Optimization of polypropylene surface texturing with ultrafast lasers. A semi-empirical and computational methodology for wettability control
Autor: Julen Molinuevo López
2024
Director tesis
Carlos Molpeceres Álvarez, Universidad Politécnica de Madrid, y Eva Rodríguez, Tekniker
El objetivo principal de esta tesis es proporcionar una guía para futuros materiales y geometrías, en la que se muestre los pasos a seguir para estudiar el efecto de diferentes parámetros que definen una textura en el ángulo de contacto, además de introducir una herramienta de modelado por simulación para predecir qué tipo de textura y/o dimensiones ofrecen mejores resultados.
Análisis de la viabilidad del magnetron sputtering como método de fabricación de catalizadores alternativo
Autor: Antía Villamayor Dono
2024
Director tesis
Victoria Laura Barrio, UPV/EHU y Eva Gutiérrez, Tekniker
En esta Tesis se analiza la validez y versatilidad del magnetron sputtering como método alternativo de fabricación de catalizadores empleados en tecnologías de interés medioambiental.
Avances en la manipulación flexible mediante la aplicación de técnicas basadas en inteligencia artificial
Autor: Ander Iriondo Azpiri
2023
Director tesis
Elena Lazkano, Facultad de Informática, EHU/UPV; Ander Ansuategi, Tekniker.
Nos encontramos en la transición entre la Industria 4.0 y 5.0, donde además de la productividad también se busca la flexibilidad para ajustar los procesos a las necesidades específicas del cliente.
Fisicoquímica de la limpieza por ultrasonidos sin inmersión
Autor: Jon Ander Sarasua
2023
Director tesis
Leire Ruiz, EHU/UPV y Estíbaliz Aranzabe, Tekniker
La presente tesis se centra en el estudio y escalado de una tecnología disruptiva denominada “limpieza por ultrasonidos sin inmersión”.
Algoritmos de Deep Learning en la industria 4.0; aplicación de la inspección de defectos superficiales para el control de calidad
Autor: Vignesh Sampath
2023
Director tesis
Juan José Aguilar Martín, Universidad de Zaragoza; Iñaki Maurtua, Tekniker
Esta tesis doctoral tiene como objetivo desarrollar un método automatizado para la identificación de defectos basado en la técnica de partículas magnéticas utilizando deep learning.
Contribuciones al análisis, modelado y pronóstico de series temporales para el incremento de la fiabilidad en entornos industriales
Autor: Meritxell Gómez
2023
Director tesis
Basilio Sierra Araujo, Facultad de Informática, UPV/EHU; Susana Ferreiro, Tekniker
La integración del Internet of Things en el sector industrial se considera un prerrequisito para alcanzar la inteligencia en una compañía. Para conseguirlo, se precisan sistemas de IA con capacidades analíticas y de aprendizaje para la optimización de los procesos industriales.