Asignaturas - Máster universitario en investigación en ingeniería eléctrica, electrónica y control industrial

Las técnicas basadas en Inteligencia Artificial se han ido introduciendo en un número creciente de aplicaciones dentro del campo de la Ingeniería. Estas abarcan la automatización de numerosos procedimientos en la Industria y las empresas, así como en el campo del Control de Procesos. Para un ingeniero es de gran importancia conocer y dominar dichas técnicas.

El objetivo de esta asignatura de máster es doble: por un lado formar un ingeniero capaz de aplicar estas nuevas tecnologías a diversos problemas industriales que requieren soluciones novedosas, pero también se pretende que este ingeniero sea capaz de innovar desarrollando sus propias aportaciones.

En el enfoque de esta asignatura se presta especial atención a su relación con las técnicas de control. Estas son de especial importancia en temas de Reconocimiento de Patrones, con aplicación en Robótica, así como también en ténicas avanzadas de Control de Procesos Industriales o Visión Artificial.

Esta asignatura forma parte del Módulo II que corresponde a los contenidos específicos optativos del itinerario o especialidad “Control Industrial”. Esta asignatura, junto a las demás incluidas en el mismo itinerario, constituye la oferta de contenidos específicos que permiten al estudiante particularizar o diseñar según su interés su formación investigadora. Teniendo en cuenta la lógica relación que hay entre los contenidos de las asignaturas que forman cada especialidad, cada itinerario se ha definido como una materia que está compuesta por seis asignaturas, de 5 ECTS cada una, de las que el estudiante debe elegir y cursar cuatro.

Esta asignatura se relaciona con las asignaturas de Control de Procesos, si bien extiende y sobrepasa el mero campo del control, al aportar conocimientos válidos en un rango más amplio de problemas.

Para poder seguirla se requieren:

• Conocimientos de Teoría Clásica de Control.

• Conocimientos de diferentes conceptos que se engloban dentro de la Matemática Aplicada a la Ingeniería, entre los que estarían incluidos una base de álgebra matricial, análisis matemático, teoría de conjuntos, análisis funcional y teoría de probabilidades.

• Conocimientos de Informática: es recomendable que el estudiante esté familiarizado con algún tipo de lenguaje de programación, aunque sea a nivel muy básico, ya que de este modo se facilita la tarea de comprensión e implementación de los algoritmos.

Estos contenidos corresponden a diversas asignaturas que el estudiante ya ha debido cursar como parte de su formación de grado.

La tutorización de los alumnos se llevará a cabo los martes de 9:00 a 13:00 h en los teléfonos 91 398 7746 / 8210, o presencialmente en los despachos 1.29 y 2.15 situados en las dependencias del Departamento de Ingeniería Eléctrica, Electrónica, Control, Telemática y Química Aplicada a la Ingeniería (DIEECTQAI).

También en cualquier momento del curso a través de la plataforma virtual o directamente por correo electrónico con el equipo docente:

         Prof. Clara Pérez Molina             clarapm@ieec.uned.es

         Prof. Blanca Quintana Galera     bquintana@ieec.uned.es

Competencias Básicas:

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales:

CG3 - Ser capaz de comunicar de forma oral y escrita de conocimientos en español como lengua propia

CG4 - Ser capaz de comunicar de forma oral y escrita de conocimientos en inglés como lengua extranjera

CG5 - Ser capaz de tomar decisiones

CG6 - Saber aplicar los conocimientos adquiridos

CG7 - Adquirir habilidades en investigación

CG8 - Adquirir habilidades para la creatividad

CG9 - Ser capar de realizar razonamientos críticos

CG10 - Adquirir la capacidad de comunicación

Competencias Específicas:

CE2 - Ser capaz de analizar la información científica y técnica

CE3 - Conocer los métodos y técnicas de investigación científica y desarrollo tecnológico

CE5 - Adquirir destrezas en la búsqueda y gestión bibliográfica y documental

CE6 - Ser capaz de planificar actividades de investigación

CE7 - Ser capar de realizar razonamientos críticos en el ámbito científico y tecnológico

CE8 - Adquirir habilidades para la elaboración y exposición de informes científicos

Los principales resultados del aprendizaje que se pretenden que el estudiante alcance son:

• Conocer todo un conjunto de técnicas englobadas dentro del concepto de Inteligencia Artificial y derivar de este conocimiento sus aplicaciones en problemas de Ingeniería.
• Profundizar en las técnicas de representación del conocimiento, planificación, aprendizaje, reconocimiento de patrones y control avanzado de procesos.
• Destrezas y habilidades en la utilización de las herramientas y lenguajes informáticos requeridos para el desarrollo y aplicación de estas técnicas.
• Trabajo cooperativo y a distancia para el desarrollo de habilidades y competencias, incluyendo la capacidad del análisis crítico de las decisiones adoptadas.
• Aplicar y experimentar nuevos sistemas de control inteligente de procesos industriales .
• Aplicar y experimentar nuevos sistemas inteligentes de monitorización de los procesos de fabricación en la industria.
• Aplicar y experimentar nuevos sistemas inteligentes de gestión de la información encaminados a perfeccionar la gestión en la empresa y la industria en todos sus niveles.
• Aplicar y experimentar nuevos sistemas de incremento de la automatización y la productividad en la industria.

La asignatura “Técnicas de Inteligencia Artificial en la Ingeniería” se impartirá a distancia siguiendo el modelo educativo propio de la UNED. Desde el punto de vista metodológico tiene las siguientes características generales:

• Como se ha indicado es una asignatura "a distancia". De esta forma, además de la bibliografía básica impresa, el estudiante dispondrá del Curso Virtual de la asignatura, al que se tendrá acceso a través del portal de e-Learning y del espacio específico de la misma existente en el servidor en Internet del DIEECTQAI. Tanto en uno como en otro, se incluirá todo tipo de información y documentos (artículos, informes, memorias estadísticas, etc.) que necesite para su consulta y/o descarga.

• Dado que el trabajo autónomo del estudiante es mayoritario, la carga de trabajo que le supondrá la asignatura dependerá fundamentalmente de sus circunstancias personales y laborales. A través de los foros generales del Curso Virtual y del contacto personal mediante el correo electrónico, se le guiará y aconsejará sobre el ritmo de trabajo que debe llevar para que el seguimiento de la asignatura sea lo más regular y constante posible.

• La asignatura tiene carácter práctico debido a los temas que aborda y a los objetivos propuestos. En su desarrollo se prestará una especial atención a estos aspectos prácticos, de modo que se pedirá al estudiante que sea capaz de experimentar con distintos tipos de algoritmos de entrenamiento mediante la utilización de programas informáticos, permitiendo afianzar los conocimientos teóricos tratados en el curso.
• Cronológicamente el estudiante debe estudiar y preparar cada tema siguiendo el orden dado a los contenidos, ya que los conocimientos de cada uno se apoyan en el conocimiento de los anteriores.

La bibliografía básica para el seguimiento de la asignatura es la descrita a continuación:

a)    Libros (material que el estudiante deberá adquirir):

"Inteligencia artificial aplicada a Robótica y Automatización"

Humberto Sossa Azuela y Fernando Reyes Cortés. Editorial Marcombo, Alfaomega (2021).

b)    Documentos electrónicos (archivos que el estudiante deberá consultar y/o descargar y que estarán disponibles en el Curso Virtual de la asignatura):

·      Guía de la asignatura “TÉCNICAS DE INTELIGENCIA ARTIFICIAL EN LA INGENIERÍA”. Realizada por el Equipo Docente de la asignatura, DIEECTQAI-UNED.

·       Documentos considerados de especial interés por parte del equipo docente para abordar algún punto en concreto del temario.

·       Artículos de revistas técnicas.

Existe una gran cantidad de libros en el mercado y en las bibliotecas universitarias que pueden ser consultados por los estudiantes como bibliografía complementaria para preparar la asignatura y profundizar en aquellos temas concretos que deseen. En el documento electrónico “Guía de la asignatura Técnicas de Inteligencia Artificial en la Ingeniería’” se incluirán muchas de esa referencias bibliográficas, ordenadas y comentadas en relación a los cuatro temas en los que se ha dividido el contenido de la asignatura.

Curso virtual

La plataforma virtual de e-Learning de la UNED proporcionará el adecuado interfaz de interacción entre el alumno y sus profesores. La plataforma de e-Learning permite impartir y recibir formación, gestionar y compartir documentos, crear y participar en comunidades temáticas, así como realizar proyectos online. Se ofrecerán las herramientas necesarias para que, tanto el equipo docente como los estudiantes, encuentren la manera de compaginar tanto el trabajo individual como el aprendizaje cooperativo.

Software para prácticas.

Para el desarrollo de las prácticas se utilizará preferentemente el software de MATLAB, incluyendo el Neural Network Toolbox de MATLAB y SIMULINK. No obstante, el estudiante puede proponer al equipo docente la utilización de otros entornos de programación de libre distribución, en su versión educativa.