Tesiak

Optimization of polypropylene surface texturing with ultrafast lasers. A semi-empirical and computational methodology for wettability control

Autorea: Julen Molinuevo López
Data2024
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
Data2024
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
Data2023
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
Data2023
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
Data2023
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
Data2023
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.