Optimization of polypropylene surface texturing with ultrafast lasers. A semi-empirical and computational methodology for wettability control
Autorea: Julen Molinuevo López
2024
Tesi zuzendaria
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
Autorea: Antía Villamayor Dono
2024
Tesi zuzendaria
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.
Aurrerapenak manipulazio malguan adimen artifizialean oinarritutako teknikak aplikatuz
Autorea: Ander Iriondo Azpiri
2023
Tesi zuzendaria
Elena Lazkano, Facultad de Informática, EHU/UPV; Ander Ansuategi, Tekniker.
Industria 4.0 eta 5.0 arteko trantsizioan aurkitzen garen momentu hontan, produktibitateaz gain, malgutasuna ere bilatzen da, prozesuak bezeroaren behar espezifikoetara egokitzeko.
Murgilketa gabeko ultrasoinu bidezko garbiketaren fisika-kimika
Autorea: Jon Ander Sarasua
2023
Tesi zuzendaria
Leire Ruiz, EHU/UPV y Estíbaliz Aranzabe, Tekniker
Tesi honek murgilketarik gabeko ultrasoinuen bidezko garbiketa izeneko teknologia disruptiboa aztertzen eta eskalatzen du.
Algoritmos de Deep Learning en la industria 4.0; aplicación de la inspección de defectos superficiales para el control de calidad
Autorea: Vignesh Sampath
2023
Tesi zuzendaria
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
Autorea: Meritxell Gómez
2023
Tesi zuzendaria
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.