar, hacer trampas, facilitar que otros copien o cualquier otra forma de deshonestidad académica.

Si para superar la asignatura es necesario aprobar la actividad afectada, el estudiante suspenderá automáticamente la asignatura, sin posibilidad de recuperación durante el mismo curso académico.

g) Evaluación de estudiantes repetidores

En el caso de los estudiantes que repitan la asignatura, no se conservarán las calificaciones obtenidas en cursos anteriores. Los estudiantes repetidores estarán sujetos a los mismos criterios y normas de evaluación que el resto del alumnado.

h) Uso de Inteligencia Artificial (IA)

En esta asignatura se permite el uso de tecnologías de Inteligencia Artificial (IA) como herramienta de apoyo en el desarrollo de los trabajos, siempre que el resultado final refleje una aportación personal significativa del estudiante en el análisis, el razonamiento y la reflexión crítica.

El estudiante deberá identificar claramente qué partes del trabajo han sido generadas con herramientas de IA, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso de elaboración y en el resultado final.

La falta de transparencia en el uso de herramientas de IA se considerará una vulneración de la integridad académica y podrá conllevar una penalización en la calificación de la actividad o, en los casos más graves, la aplicación de sanciones disciplinarias.

Sin perjuicio de otras medidas disciplinarias previstas en la normativa académica vigente, cualquier actividad de evaluación afectada por irregularidades académicas que comprometan la integridad del proceso de evaluación será calificada con 0. Las actividades calificadas de esta forma no podrán ser objeto de reevaluación.

Bibliografía

Bloque 1.
  • Rajeev Alur “Principles of Cyber-Physical Systems”, The MIT Press, 2015
  • Alasdair Gilchrist “Industry 4.0. The Industrial Internet of Things”, Springer, 2016.

Bloque 2.

  • Masoud Soroush, Michael Baldea, Thomas Edgar (Eds), Smart Manufacturing, Springer, 2020
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016

Bloque 3.

  • C. Phillips, J. Parr, Feedback control systems, Pearson 2011.
  • P. J. Antsaklis, A. N. Michael, Linear Systems, Birkhauser-verlag, 2006.
  • H. K. Khalil, Nonlinear systems, Pearson 2001.
  • J.J. Slotine and W. Li, Applied nonlinear control, Pearson 1991

Software

El software empleado será Python y Simulink.

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TEm) Teoría (máster) 1 Inglés segundo cuatrimestre tarde
(PLABm) Prácticas de laboratorio (máster) 1 Inglés segundo cuatrimestre tarde