Logo

Laboratorio y Proyectos de IoT

Código: 45654
Créditos: 5
2026/2027
Titulación Tipo Curso
Ingeniería de Telecomunicación OP 2

Profesor/a de contacto

Nombre :
Ferran Paredes Marco
Correo electrónico :
ferran.paredes@uab.cat

Equipo docente

Paris Velez Rasero

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Haber superado la asignatura A9 del máster: "Instrumentación y sensores de RF/Microondas para IoT y la industria 4.0".

Objetivos

El objetivo principal de la asignatura es capacitar al estudiante para diseñar, caracterizar e implementar experimentalmente sistemas de Internet de las Cosas (IoT) basados en sensores de radiofrecuencia (RF) y microondas, abarcando desde la concepción teórica del sensor hasta la validación de un prototipo funcional aplicable a entornos reales.

Resultados de aprendizaje

  • CA32 (Proponer un sistema de IoT basado en sensores de RF/Microondas para una aplicación específica, evaluando las necesidades del entorno y los requisitos técnicos) Proponer un sistema de IoT basado en sensores de RF/Microondas para una aplicación específica, evaluando las necesidades del entorno y los requisitos técnicos
  • CA33 (Desarrollar sensores de RF/Microondas personalizados para integrarlos en un sistema de IoT, ajustados a las características y demandas de una aplicación particular) Desarrollar sensores de RF/Microondas personalizados para integrarlos en un sistema de IoT, ajustados a las características y demandas de una aplicación particular
  • CA34 (Desarrollar un proyecto en el laboratorio de manera autónoma, continuada y autodirigida, demostrando habilidades de planificación, ejecución y resolución de problemas) Desarrollar un proyecto en el laboratorio de manera autónoma, continuada y autodirigida, demostrando habilidades de planificación, ejecución y resolución de problemas
  • CA35 (Integrar tecnologías IoT y sensores de RF/Microondas en entornos transversales, considerando la interoperabilidad y el impacto de estas soluciones en diversos sistemas) Integrar tecnologías IoT y sensores de RF/Microondas en entornos transversales, considerando la interoperabilidad y el impacto de estas soluciones en diversos sistemas
  • KA32 (Identificar la normativa aplicable para un proyecto de IoT basado en un sistema de sensores de alta frecuencia) Identificar la normativa aplicable para un proyecto de IoT basado en un sistema de sensores de alta frecuencia
  • SA46 (Diseñar sensores de RF/Microondas para aplicaciones de IoT) Diseñar sensores de RF/Microondas para aplicaciones de IoT
  • SA47 (Presentar el resultado del proyecto de IoT justificando de forma apropiada los resultados) Presentar el resultado del proyecto de IoT justificando de forma apropiada los resultados
  • SA48 (Proyectar un sistema de IoT en un laboratorio aplicando la normativa reguladora) Proyectar un sistema de IoT en un laboratorio aplicando la normativa reguladora

Contenidos

  • Fases de desarrollo de un proyecto: Diseño de bloques del sistema y caracterización. Implementación y validación.
  • Introducción al laboratorio: Introducción al laboratorio de IoT y a las herramientas de fabricación y caracterización.
  • Monitorización de infraestructuras: Sistema para la monitorización de daño estructural en infraestructuras urbanas y civiles basado en sensores de permitividad y de presión.
  • Tecnología RF: Sistemas RF para identificación y captación de datos (temperatura, humedad, etc.).
  • Aplicaciones agroalimentarias: Sistema inteligente para la mejora del rendimiento y control de calidad de producto en la industria agroalimentaria, basado en sensores fluídicos.
  • Control industrial: Sistema para el control de movimiento en sistemas industriales basado en codificadores electromagnéticos.


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tutorias 12,5 0,5 CA32, CA35, KA32, SA48
Problemas (seminarios) 12,5 0,5 CA32, SA46, SA47
Clase Magistral 20 0,8 CA33, KA32, SA46
Preparación del temario (informes, estudio, resolución de problemas) 42,5 1,7 CA32, CA33, CA34, CA35, SA48
Sesiones de laboratorio 12,5 0,5 CA32, CA33, SA46

Actividades dirigidas:

  • Clases magistrales: Exposición oral impartida por el profesor con el objetivo de transmitir los conocimientos sobre la asignatura.
  • Seminarios de problemas: El profesor resolverá problemas o, en algunos casos, lo harán los propios estudiantes en pequeños grupos.


Actividades supervisadas:

  • Sesiones de laboratorio: Antes de la sesión, el estudiante deberá prepararla (informes o ejercicios previos) y, una vez finalizada, deberá entregar un informe con el material trabajado.


Actividades autónomas:

  • El estudiante deberá resolver ejercicios de clase, problemas y sesiones de laboratorio, así como estudiar el temario de la asignatura de forma autónoma.
  • Tutorías fuera del horario de clase.
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
Examen Parcial (primero) 37,5% 2 0,08 CA32, CA33, KA32, SA46
Examen Parcial (Segundo) 37,5% 2 0,08 CA32, CA35, KA32, SA46
Laboratorio (Informe y Presentación) 25% 21 0,84 CA32, CA34, CA35, SA47, SA48

La evaluación se basará en dos exámenes parciales escritos, cada uno con un peso del 37,5%, y en los resultados de los informes de prácticas, con un peso del 25%.

Los exámenes parciales harán media entre ellos siempre que se haya obtenido una calificación mínima de 3 en cada uno. Si la calificación media de los exámenes parciales es superior a 4, hará media con las prácticas de la asignatura para obtener la nota final. Además, para superar cualquier examen, será necesario obtener una calificación mínima de 3 sobre 10 en la parte de teoría.

En caso de no superar la asignatura, la parte correspondiente a los exámenes parciales se podrá recuperar en un único examen final en el que se evaluarán todos los contenidos del curso. Para participar en la recuperación, el estudiante deberá haber sido evaluado previamente en actividades que representen al menos 2/3 de la nota final de la asignatura.

La no asistencia a alguna de las sesiones prácticas o no disponer de ninguna calificación en los exámenes parciales o final comportará que el estudiante sea declarado no evaluable.

La concesión de una matrícula de honor es decisión del profesorado responsable de la asignatura. La normativa de la UAB establece que las matrículas de honor solo se podrán otorgar a los estudiantes que hayan obtenido una calificación final igual o superior a 9,00. Se podrá conceder hasta un 5% de matrículas de honor sobre el total de estudiantes matriculados.

Sin perjuicio de otras medidas disciplinarias que se consideren oportunas, las irregularidades cometidas por el estudiante que puedan conducir a una variación de la calificación de una actividad de evaluación se calificarán con un cero. Por lo tanto, copiar, plagiar, engañar, permitir que otros copien, etc., en cualquiera de las actividades de evaluación implicará suspender dicha actividad con un cero. Las actividades de evaluación calificadas de esta manera y por este procedimiento no serán recuperables. Si es necesario superar alguna de estas actividades de evaluación para aprobar la asignatura, la asignatura quedará suspendida directamente, sin posibilidad de recuperarla en el mismo curso académico.

En caso de que la asignatura se repita, se seguirá el mismo sistema de evaluación que para el resto de estudiantes.

Esta asignatura no prevé el sistema de evaluación única.

Para esta asignatura, el uso de tecnologías de inteligencia artificial (IA) está permitido exclusivamente en tareas de apoyo, como búsquedas bibliográficas o de información, corrección de textos o traducciones. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas herramientas han influido en el proceso y en el resultado final de la actividad. La falta de transparencia en el uso de la IA en esta actividad evaluable se considerará una vulneración de la honestidad académica y podrá comportar una penalización parcial o total en la calificación de la actividad, o sanciones más graves en casos severos.

Bibliografía

D. M. Pozar, Microwave Engineering,Wiley (4th edition), 2011. ISBN: 9780470631553

F. Martín, P. Vélez, J. Muñoz-Enano, L Su, Planar Microwave Sensors, Wiley-IEEE Press, 2022. ISBN: 9781119811053

Software

Keysight ADS-Momentum

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