AVANCES EN LA INVESTIGACIÓN
EN CIENCIA E INGENIERÍA
Edi o es:
Ana M. Bel án Cus odio
Manuel Félix Ángel
AVANCES EN LA INVESTIGACIÓN
EN CIENCIA E INGENIERÍA
Edi o es:
Ana M. Bel án Cus odio
Manuel Félix Ángel
Edi o ial Á ea de Inno ación y Desa ollo,S.L.
Quedan odos los de echos ese ados. Es a publicación no puede se ep oducida, dis ibuida,
comunicada públicamen e o u ilizada, o al o pa cialmen e, sin p e ia au o ización.
© del ex o: los au o es
ÁREA DE INNOVACIÓN Y DESARROLLO, S.L.
C/ Els Alzamo a, 17 - 03802 - ALCOY (ALICANTE) in [email p o ec ed]
P ime a edición: junio 2019
ISBN: 978-84-120057-2-1
DOI: h p://dx.doi.o g/10.17993/IngyTec.2019.52
ÍNDICE
PRÓLOGO ........................................................................................................... 9
Mezclas de algina o y p o eína de soja pa a el desa ollo de ma ices po osas con
po encial aplicación en ingenie ía isula .......................................................... 11
Ál a ez-Cas illo, E.; Aguila , J. M.; Félix, M.; Gue e o, A.
Deep lea ning as a ool o imp o ing e iciency o glial umo diagnosis .......... 21
Amaya Rod íguez, I. R.; Du an López, L.; Ci i Maso , J.; Luna Pe ejon, F.; Ci i Balcells,
A.; Vicen e Díaz, S.; Lina es Ba anco, A.
Deep lea ning glaucoma diagnosis aid .............................................................. 31
Ci i , J.; Amaya, I.; Luna, F.; Du an, L.; Ci i , A.; Lina es-Ba anco, A.; Vicen e, S.
Diseño, implemen ación y e aluación de clús e b-pi pa a el p ocesamien o de
isión en pa alelo ............................................................................................. 39
Muñoz-Saa ed a, L.; Domínguez-Mo ales, M.; Cascado-Caballe o, D.; Lina es-
Ba anco, A.
MYOARM: p ó esis obó ica con sensado emg y en enamien o con edes
neu onales ....................................................................................................... 47
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-
Ba anco, A.
Rehabili ación de pacien es con mo ilidad educida usando exoesquele o y
écnicas de gami icación ................................................................................... 57
Domínguez-Bobillo, J. M.; Domínguez Mo ales, M.; Mi ó-Ama an e, L.; Lina es-
Ba anco, A.
Sis ema HW-SW de ele ehabili ación y elemedicina pa a pacien es Epoc con
hipe insu lación pulmona ............................................................................... 67
De-Les e-Conde, C.; Domínguez-Mo ales, M.; Ri as-Pé ez, M.; Lina es-Ba anco, A.
T a el planne : sis ema expe o en la nube pa a gene ación au omá ica de u as
u ís icas en base al usua io .............................................................................. 77
Ta e o-Picón, R.; Rome o-Sánchez, M.; Domínguez-Mo ales, M.; Lina es-Ba anco, A.
Clasi icación de umo es en cánce de mama basado en edes neu onales de
con olución ...................................................................................................... 87
Du án-López, L.; Domínguez-Mo ales, J. P.; Luna-Pe ejón, F.; Amaya-Rod íguez, I.;
Ci i -Maso , J.; Vicen e-Díaz, S.; Lina es-Ba anco, A.

Ges ión in eg ada de la calidad, medio ambien e, segu idad y salud labo al bajo la
iple e y el pa adigma holónico ac al ............................................................. 95
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.;
Có doba-Roldán, A.
De e minación del modelo de compo amien o has a o u a de los ace os
co ugados empco e median e modelado 3D ................................................ 105
He e a, M.A.; Ho igón, B.; Ancio, F.
E aluación de di e en es mé odos de desa ollo de ma ices p o eicas de soja con
zinc inco po ado pa a su uso en ho icul u a .................................................. 115
Jiménez-Rosado, M.; Pé ez-Puyana, V.; Co dobés, F.; Rome o, A.; Gue e o, A.
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de
Biele eld ......................................................................................................... 125
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán,
D.; Ríos Na a o, J. A.
Localización e iden i icación au omá ica de pólipos median e una ed neu onal
con olucional po egiones ............................................................................. 139
Luna Pe ejon, F.; Du an López, L.; Amaya Rod íguez, I. R., Ci i Maso , J.; Ci i Balcells,
A.; Vicen e Díaz, S.; Lina es Ba anco, A.
Técnicas de p edicción median e mine ía de da os en la indus ia alimen a ia bajo
el pa adigma de Indus ia 4.0 ......................................................................... 149
Gue e o, M.; Luque, A.; Lama, J. R.
Rep esen ación óp ima del espec o de llamadas de anu os en sis emas de con ol
ambien al u ilizando edes de senso es inalámb icos ..................................... 159
Gómez Bellido, J.; Luque Send a, A.; Ca asco Muñoz, A.
Es udio p elimina de los pa áme os de ab icación en las p opiedades inales
de piezas de i anio come cialmen e pu o con geome ías sencillas p oducidos
median e la écnica de “addi i e manu ac u ing” ........................................... 169
Pé ez-So iano, E. M.; A é alo, C.; Mon ealeg e-Meléndez, I.; Ki zman el, M.;
Neubaue , E.
La PRL y la digi alización de la indus ia .......................................................... 177
Mon o o, E. M.; Aguayo, F.; Á ila, M. J.; Ma ín, A. M.
Fab icación cogni i a en el con ex o de Indus y 4.0 ....................................... 187
Mo ales, A. I.; Aguayo, F..; Lama, J. R..; Á ila, M. J.
Ges ión ac i a de la demanda - casos de es udio: p oyec os OPENADR4CHILE y
G.R.A.C.I.O.S.A. .............................................................................................. 195
Pa ejo, A.; Ga cía, S.; Pe sonal, E.; La ios, D. F.; Galla do, A.; Gue e o, J. Ignacio;
Ga cía, A.; León, C.
In eg ación ACV+C2C pa a el diseño y desa ollo de p oduc os sos enibles ..... 205
Alcalá-González, N.; Pe al a-Al a ez, M.E; Sol e o-Sánchez, V. M.
Es udio y compa a i a de la in luencia del ipo de e ue zo en ma e iales
compues os de base i anio ab icados po écnicas de compac ación calien e
induc i a ........................................................................................................ 215
Pé ez-So iano, E. M.; Mon ealeg e-Meléndez, I.; A é alo, C.; Ki zman el, M.;
Neubaue , E.
In luencia de gela ina sob e las p opiedades de memb anas de nano ib as
ob enidas de políme os sin é icos .................................................................. 225
Pe ez-Puyana, V. M.; Jiménez-Rosado, M.; Alonso-González, M.; Rome o, A.;
Gue e o, A.
Machine lea ning pa a la op imización in eligen e de la ecogida de esiduos .... 233
Ramos Cueli, J. M.; Luque Send a, A.; La ios Ma ín, D. F.; Ba bancho Conceje o, J.
Bioma e iales: desa ollo de andamios pa a ingenie ía de ejidos................... 243
Rubio Valle, J. F.; Pé ez Puyana, V. M.; Félix, Á. M.; Rome o Ga cía, A.
Sis emas cogni i os asociados al p oceso de ap endizaje-enseñanza del ingenie o
mecánico: machine lea ning ........................................................................... 253
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
Amo ización de aleación Ti60CU40 median e molienda mecánica .................... 265
U ban, P.; Sanchez Caballe o, E.; Te ne o Fe nández, F.
Diseño y con ol de il os ac i os median e simulación HIL ............................ 273
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
9
A ances en la in es igación en ciencia e ingenie ía
PRÓLOGO
La Escuela Poli écnica Supe io (EPS) es un cen o p opio de la Uni e sidad de Se illa,
con una adición cen ena ia que se emon a a 1850, pa icula men e en el á ea
de la Ingenie ía de la Rama Indus ial. La Visión es a égica de la EPS es la ocación
de con ibui al desa ollo socioeconómico a a és de la p es ación de un se icio
público de o mación en Ingenie ía median e la docencia y la in es igación, con
unos p oyec os o ma i os de G ado, Más e Uni e si a io y Doc o ado. Los es udios
de los g ados en ingenie ía de la EPS, les pe mi en a los alumnos el desa ollo y la
adquisición de compe encias y a ibuciones p o esionales, sin pe de de is a el igo
cien í ico- écnico, así como el comp omiso con la sociedad y el medio ambien e. En
es e con ex o, du an e los úl imos años se iene impulsando la in es igación básica y
aplicada de calidad, ag upada en cua o líneas es a égicas: L1- Ma e iales y Ciencias
pa a la Ingenie ía, L2- P oyec os de Química Indus ial y Ambien al, L3- Sis emas
In eligen es y Desa ollo de P oduc os, y L4- Sis emas Indus iales compu a izados,
obó icos y neu omó icos). Po o o lado, se ealizan ac i idades de di usión de los
esul ados de su comunidad uni e si a ia, des acando las Jo nadas de In es igación
y el concu so al Mejo a ículo cien í ico del mes, ambas en ocadas a omen a la
sine gia en e los in es igado es de la EPS, haciendo hincapié en la pa icipación de
es udian es ( odas las e apas o ma i as).
“La ciencia nunca esuel e un p oblema sin c ea o os diez más”
Geo ge Be na d Shaw
16
Ál a ez-Cas illo, E.; Aguila , J. M.; Félix, M.; Gue e o, A.
Las es mezclas ob enidas ue on pe ec amen e inyec ables y como condiciones de
inyección se u iliza on: empe a u a de cilind o de 50 oC, empe a u a de molde de
70 oC, una p esión y iempo de inyección de 500 ba y 220 s, espec i amen e.
Ca ac e ización eológica y mecánica de las p obe as ALG/SPI/GL
En la Figu a 1 podemos obse a como pa a odas las mues as se ob u ie on alo es
de E’ supe io es a los de E’’, mos ando espec os pa alelos, lo que indica una an δ
se án in e io es a la unidad y pe manece án p ác icamen e cons an es en el in e alo
de ecuencias es udiado, mos ando, po an o, un compo amien o más simila a
un sólido que un líquido. Como puede ap ecia se se ob ienen módulos iscoelás icos
meno es con o me se aumen a la can idad de ALG en la mues a, lo que indica que la
consis encia de las mismas disminuye con o me aumen a la p opo ción de algina o
p esen e en los bioplás icos.
Figu a 1. Ba idos de de o mación de las p obe as con dis in o a io ALG/SPI.
Ensayos de acción a o u a se lle a on a cabo en las p obe as, ob eniendo los
esul ados mos ados en la Figu a 2. Se puede obse a cómo una disminución en el
módulo de Young y en el es ue zo máximo cuando se inc emen a la composición de
ALG en la p obe a, mien as que no se obse ó una e olución cla a en la de o mación
máxima.
0/2 1/2 2/2
0,0
0,1
0,2
0,3
0,4
0,5
Módulo de Young (MPa)
Es ue zo Máximo (MPa)
Mues a
E
�
máx
�
máx
0
2
4
6
De o mación máxima (%)
Figu a 2. Pa áme os ob enidos a pa i del ensayo has a o u a pa a p obe as con dis in o
a io ALG/SPI.

17
Mezclas de algina o y p o eína de soja pa a el desa ollo de ma ices po osas con po encial aplicación
en ingenie ía isula
Abso ción de agua y pé dida de ma e ial soluble
Pa a cuando las mues as ue on in oducidas en agua, se obse ó un lige o aumen o
de su capacidad abso ben e con o me aumen a el a io ALG/SPI, mos ando alo es
supe io es al 500 % pa a cualquie a de las mues as es udiadas (Figu a 3). La
e olución de la pé dida de ma e ial soluble si es más cla a y aumen a con la can idad
de algina o con enida en la mues a, ya que pa a las mues as que con ienen el
algina o, además de pe de se la glice ina con enida en la mues a, se pie de g an
can idad del algina o que poseen. Pa a e i a es a pé dida de ALG du an e el ensayo
de abso ción, se u ilizó como líquido de inme sión una disolución de CaCl2 en dos
dis in as concen aciones 0,3 y 0,5 M.
Figu a 3. Resul ados de abso ción de agua (A) y pé dida de ma e ial soluble (B) pa a
mues as con dis in o a io ALG/SPI y sume gidas en dis in as soluciones de CaCl2.
Ca ac e ización eológica de las ma ices lio ilizadas
Las ma ices a adas con el p oceso deshid o é mico ue on some idas a ensayos
de comp esión dinámicos de baja ampli ud, ilus ados en la Figu a 4. Se obse ó de
nue o como los alo es de E’ son supe io es a los de E’’ pa a cada mues a.
Figu a 4. Ba idos de ecuencia ealizado a ma ices p o enien e de bioplás icos con
dis in o ALG/SPI y sume gidas en Agua o disolución de CaCl2 (0,3 M y 0,5 M).
Los módulos iscoelás icos de las ma ices ue on no ablemen e meno es a los
ob enidos del bioplás ico inicial cuando las mues as no con ienían algina o,
independien emen e de cual sea el líquido de inme sión (Figu a 4A); mien as que
18
Ál a ez-Cas illo, E.; Aguila , J. M.; Félix, M.; Gue e o, A.
pa a las mues as cuyo a io ALG/SPI ue 2/2 (Figu a 4B) los esul ados ob enidos
ue on di e en es, mos ando que odas las ma ices ob enidas u ie on módulos
elás icos mayo es, acompañado de un mayo compo amien o ipo gel que el
del bioplás ico del que p o enían. Los módulos iscoelás icos de es as úl imas
aumen a on os ensiblemen e cuando ue on sume gidas en una disolución de
CaCl2, es os esul ados espaldan la hipó esis de que el algina o pe manece ijado
den o de la es uc u a, o mando un complejo con los iones Ca+2, con o mando una
ma iz más es uc u ada que aquella o mada exclusi amen e po SPI. Además, los
esul ados ob enidos ponen de mani ies o dos e ec os con apues os: la sus i ución
de SPI po ALG debili a la es uc u a en ausencia de iones Ca+2. La o mación de
puen es de calcio p oduce un e o zamien o es uc u al que conduce a ene
ma ices más consis en es, pa a los sis emas con mayo p opo ción de ALG. Debe
señala se que la ma iz es menos po osa cuando exis e CaCl2 en el medio, po ello
aumen a sus p opiedades mecánicas, a la ez que di icul an su hinchamien o con la
consiguien e abso ción de agua.
CONCLUSIONES
Las p opiedades mecánicas de los bioplás icos ALG/SPI/GL ienen una cla a
dependencia de la p opo ción algina o/p o eína, de modo que se p oduce una
disminución del módulo de Young y del es ue zo máximo necesa io an es de la o u a
cuando la p opo ción de algina o aumen a en las mues as. Además, se p oduce
una disminución de los módulos iscoelás ico al aumen a ambién la can idad de
algina o en las p obe as.
La capacidad de abso ción de agua pa a es os bioplás icos se si úa al ededo del 500
% y es independien e de la elación algina o/p o eína, aunque la pé dida de ma e ial
soluble aumen a sus ancialmen e al inc emen a se el algina o en la mues a. Al
in oduci los bioplás icos en una disolución de CaCl2 la capacidad de abso ción
disminuye conside ablemen e, al igual que la pé dida de ma e ial soluble, debido a
que el CaCl2 e iene el algina o en la mues a
En lo que espec a a las ma ices, cuando es as son sume gidas en agua, sus módulos
iscoelás icos disminuyen con el con enido en la mues a, mien as que aquellas que
ue on ob enidas a pa i de las p obe as de bioplás ico sume gidas en un luido de
inme sión que con iene CaCl2, mues an un inc emen o en los módulos iscoelás icos
cuando la can idad de algina o u ilizado pa a la ob ención de las mismas ue mayo .
19
Mezclas de algina o y p o eína de soja pa a el desa ollo de ma ices po osas con po encial aplicación
en ingenie ía isula
AGRADECIMIENTOS
Los au o es ag adecen el apoyo inancie o ecibido pa a la ealización de es e es udio
po pa e del Minis e io de Economía y Compe i i idad y el p og ama FEDER (Pa a el
p oyec o con Re e encia: CTQ2015-71164-P).
REFERENCIAS BIBLIOGRÁFICAS
[1] Vacan i, J. P. (2014). P e ace. P inciples o Tissue Enginee ing, p. xxix.
[2] Volić, e al. (2018). Algina e/soy p o ein sys em o essen ial oil encapsula ion
wi h in es inal deli e y. Ca bohyd a e Polyme s, 200, pp. 15–24.
[3] Fe nández-Espada, L., Bengoechea, C., Co dobés, F. y Gue e o, A. (2016).
P o ein/glyce ol blends and injec ion-molded bioplas ic ma ices: Soybean
e sus egg albumen. Jou nal o Applied Polyme Science, 133(6).
20
21
Deep lea ning as a ool o imp o ing e iciency he o glial umo diagnosis
DEEP LEARNING AS A TOOL FOR IMPROVING
EFFICIENCY OF GLIAL TUMOR DIAGNOSIS
Amaya Rod íguez, Isabel R.*; Du an López, Lou des; Ci i Maso , Ja ie ; Luna
Pe ejon, F ancisco; Ci i Balcells, An ón; Vicen e Díaz, Sa u nino; Lina es
Ba anco, Alejand o
A qui ec u a y Tecnología de Compu ado es. Escuela Supe io de Ingenie ía
In o má ica. Uni e sidad de Se illa.
*E-mail: iamaya@a c.us.es
RESUMEN
La aplicación de écnicas basadas en In eligencia A i icial como apoyo a la de ección
y diagnosis de cánce median e imagen es una p ác ica muy ex endida hoy día.
Además, el econocimien o po egiones de in e és y o os algo i mos cons i uyen
una ama de in es igación amplia que mejo an conside ablemen e la calidad de la
clasi icación. En es e abajo, se p opone como caso de es udio la iden i icación del
umo glial con Imágenes po Resonancia Magné ica de pacien es sanos y en e mos
median e la combinación de algo i mos de Deep Lea ning de de ección de egiones
que se basan en la ex acción de egiones de in e és en la imagen u ilizando una ed
Spa ial Py amid Pooling combinado con la modi icación de las imágenes de en ada
con el algo i mo Fuzzy c-means. Ob eniendo un acie o ce cano al del pe sonal
sani a io.
PALABRAS CLAVE
Deep Lea ning, Cánce , SPP, Fuzzy c-means, MRI.

22
Amaya Rod íguez, I. R.; Du an López, L.; Ci i Maso , J.; Luna Pe ejon, F.; Ci i Balcells, A.; Vicen e Díaz,
S.; Lina es Ba anco, A.
ABSTRACT
Nowadays, exis ing A i icial In elligen echniques a e used as a suppo o cance
de ec ion and diagnosis. Mo eo e , egional objec in e es and o he ela ed
algo i hms ha e become common place o imp o ing he quali y o he classi ica ion.
Opening a wide ield o in e es and esea ch. In his wo k, a deep neu al ne wo k
based on a new pooling s a egy and image segmen a ion (Fuzzy c-means) [1] is
p oposed o glial umo in Magne ic Resonance Imaging (MRI) images by using
Region o In e es s me hods as Spa ial Py amid Pooling. The powe o SPP-ne is he
possibili y o wo king wi h ea u e maps om images wi h di e en sizes, and hen
subsampling hese ea u es o gene a e a ixed-leng h se and o implemen inally
a classi ica ion s ep.
KEYWORDS
Deep Lea ning, Con olu ional Neu al Ne wo ks, Spa ial Py amid Pooling, MRI, Cance
diagnosis.
23
Deep lea ning as a ool o imp o ing e iciency he o glial umo diagnosis
INTRODUCCIÓN Y OBJETIVOS
La écnica de ap endizaje Deep Lea ning es una endencia c ecien e en el análisis
de da os gene ales y se ha cali icado como una de las ecnologías más inno ado as
como una o ma de au oma iza el análisis p edic i o. Conc e amen e, en el uso pa a
el apoyo al diagnós ico clínico. Las decisiones clínicas con espec o al a amien o
de las neoplasias ce eb ales se basan, en pa e, en Resonancias Magné icas (RM en
adelan e) en a ias e apas del p oceso de a amien o. El diagnós ico adiológico
se basa en el pe il de imagen mul ipa amé ico (Tomog a ía Compu a izada (CT),
MRI con encional, MRI a anzado). La ca ac e ización del umo es di ícil po que el
ejido neoplásico es a menudo he e ogéneo en los pe iles espaciales y de imagen
[2], y pa a algunas écnicas de imagen a menudo se supe pone con el ejido no mal
(especialmen e la pa e in il an e) [3]. Los gliomas pueden mos a ca ac e ís icas
mix as; po ejemplo, demos ando ca ac e ís icas an o de bajo como de al o
g ado. El es ánda de e e encia pa a ca ac e iza las neoplasias ce eb ales se basa
ac ualmen e en el análisis his opa ológico después de una biopsia o esección
qui ú gica, pe o es o ambién iene limi aciones, como el e o de mues eo y la
a iabilidad en la in e p e ación. [2][4]
En es e a ículo, se mues a la aplicación de una me odología basada en edes
con olucionales como apoyo al diagnós ico clínico de es e ipo umo ce eb al.
METODOLOGÍA
Da ase
El conjun o de mues as u ilizado pa a el es udio pe enece a una base de da os
pública [5] que con iene 481.158 imágenes con subdi isiones de dis in as p uebas
po cada pacien e. Las imágenes seleccionadas son las ob enidas a pa i de RM,
aunque den o del eposi o io ambién hay imágenes de p uebas po omog a ía
compu a izada (CT) y adiog a ía digi al (DX).
Figu a 1. Imagen RM con umo gial.
24
Amaya Rod íguez, I. R.; Du an López, L.; Ci i Maso , J.; Luna Pe ejon, F.; Ci i Balcells, A.; Vicen e Díaz,
S.; Lina es Ba anco, A.
De odas las imágenes en el da ase se clasi ica on de o ma manual en b u o 509
imágenes con umo glial y 507 imágenes sin umo glial.
Con olu ional Neu onal Ne wo ks (CNN)
En una p ime a ase de la in es igación de comenzó po implemen a una ed neu onal
con olucional pa a una clasi icación bina ia con las e ique as con y sin umo . En es e
ipo de a qui ec u a se emplean modelización de edes neu onales a i iciales donde
las neu onas co espondes a campos ecep i os simila a las neu onas en la co eza
isual de un ce eb o humano. Es as edes son muy e ec i as pa a a eas de:
• De ección y ca ego ización de obje os
• Clasi icación y segmen ación de imágenes
El obje i o de las CNN es ap ende ca ac e ís icas de o den supe io u ilizando la
ope ación de con olución. Pues o que las edes neu onales con olucionales ap enden
elaciones de en ada-salida (donde la en ada es una imagen), en la con olución,
cada píxel de salida es una combinación lineal de los pixeles de en ada. [6]
Spa ial Py amid Pooling Ne wo ks
Du an e el p oceso de econocimien o umo al, los esul ados as u iliza CNNs,
únicamen e no ob u ie on la p ecisión espe ada. Po lo an o, se hizo uso de la
implemen ación de una capa que uncionaba a pa i de una búsqueda de mapa de
ca ac e ís icas, debido a que la di e encia en e los píxeles de ejido sano y ejido
en e mo e a p ác icamen e nula espec o a la in ensidad. Po lo que se o muló la
hipó esis de clasi icación sob e la búsqueda de las zonas con condensación de píxeles
en e mos con in ensidad pa ecida.
Figu a 2. Esquema Spa ial Py amid Pooling.
25
Deep lea ning as a ool o imp o ing e iciency he o glial umo diagnosis
SPP-ne , puede gene a una ep esen ación de longi ud ija independien emen e
del amaño / escala de la imagen. La ag upación de pi ámides ambién es obus a
pa a de o maciones de obje os. El pode de SPP-ne ambién es signi ica i o en
la de ección de obje os. Usando SPP-ne , calculamos los mapas de ca ac e ís icas
de oda la imagen solo una ez, y luego ag upamos las ca ac e ís icas en egiones
a bi a ias pa a gene a ep esen aciones de longi ud ija pa a en ena a los
de ec o es. [7]
Mé odo de segmen ación de imágenes basado en el mé odo
Fuzzy c-means
Los mé odos de segmen ación pueden esul a muy ú iles en imágenes donde la
zona de in e és no iene mucha di e enciación con o as. La de ección asis ida po
compu ado a del c ecimien o ano mal de ejidos es á mo i ada p incipalmen e po
la necesidad de log a la máxima p ecisión posible. La segmen ación manual de es os
ejidos ano males no se puede compa a con las máquinas de compu ación de al a
elocidad de hoy en día que nos pe mi en obse a isualmen e el olumen y la
ubicación de los ejidos no deseados.
La ag upación de da os es un mé odo po el cual g andes conjun os de da os se
ag upan en ag upaciones de conjun os más pequeños de da os simila es. El algo i mo
de ag upamien o Fuzzy c-means (FCM) es una de las écnicas de ag upamien o sin
supe isión más u ilizadas en el campo de la imagen médica. La segmen ación de
imágenes médicas se e ie e a la segmen ación de es uc u as ana ómicas conocidas
a pa i de imágenes médicas. Fuzzy C-means (FCM) es un mé odo de ag upación en
clús e que pe mi e que una pa e de los da os pe enezca a dos o más ag upaciones.
La lógica di usa es una lógica de múl iples alo es de i ada de la eo ía de conjun os
di usos. FCM se usa popula men e pa a segmen aciones sua es como el modelo de
ejido ce eb al. Y ambién FCM puede p opo ciona mejo es esul ados que o os
algo i mos de ag upamien o en clús e es como KM, EM y KNN. [8]
RESULTADOS Y DISCUSIÓN
Ope aciones sob e el Da ase
Pa iendo de las 1000 imágenes ap oximadamen e seleccionadas y e ique adas de
o ma manual se hizo un aumen o de la base de da os median e écnicas de da a
augmen a ion pa a ene mayo can idad de casos de ap endizaje. En e los que
cuen an los siguien es il os:
32
Ci i , J.; Amaya, I.; Luna, F.; Du an, L.; Ci i , A.; Lina es-Ba anco, A.; Vicen e, S.
ABSTRACT
Glaucoma is one o he main causes o blindness. I changes he mo phology o he
op ic ne e. The cup is he cen al egion o he op ical disc. The CDR ( a io o he
diame e o he cup and disc) is an indica o o he s a e o he disease. A no mal CDR
is be ween 0.3 and 0.4. A highe CDR mo e ad anced glaucoma. In his wo k we y
o demons a e he iabili y o algo i hms in which he shape o he disc and he cup
a e app oxima ely ci cles. In hese cases, he numbe o pa ame e s is much lowe
and, a leas , in ou ini ial es s he app oach is some imes mo e ealis ic han wi h
he o iginal o ms o a Deep lea ning implemen a ion.
KEYWORDS
Glaucoma, Deep Lea ning, Diagnos ic Aid, Ci cle App oxima ion.

33
Deep lea ning glaucoma diagnosis aid
INTRODUCCIÓN Y OBJETIVOS
En es e abajo es udia emos dis in as posibilidades pa a ap oxima las o mas
del disco y la copa óp ica po cí culos. Más a de e emos la in luencia que ienen
es as ap oximaciones en la de ección median e Deep lea ning del disco óp ico y lo
compa a emos con una ap oximación con de ección di ec a.
METODOLOGÍA
U iliza emos inicialmen e el mé odo de de ección de disco y copa p opues o en
[1]. Es e mé odo emplea la ed de con olución-decon olución U-Ne [2] que es
ampliamen e empleada en la de ección de imágenes médicas.
El conjun o de da os empleado en nues as p uebas es RIM-ONE 3.
Inicialmen e comenzamos ealizando la segmen ación del disco. Pa a ello empleamos
nues o u o ial en Google collabo a o y [3]. Un ejemplo de los esul ados de la
segmen ación se mues a en la Figu a 1.
Figu a 1. Segmen ación del Disco.
Ve emos aho a las dis in as posibilidades de ap oxima la másca a (g ound u h) de
la igu a po un cí culo. En p incipio plan eamos es posibles mé odos:
a. De ec a el bo de de la másca a y ajus a un cí culo a dicha cu a.
b. De ec a la caja con endo a (Bounding Box) de la másca a y ap oxima
la misma u ilizando el cen o de la caja como cen o y la media de los
semilados como adio.
c. De ec a el cen oide y el á ea de la másca a y emplea como cen o el
cen oide y como adio la aíz cuad ada del á ea di idido po pi.
34
Ci i , J.; Amaya, I.; Luna, F.; Du an, L.; Ci i , A.; Lina es-Ba anco, A.; Vicen e, S.
La e aluación de las di e en es al e na i as la ealiza emos e aluando los coe icien es
de in e sección sob e unión (Dice) de las dis in as ap oximaciones con la másca a
eal. De los mé odos p opues os se selecciona á el que p opo cione mejo es ajus es
y con él se en ena á de nue o el sis ema de segmen ación pa a compa a los
esul ados con la e sión inicial.
Ha de ene se en cuen a que la in o mación necesa ia pa a es e caso es mucho
meno que pa a el sis ema o iginal al solo ene que ob ene el cen o y el adio de
cada disco o copa.
RESULTADOS Y DISCUSIÓN
Pa a ajus a la ap oximación ci cula a la cu a ex e na de la másca a de ec amos la
misma empleando el módulo segmen a ion de sciki -image [4] pa a después emplea
RANSAC [5] pa a ap oxima el modelo del cí culo. En es e caso sob e el conjun o de
imágenes se log a un alo medio del coe icien e Dice de un 93% con una des iación
ípica de 4.7 pa a los discos óp icos.
En el caso del mé odo del cen oide empleamos el módulo measu e de sciki -image
pa a ob ene las p opiedades de la egión co espondien e a la másca a. De es as
p opiedades u ilizamos el cen oide y el á ea. Empleando es e mé odo ob enemos
un alo medio del coe icien e Dice de un 96% con una des iación ípica de 1.6 pa a
los discos óp icos.
Pa a el caso de las cajas con enedo as empleamos ambién el módulo measu e
de sciki -image. En es e caso nos quedamos con los da os de la caja que con iene
a la másca a. Con es e mé odo ob enemos alo es del coe icien e p ác icamen e
idén icos a los ob enido u ilizando el cen oide.
En la Figu a 2 se mues an pa a la imagen en que el ajus e es mejo y peo los ajus es
de los cí culos po el mé odo del bo de, el del cen oide y el de la caja con enedo a.
Como úl ima ase p ocedemos a u iliza los da os de los cí culos co espondien es
a los discos como másca as en nues o no ebook en Google colab. Empleamos los
discos calculados empleando el mé odo de las egiones con enedo as.
35
Deep lea ning glaucoma diagnosis aid
Figu a 2. Ajus e de Cí culos.
En la Figu a 3 se mues a un ejemplo de en enamien o ealizado con másca as
ci cula es.
Figu a 3. Imágenes ajus adas con cí culos.
36
Ci i , J.; Amaya, I.; Luna, F.; Du an, L.; Ci i , A.; Lina es-Ba anco, A.; Vicen e, S.
CONCLUSIONES
Puede e se que la ap oximación median e cí culos educe, en g an medida el
núme o de pa amen os necesa ios pa a ep esen a el cí culo y la copa pe diendo
poca in o mación ú il en es a ans o mación. Es o nos puede pe mi i en oca la
segmen ación empleando modelos más sencillos.
AGRADECIMIENTOS
This wo k was pa ially suppo ed by he NPP p ojec unded by SAIT (2015-2018)
and by he Spanish go e nmen g an (wi h suppo om he Eu opean Regional
De elopmen Fund) COFNET (TEC2016-77785-P).
The cloud en i onmen o he p ojec was suppo ed by Google GCP esea ch
c edi s p og am.
REFERENCIAS BIBLIOGRÁFICAS
[1] Se as opolsky A. (2017). Op ic disc and cup segmen a ion me hods o
glaucoma de ec ion wi h modi ica ion o U-Ne con olu ional neu al ne wo k.
Pa e n Recogni ion and Image Analysis, 27(3), 618–624.
[2] Ronnebe ge , O., Fische , P., y B ox, T. (2015). U-ne : Con olu ional ne wo ks o
biomedical image segmen a ion. In e na ional Con e ence on Medical image
compu ing and compu e -assis ed in e en ion. a Xi :1505.04597 1
[3] Ci i -Maso , J., Pe ke ičius, L., y Ci i , A. (2018). The Tenso low/Ke as u o ial
on image segmen a ion. Google colabo a o y, Google. Recupe ado de: h ps://
bi .ly/2zLAz 0
[4] Van de Wal , S., Schönbe ge , J. L., Nunez-Iglesias, J., Boulogne, F., Wa ne , J.
D., Yage , N., ... Yu, T. (2014). Sciki -image: image p ocessing in Py hon. Pee J,
2, e453.
[5] De panis, Kons an inos G. (2010). O e iew o he RANSAC Algo i hm. Image
Roches e NY, 4.1, 2-3.
37
Diseño, implemen ación y e aluación de clús e b-pi pa a el p ocesamien o de isión en pa alelo
DISEÑO, IMPLEMENTACIÓN Y EVALUACIÓN DE
CLÚSTER RB-PI PARA EL PROCESAMIENTO DE
VISIÓN EN PARALELO
Muñoz-Saa ed a, Luis; Domínguez-Mo ales, Manuel*; Cascado-Caballe o,
Daniel; Lina es-Ba anco, Alejand o
G upo de Robó ica y Tecnología de Compu ado es.
Depa amen o de A qui ec u a y Tecnología de Compu ado es. Escuela
Poli écnica Supe io . Uni e sidad de Se illa.
*E-mail: mjdomingue[email p o ec ed]
RESUMEN
En es e p oyec o se p esen a la c eación de un clús e de mic opcs pa a análisis de
imágenes. Pa a su c eación pa imos de ce o: el análisis de las he amien as que nos
ayuden a consegui el obje i o, un análisis de las p es aciones, así como los pasos
pa a su c eación. Se pa e de la base de que se alcanzó el lími e de p ocesamien o
monop ocesado desde hace a ias gene aciones, lo cual ha supues o una ue e
e olución en el p ocesamien o pa alelo. Pa a aplicaciones con g andes necesidades
(cálculos ma emá icos, p ocesamien o de ídeo, en enamien o, e c.) se hace uso
de clús e es; sin emba go, és os poseen un cos e muy ele ado, lo cual p o oca
que sea uso exclusi o en supe compu ación. En es e abajo se p esen a el diseño
e implemen ación de clús e de bajo cos e basado en compu ado es empo ados
Raspbe y Pi. Se desc ibe la con igu ación del clús e pa a comunicación po paso de
mensajes. Y, inalmen e, se ealiza una p ueba del sis ema u ilizando aplicación de
p ocesamien o pa alelo de ídeo.
PALABRAS CLAVE
Clús e , OpenCV, Raspbe y, Cisión a i icial, Pa alelismo.

38
Muñoz-Saa ed a, L.; Domínguez-Mo ales, M.; Cascado-Caballe o, D.; Lina es-Ba anco, A.
ABSTRACT
This p ojec p esen s he c ea ion o a mic o-pc clus e o image analysis. Fo i s
c ea ion we s a om sc a ch: he analysis o he ools ha help us achie e he
goal, an analysis o he bene i s, as well as he s eps o i s c ea ion. Since he
limi o single-p ocesso p ocessing has been eached o se e al gene a ions, a
s ong e olu ion in pa allel p ocessing has been expe imen ed in he las yea s. Fo
applica ions wi h g ea compu a ion powe needs (ma hema ical calcula ions, ideo
p ocessing, aining, ...) clus e s a e used; howe e , hey ha e a e y high cos , which
makes hem o be used exclusi ely in supe compu ing. In his pape we p esen he
design and implemen a ion o a low-cos clus e based on Raspbe y Pi embedded
compu e s. The con igu a ion o he clus e o communica ion by message passing
is desc ibed. And, inally, a sys em es is pe o med using a pa allel ideo p ocessing
applica ion.
KEYWORDS
Clus e , OpenCV, Raspbe y, Compu e ision, Pa allelism.
39
Diseño, implemen ación y e aluación de clús e b-pi pa a el p ocesamien o de isión en pa alelo
INTRODUCCIÓN Y OBJETIVOS
Un campo en auge y que equie e g an capacidad compu acional es la ca alogación
au omá ica de imágenes. Puede ap ecia se, po ejemplo, el p oyec o Galaxy Zoo
[1] que p e ende ca aloga imágenes de galaxias, lo cual no es un ema sencillo,
ya que las imágenes no suelen se ácilmen e ca alogables de mane a in o má ica
debido al uido que ienen es as o os. Pa a e i a es e p oblema, el p og ama usa
olun a ios pa a ca aloga es as imágenes. Con es a me odología su gen a ias
p egun as, ¿cuán as o os puede ca aloga una pe sona po minu o?, ¿qué pasa si
no hay olun a ios?, y la más in e esan e, ¿se pod ía c ea un sis ema expe o pa a
que, median e ap endizaje au omá ico pudiese econoce es as imágenes? ¿Cómo
debe ía se es e sis ema?
En la emá ica de es e abajo, se ha ob iado la pa e de ap endizaje au omá ico, y
se ha cen ado en la pa e a qui ec ónica del p oblema, ya que es impo an e de ini
co ec amen e la a qui ec u a del sis ema necesa io y p oba que sea capaz de
ealiza las ope aciones que se p ecisan pa a es e ipo de inicia i as. Es e abajo se
puede di idi en dos pa es, una más gene al, los sis emas HPC basados en mini PCs,
y uno más pa icula , un clús e HPC pa a análisis de imágenes.
Un clús e HPC o mado po mini PCs pod ía usa se en es os campos: In aes uc u as,
Educa i o, Cien í ico, e c. Y ya en un campo más especí ico: Sani a io, Segu idad,
Au omoción, e c.
Aunque, en la ac ualidad, se iende a lle a los se icios so wa e a la nube, pa a ello
hay que ex e naliza , y no malmen e se simpli ican las a eas de man enimien o, ya
que la pa e de man enimien o de las máquinas las hace o a emp esa, pe o, pa a
pode ealiza las p uebas de código, es os clús e es pueden aho a dine o y iempo,
ya que no malmen e es e ipo de se icios a i ica po el iempo de p ocesado.
METODOLOGÍA
El sis ema que se a a cons ui es el siguien e:
40
Muñoz-Saa ed a, L.; Domínguez-Mo ales, M.; Cascado-Caballe o, D.; Lina es-Ba anco, A.
Figu a 1. Sis ema basado en clús e con un maes o y 5 nodos escla os.
Como emos en el dibujo, el sis ema es á sepa ado en Más e y nodos, aunque enga
una con igu ación simila , el más e iene una con igu ación algo di e en e.
• Más e : El más e hace uso del sis ema ope a i o comple o de Raspbian,
es deci cuen a con en o no g á ico, se ha hecho así pa a pode usa es a
Rasbe y como en o no de desa ollo en caso de que uese necesa io, ya que
incluye un IDE pa a Py hon, es á Raspbe y ambién ha sido con igu ada pa a
pode conec a se median e SSH al es o de nodos, ya que iene cla e pública
dis ibuida en e los nodos.
• Nodos: Los nodos, ienen una e sión mínima del sis ema ope a i o, ya que
es án pensadas solo pa a ealiza abajos. En cuan o al so wa e usado pa a el
p ocesamien o de las imágenes, es igual en odas las máquinas, se usa Py hon
3.4 y OpenCV 3.0. En cuan o al so wa e de o ques ación, man enimien o y
ges ión ha sido echazado (complicaba más la con igu ación).
DESARROLLO
Es e p oyec o ha sido plan eado pa a se desa ollado en cua o ases, la p ime a ha
sido ins alación y con igu ación de un solo nodo, la segunda ase ha sido el es udio
de los di e en es so wa es pa a su ges ión, la e ce a ase ha sido la implemen ación
inal del clús e , y inalmen e, la cua a pa e ha sido la ealización de las p uebas.
41
Diseño, implemen ación y e aluación de clús e b-pi pa a el p ocesamien o de isión en pa alelo
• P ime a pa e: Pa a ealiza es a pa e, se ha usado la e sión de Raspbian
comple a, incluida en NOOBS, ya que es a Raspbe y se ía usada pa a
desa olla el código, cuando se comple ó la ins alación se ins aló OpenCV
3.0 pa a se usado con Py hon 3.4. La ins alación se ha ealizado c eando
un en o no i ual, es o hace que se aíslen las dependencias, po si hubie a
que abaja con o as e siones de OpenCV o de Py hon. La ins alación de
Py hon equie e que se compilen las lib e ías de OpenCV es e paso puede
llega a oma en o no a una ho a, si odo sale bien, haciendo uso de los 4
núcleos de la Raspbe y. Al abaja en un en o no i ual, pa a pode abaja
con OpenCV y la e sión adecuada de Py hon, hay que ca ga el en o no
que necesi ábamos, pa a agiliza el uso del sis ema se modi icó el iche o
RC.local pa a ca ga el en o no i ual al inicia el sis ema. No se hicie on más
cambios en la con igu ación del sis ema ope a i o. Cuando es u o el sis ema
lis o, se ealizó un pequeño código que analizaba las imágenes. Se analizó el
uso de gi Hub, pe o se desca ó ya que se empleaba más iempo en usa la
he amien a que en el desa ollo del código. Es a pa e se dio po concluida
cuando se consiguió p ocesa una lis a de imágenes.
• Segunda pa e: En es a pa e no se ol ió a abo da la p og amación de
OpenCV y se empezó a es udia las di e en es o mas de ges iona el clús e ,
ue en es a pa e donde se ha in e ido más iempo. El p ime so wa e que
se es udió ue Docke , ya que al pode me e OpenCV en un con enedo ,
se agiliza ía el despliegue de la aplicación, ya que la ins alación es len a y
delicada. Pa a cons ui el clús e , y aba a a cos es, se hicie on los cables de
ed, po o o lado, se imp imió una se ie de ca casas pa a ene las Raspbe y
mon adas, ambién se consiguió un swi ch de 16 pue os pa a in e conec a
las Raspbe y. Cuando ya es aba cons uido el clús e , ísicamen e, se
comenzó con su con igu ación, pa a agiliza las cosas, se analizó el uso de
Ansible, pe o al se con igu aciones únicas, se desca ó su uso. El uso de
docke ambién se jus i ica con el uso de kube ne es, ya que equie e de
docke pa a pode unciona , as e que el uso de es as ecnologías no
apo a lo que se les pedía, se desca ó su uso.
• Te ce a pa e: T as desca a el uso de los di e en es p og amas pa a
ges iona el clús e , se decidió hace lo de la mane a más sencilla posible.
Pa a ello se usa on las imágenes de Raspbian, la mínima pa a los 5 nodos y
una no mal pa a el más e . En es e caso en luga de abaja con odas las
Raspbe y en pa alelo, p ime o se con igu ó el más e , luego la con igu ación
e ins alación de un nodo, pa a e i a u u os p oblemas como en el pun o
48
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-Ba anco, A.
ABSTRACT
The p ojec consis s o he c ea ion o a obo ic a m con olled emo ely h ough a
b ace de eloped by Thalmic Labs, which can ead he biopo en ials o he muscles
o he limb o he use s. This p ojec aims o c ea e an economic al e na i e o non-
in asi e ac i e p os heses ha exis oday. Ou p os hesis can pe o m he same
unc ions bu a a so much a o dable p ice. To pe o m all he unc ions o a no mal
join , he a m has se e al elemen s. S ings ha simula e endons and allow he
mo emen o he inge s, gea s ha allow he o a ion o he w is and mo o s,
which can gene a e mo emen based on he da a ex ac ed om he b acele . The
b acele is esponsible o ansmi ing in o ma ion om he hand o he obo ic a m
h ough a wi eless module ha connec s i wi h he compu e , whe e he signal ha
ex ac s he b acele goes h ough a il e ing p ocess o keep he in o ma ion ha
in e es s us and T ansmi i h ough he USB po o a mic ocon olle , which will be
in cha ge o mo ing he engines acco ding o he signals ecei ed. To a oid e o s
in he measu emen o he senso s, he in o ma ion ecei ed om he b acele is
ained in he compu e using a Neu al Ne wo k a chi ec u e be o e sending he
in o ma ion o he obo ic a m.
KEYWORDS
Neu al Ne wo k, Exoskele on, P o hesis, EMG.

49
MYOARM: p ó esis obó ica con sensado emg y en enamien o con edes neu onales
INTRODUCCIÓN Y OBJETIVOS
La e olución de la p o ésica es la ga y es á plagada de his o ias, desde sus comienzos
p imi i os, pasando po el so is icado p esen e, has a las inc eíbles isiones del
u u o. Al igual que sucede en el desa ollo de cualquie o o campo, algunas ideas
e in enciones han uncionado y se han explo ado más de alladamen e, como el pie
de posición ija, mien as que o as se han dejado de lado o se han uel o obsole as,
como el uso de hie o en las p ó esis. El la go y complejo camino hacia el b azo
compu a izado comenzó al ededo del año 1500 a. C. y, desde en onces, ha es ado
en cons an e e olución. Ha habido muchos pe eccionamien os desde las p ime as
pa as de palo y los p ime os ganchos de mano, y el esul ado ha sido la ijación y el
moldeado al amen e pe sonalizados que se encuen an en los disposi i os ac uales.
Ac ualmen e la biónica es la aplicación de soluciones biológicas a la écnica de los
sis emas de a qui ec u a, diseño, ingenie ía y ecnología mode na. Asimismo, exis e
la ingenie ía biónica que aba ca a ias disciplinas con el obje i o de conca ena
(hace abaja jun os) sis emas biológicos y elec ónicos, po ejemplo, pa a c ea
p ó esis ac i adas po los obo s con olados po una señal biológica o ambién c ea
modelos a i iciales de cosas que solo exis en en la na u aleza, po ejemplo, la isión
a i icial y la in eligencia a i icial ambién llamada cibe né ica. Se pod ía deci , la
biónica es aquella ama de la cibe né ica que a a de simula el compo amien o
de los se es i os haciéndolos mejo es en casi odas las amas po medio de
ins umen os mecánicos.
La Biónica ha enido un g an desa ollo en países como Alemania que cuen a con
cu sos i ulados de ese mismo modo en dis in as escuelas, Japón que iene un g an
desa ollo en Bio obo s, Es ados Unidos y Reino Unido. En La inoamé ica y España
se cuen a ambién con desa ollos de es e ipo. Tenemos que en México se undó
la ca e a de Ingenie ía Biónica en la UPIITA (Unidad P o esional In e disciplina ia en
Ingenie ía y Tecnologías A anzadas) del IPN (Ins i u o Poli écnico Nacional) en 1996
la cual ha endido u os en la c eación de a e ac os biónicos. Tal como se dio con
el ingenie o Luis A mando B a o Cas illo, g aduado del IPN, al ealiza su p ó esis de
b azo. La cual unciona po medio de señales eléc icas que emi e la piel después
de ealiza con acciones muscula es. Así el pacien e c ea un código que le pe mi e
pode mo e su b azo.
En Es ados Unidos, el 82% de las ampu aciones se deben a en e medades ascula es,
el 22% a auma ismos, el 4% son congéni as y o o 4% ienen o igen umo al.
Ap oximadamen e, 1,6 millones de pe sonas en Es ados Unidos con i en con una
50
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-Ba anco, A.
ampu ación. 1,5 ampu ados po 1.000 habi an es en E.E.U.U. y Canadá. Según
la Agencia pa a la In es igación y la Calidad del Cuidado de la Salud (Agency o
Heal hca e Resea ch and Quali y, AHRQ), cada año se hacen al ededo de 113.000
ampu aciones de ex emidades in e io es.
Exis e una p opo ción de 3:1 en e homb es y muje es (73.6% s 26.4%). Las
ampu aciones ocu en p edominan emen e en miemb os in e io es con un 84%,
espec o a los miemb os supe io es con un 16%.
En miemb os supe io es la causa p edominan emen e es aumá ica con un 70,4% le
sigue la causa congéni a con un 18%.
En miemb os in e io es la causa p edominan e es ascula con un 69,5% seguido de
las aumá icas con un 22,5%.
Po lo an o, amos a in en a pone solución a un g an p oblema que a ec a a
millones de pe sonas en el mundo (ex apolando las ci as an es is as solamen e en
E.E.U.U. y Canadá).
El obje i o p incipal de es e abajo es la c eación de p ó esis ac i as no in asi as
económicas. El usua io de es a p ó esis la pod á maneja median e un b azale e, el
cual lle a in eg ado a ios senso es (gi óscopo, acele óme o y elec omiog ama).
Dicho b azale e, se coloca á en el b azo del usua io y lee á los pa áme os de las
e minaciones muscula es esiden es del muñón del usua io, ansmi iéndoselas a
un mic op ocesado que mo e á una se ie de mo o es de la p ó esis.
Pa a log a es e p opósi o, se ha seguido la écnica de “Di ide y Vence ás”. Es deci ,
se ha sepa ado el obje i o inal del p oyec o en unos más pequeños, los cuales se
pueden ealiza de mane a indi idual, pa a inalmen e jun a los y ob ene el obje i o
p incipal.
METODOLOGÍA
El sis ema es á di idido en es pa es: el b azale e Myo (colo e de), el o denado
(colo azul) y el mic ocon olado y el b azo (colo ojo). La p ime a comunicación
(en e el b azale e y el o denado ) se ealiza median e una conexión inalámb ica
y la segunda comunicación (en e el o denado y el mic ocon olado ) se ealiza
median e una comunicación po pue o USB.
51
MYOARM: p ó esis obó ica con sensado emg y en enamien o con edes neu onales
Figu a 1. A qui ec u a del sis ema.
Desde el b azale e se en ía la in o mación ob enida de los senso es al o denado .
En el o denado se ejecu a una aplicación de il ado de la señal pa a queda nos
con los da os que nos in e esan pa a el mo imien o del b azo. Una ez la señal ha
sido il ada y enemos los da os que que emos, ansmi imos la señal de con ol al
mic ocon olado , el cual se enca ga del mo imien o de los se omo o es y po an o
del mo imien o del b azo obó ico.
Los senso es del b azale e engloban las ecnologías u ilizadas pa a medi los
di e en es alo es del b azo:
• Senso es de elec omiog a ía: Son los senso es colocados en cada módulo del
b azale e, se enca gan de medi los biopo enciales de los músculos del b azo.
• Acele óme o: Es el senso enca gado de oma las medidas de las acele aciones del
b azo y muñeca.
• Gi óscopo: Es el senso enca gado de oma las medidas de los cambios de posición
y gi o de la muñeca y el b azo.
En la ansmisión de da os de los alo es leídos, se u iliza un módulo USB que
p opo ciona el b azale e. El disposi i o pe mi e en ia los da os a a és de él de
o ma inalámb ica. En nues o caso, es á conec ado al o denado y el b azale e le
en ía los da os median e Blue oo h.
52
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-Ba anco, A.
En el o denado se ejecu a una aplicación c eada en Visual Es udio en idioma
de p og amación C#, en la cual se eciben los da os del b azale e y se ealiza
un en enamien o median e una ed neu onal pa a se capaz de disc e iza la
in o mación a apo a al b azo; de es a o ma el sis ema equie e un p oceso p e io
de en enamien o, así como una g an can idad de da os que en ena an es de
comenza a da una salida del sis ema.
El esul ado de la ed neu onal se ans o ma en mo imien os p og amados que se
en ían al mic ocon olado pa a con ola la ecepción de da os. En la placa, la cual
se enca ga de con ola el b azo comple o, se encuen an las conexiones necesa ias
pa a el uncionamien o de los dis in os disposi i os.
El b azo obó ico se enca ga de imi a los mo imien os que eje cemos noso os en
el b azo que enemos colocado el b azale e. En la pa e de los mo o es del b azo, se
u ilizan se omo o es. Es e ipo de mo o es la mejo al e na i a pa a la aplicación
que desempeña a el b azo ya que podemos con ola el mo imien o de los dedos y el
gi o de la mano. Los se omo o es se encuen an conec ados al mic ocon olado a
a és de los pines de PWM de la placa. En es e caso, los disposi i os no se alimen an
desde el mic ocon olado . Pa a la alimen ación de los se omo o es se usa una
uen e de alimen ación ex e na.
RESULTADOS Y DISCUSIÓN
A con inuación, podemos e el diag ama de bloques del uncionamien o del
elec omiog ama:
Figu a 2. Diag ama de bloques del uncionamien o del sis ema.
53
MYOARM: p ó esis obó ica con sensado emg y en enamien o con edes neu onales
Se ecibe la señal analógica de los elec odos colocados en el b azale e, seguidamen e,
el con e so analógico digi al de 8 bi s que posee el b azale e, con ie e la señal
analógica en un ango digi al de 0 a 255 bi s, si los mo imien os no es án calib ados, se
calib an odos los mo imien os p ime amen e, después de ene odos los senso es
pe ec amen e calib ados, hacemos que las mues as de calib ación las en ene el
sis ema de ed neu onal que hemos pues o en el código pa a que el p og ama sea
capaz de dis ingui bien los mo imien os au omá icamen e. Po úl imo, una ez que
el sis ema es á en enado, las señales se mandan al b azo pa a que se mue a de la
o ma que noso os le mandamos a a és de los biopo enciales eléc icos de los
músculos.
La es uc u a de la ed neu onal del sis ema se compone po una capa de en ada,
una de salida y una capa ocul a. A con inuación, puede obse a se la es uc u a
comple a:
Figu a 3. Es uc u a de la ed neu onal.
Po o o lado, la aplicación desa ollada, enca gada de la comunicación y el
en enamien o, puede obse a se a con inuación:

54
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-Ba anco, A.
Figu a 4. Aplicación de usua io.
En cuan o a las p uebas, se ealiza on de es ipos di e en es: en p ime a
ins ancia se hicie on p uebas de in eg ación del sis ema pa a comp oba el
co ec o uncionamien o de odas las pa es desa olladas; seguidamen e, pa a
el en enamien o del sis ema se ob u ie on los po cen ajes de acie o pa a a ios
suje os y en múl iples ocasiones (los esul ados del en enamien o no baja on en
ningún caso del 85%); y inalmen e se ealiza on p uebas de usabilidad con los
pacien es que habían se ido de suje os de p ueba pa a la ed neu onal.
Figu a 5. P ueba de uncionamien o.
55
MYOARM: p ó esis obó ica con sensado emg y en enamien o con edes neu onales
CONCLUSIONES
Una ez inalizado el p oyec o comple amen e, los obje i os del p oyec o se han
cumplido comple amen e. Se ha diseñado, in eg ado y es eado un sis ema basado
en el mo imien o de un b azo obó ico a a és de la lec u a de los senso es EMG de
un b azale e y el en enamien o de la in o mación ecibida po el pc median e edes
neu onales.
El po cen aje de éxi o as el en enamien o y es eo con 8 suje os no disminuyó en
ningún caso del 85%; es ando la media po encima del 90% de éxi o en la clasi icación
del sis ema neu onal. Los esul ados son sa is ac o ios y los usua ios han mos ado
in e és en la ma e ia.
AGRADECIMIENTOS
Es e abajo ha sido desa ollado y inanciado den o del g upo de in es igación TEP-
108: Robó ica y Tecnología de Compu ado es de la Uni e sidad de Se illa.
REFERENCIAS BIBLIOGRÁFICAS
[1] Lange in, G. (2014). InMoo -Open Sou ce 3D p in ed li e-size obo . Recupe ado
de: h p://www.ampu ee-coali ion.o g/spanish/inmo ion/no _dec_07/
his o y_p os he ics.x96942pd
[2] Esc ibà Mon agu , G., e al. (2016). Inmoo obo : building o he i s open
sou ce 3D p in ed li e-size obo . Tesis de Licencia u a.
[3] Ciancio, A. L., e al. (2016). Con ol o p os he ic hands ia he pe iphe al
ne ous sys em. F on ie s in neu oscience, 10, p. 116.
[4] Ganie , A., Shin, H.S., y Lee, K.H. (2016). S udy on i ual con ol o a obo ic a m
ia a myo a mband o he sel manipula ion o a hand ampu ee. In e na ional
Jou nal o Applied Enginee ing Resea ch, 11(2), pp. 775-782.
[5] Shin, H.S., Ganie , A., y Lee, K.H. (2015). Design o a Vi ual Robo ic A m based
on he EMG a ia ion. P oc. ASTL.
[6] Yang, C., e al. (2015). Teleope a ed obo w i ing using emg signals. En
In o ma ion and Au oma ion. IEEE In e na ional Con e ence. IEEE, pp. 2264-
2269.
56
Pé ez-Rod íguez, A.; Domínguez-Mo ales, M.; Jiménez-Fe nández, Á.; Lina es-Ba anco, A.
[7] Sa hiyana ayanan, M., y Rajan, S. (2016). MYO A mband o physio he apy
heal hca e: A case s udy using ges u e ecogni ion applica ion. En
Communica ion Sys ems and Ne wo ks (COMSNETS), 8 h In e na ional
Con e ence. IEEE, pp. 1-6.
[8] Byoyali, A., Hashimo o, N., y Ma sumo o, O. (2015). Hand pos u e and ges u e
ecogni ion using MYO a mband and spec al collabo a i e ep esen a ion-
based classi ica ion. En Consume Elec onics (GCCE), IEEE 4 h Global
Con e ence. IEEE, pp. 200-201.
57
Rehabili ación de pacien es con mo ilidad educida usando exoesquele o y écnicas de gami icación
REHABILITACIÓN DE PACIENTES CON MOVILIDAD
REDUCIDA USANDO EXOESQUELETO Y TÉCNICAS DE
GAMIFICACIÓN
Domínguez-Bobillo, José Miguel; Domínguez Mo ales, Manuel*; Mi ó-
Ama an e, Lou des; Lina es-Ba anco, Alejand o
G upo de Robó ica y Tecnología de Compu ado es.
Depa amen o de A qui ec u a y Tecnología de Compu ado es. Escuela
Poli écnica Supe io . Uni e sidad de Se illa.
*E-mail: mjdomingue[email p o ec ed]
RESUMEN
Es e p oyec o denominado consis e en la c eación de un p o o ipo de exoesquele o
pa a su u ilización en pe sonas con mo ilidad educida en b azos y manos. Es á
en ocado en en ena al pacien e con dis in os g ados de eje cicios y es ue zos pa a
ayuda en las a eas de ecupe ación del mo imien o y aumen a así la mo ilidad de
es as pa es del cue po an e mencionadas. Pa a ealiza es as unciones, el p o o ipo
es á o mado po : una exo-mano que pe mi e mo e los dedos del usua io g acias
al uso de mo o es, un exo-b azo que cuen a con un mo o en el codo que ayuda al
mo imien o del b azo y una aplicación so wa e con el que el usua io in e ac úa
con el exoesquele o y pe mi e el en enamien o y ecolección de da os de és e. La
exo-mano es capaz de imi a los mo imien os de la mano del usua io a pa i de un
sen- so que mide el g ado de ac i idad del músculo de la mano, mien as que el
exo-b azo calcula el g ado de cu a u a en unción de su posición. Los componen es
ha dwa e del p o o ipo se in e conec an con las aplicaciones so wa e g acias al
mic ocon olado conec ado al pue o se ie del PC. La aplicación so wa e es a´
o mado po dos juegos en los que cada uno en ena una pa e di e en e: un juego
es ilo Pong con el que el usua io en ena el mo imien o del b azo y en unción de su
g ado de mo ilidad, el exo-b azo se adap a pa a o ece mayo o meno ayuda, y un
juego con el que en ena el mo imien o an o del b azo como de la mano, en el que
la exo-mano se adap a al g ado de mo ilidad de la mano.
PALABRAS CLAVE
Rehabili ación, Gami icación, Exoesquele o.
64
Domínguez-Bobillo, J. M.; Domínguez Mo ales, M.; Mi ó-Ama an e, L.; Lina es-Ba anco, A.
Figu a 4. Esquema de comunicación del i mwa e.
Finalmen e se desa olla on dos ideojuegos debido a la e olución del p oyec o.
En p ime a ins ancia y haciendo únicamen e uso del exo-b azo, se desa olló un
ideojuego simila al Pong, en el que el usua io debe es i a y con ae el b azo pa a
mo e la pla a o ma y, de dicha o ma, impedi que la pelo a oque el suelo. Puede
ap ecia se a con inuación una imagen con el juego y o a con las p uebas ealizadas
sob e el mismo.
Figu a 5. Juego Pong.

65
Rehabili ación de pacien es con mo ilidad educida usando exoesquele o y écnicas de gami icación
Figu a 6. P ueba de juego Pong.
De igual o ma, se desa olló un segundo ideojuego que in eg a a el mo imien o
del b azo y de la mano po igual. Dicho juego consis e en un cañón que dispa a bolas
y se deben ences a en los anillos que an apa eciendo po el ai e de o ma alea o ia.
Median e el mo imien o del b azo se puede subi y baja el cañón; y, median e
el cie e de la mano se dispa a una bola. A con inuación, se ap ecia el juego en
uncionamien o y las p uebas ealizadas sob e el mismo.
Figu a 7. Juego de anillos.
Figu a 8. P ueba de juego de anillos.
CONCLUSIONES
Se ha diseñado, ab icado, mon ado y es eado un exoesquele o de mano y o o
de b azo. Se ha in eg ado un mic ocon olado pa a con ola los mo imien os del
pacien e y ayuda en el p oceso de mo ilidad. Se le ha añadido al mic ocon olado
66
Domínguez-Bobillo, J. M.; Domínguez Mo ales, M.; Mi ó-Ama an e, L.; Lina es-Ba anco, A.
la uncionalidad de comunica se con el o denado de p opósi o gene al con el in
de en ia la in o mación del mo imien o del pacien e y pode in eg a lo con la
aplicación de pc. Se han desa ollado dos ideojuegos pa a que el usua io eje ci e el
mo imien o de b azo y mano a medida que a anza en los juegos.
Se le han dado uncionalidades al sis ema pa a pode se a ado como mecanismo
de ehabili ación y eje ci ación pa a pacien es con educción de mo ilidad en b azo
y mano.
El uso con pacien es ha sido sa is ac o io y ha susci ado un amplio in e és.
AGRADECIMIENTOS
Es e abajo ha sido desa ollado y inanciado den o del g upo de in es igación TEP-
108: Robó ica y Tecnología de Compu ado es de la Uni e sidad de Se illa.
REFERENCIAS BIBLIOGRÁFICAS
[1] Bagnall, D.L. (2010). Physia y: Wha ’s he end game? PM&R, 2(1), pp. 3-5.
[2] G eenemeie , L. (2011). Robo ic Exoskele ons om Cybe dyne Could Help
Wo ke s Clean Up Fukushima Nuclea Mess. Scien i ic Ame ican, 9(11), p. 11.
[3] Backus, S.B., Odhne , L.U., y Dolla , A.M. (2014). Design o hands o ae ial
manipula ion: Ac ua o numbe and ou ing o g asping and pe ching. En
In elligen Robo s and Sys ems (IROS 2014), IEEE/RSJ In e na ional Con e ence.
IEEE, 2014. pp. 34-40.
[4] León, R. y F eddy, J. (2018). Diseño y alidación expe imen al de un disposi i o
de ehabili ación adap able pa a los dedos de la mano: DReAM.
[5] Mangue a, M.V., e al. (2018). Ac i e Mo o Con ol o an Uppe Ex emi y
Exoskele on. Ad anced Science Le e s, 24(11), pp. 8837-8840.
[6] Kon adakis, G., e al. (2018). Gami ied pla o m o ehabili a ion a e o al knee
eplacemen su ge y employing low cos and po able ine ial measu emen
senso node. Mul imedia Tools and Applica ions, pp. 1-28.
[7] Koma o a, S. (2018). Design a solu ion and a p o o ype o hand ehabili a ion
a e auma inju es and pos s oke.
67
Sis ema HW-SW de ele ehabili ación y elemedicina pa a pacien es Epoc con hipe insu lación pulmona
SISTEMA HW-SW DE TELEREHABILITACIÓN Y
TELEMEDICINA PARA PACIENTES EPOC CON
HIPERINSUFLACIÓN PULMONAR
De-Les e-Conde, Chan al; Domínguez-Mo ales, Manuel*; Ri as-Pé ez, Manuel;
Lina es-Ba anco, Alejand o
G upo de Robó ica y Tecnología de Compu ado es.
Depa amen o de A qui ec u a y Tecnología de Compu ado es. Escuela
Poli écnica Supe io . Uni e sidad de Se illa.
*E-mail: mjdomingue[email p o ec ed]
RESUMEN
La en e medad pulmona obs uc i a c ónica es la cua a causa de mue e en el mundo.
G an pa e de es os en e mos no es án diagnos icados y a medida que a anza la en e medad
empiezan a apa ece di icul ades en la espi ación y cambios en la isiología pulmona .
En e es os cambios es á la hipe insu lación, los pacien es hipe insu lados e ienen ai e en
los pulmones. Po lo an o, es os pacien es equie en de un seguimien o y necesi an hace
eje cicios especí icos con disposi i os PEP (P esión Espi a o ia Pos i a) pa a expulsa es e ai e.
En es e p oyec o se implemen a un sis ema que comp enda la unción de espi ome ía y la
unción de ele ehabili ación. Pa a es o se desa olla po un lado una aplicación mó il que
se á la in e az g á ica y el mo o de cálculo, po o o se diseña un espi óme o de u bina
que median e blue oo h en ía la elocidad del ai e exhalado a la aplicación, y po úl imo dos
boquillas in e cambiables, una pa a las p uebas de espi ome ía y o a que se á la boquilla
PEP pa a eje cicios de ehabili ación. Pa a la boquilla PEP, la cual in eg a la misma u bina pa a
pode con a e oluciones, se diseña á un juego que median e es imulación isual a isa á
al pacien e de cuando espi a demasiado ue e o demasiado len o, ayudando así a que los
eje cicios se hagan co ec amen e. Pa a la boquilla de espi ome ía, se calcula án la FVC, la
FEV1, el Índice de Ti enau y la cu a lujo olumen y se almacena án los esul ados pa a
e los g á icamen e en unción del iempo. Con es e p oyec o, se p e ende da acilidades y
solución a las pe sonas que padecen es a pa ología, cuyas necesidades equie en de ayuda
ex e na de cen os médicos pa a ealiza el seguimien o de su en e medad y lle a a cabo la
ehabili ación, de es e modo, se o ece la posibilidad de hace lo desde casa y con un con ol
equi a i o al que pod ía da el se icio écnico de un cen o médico.
PALABRAS CLAVE
EPOC, Telemedicina, Salud, PEP, Tele ehabili ación.
68
De-Les e-Conde, C.; Domínguez-Mo ales, M.; Ri as-Pé ez, M.; Lina es-Ba anco, A.
ABSTRACT
Ch onic obs uc i e pulmona y disease is he ou h leading cause o dea h in he
wo ld. Many o hese pa ien s a e no diagnosed and as he disease p og esses,
b ea hing di icul ies and changes in pulmona y physiology begin o appea . Among
hese changes is hype in la ion, hype in la ion pa ien s e ain ai in he lungs.
The e o e, hese pa ien s equi e ollow-up and need o do speci ic exe cises wi h
PEP (Posi i e Expi a o y P essu e) de ices o expel his ai . In his p ojec we wan
o implemen a sys em ha includes he unc ion o spi ome y (calcula ion o lung
unc ion) and ele ehabili a ion unc ion. Fo his eason, I is de eloped on he one
hand a mobile applica ion ha will be he g aphical in e ace and compu e b ain, on
he o he hand is designed a u bine spi ome e ha by blue oo h sends he eloci y
o he exhaled ai o he applica ion, and inally wo eplaceable nozzles, one o
spi ome y es s and ano he ha will be he PEP nozzle o ehabili a ion exe cises.
Fo he PEP nozzle, which in eg a es he same u bine o be able o coun e olu ions,
a game will be designed ha , h ough isual s imula ion, will ale he pa ien when
exhales oo ha d o oo slow, hus helping he exe cises o be pe o med co ec ly.
Fo he spi ome y nozzle, he FVC, FEV1, Ti enau Index and olume low cu e will
be calcula ed, and he esul s s o ed o g aphing as a unc ion o ime. Wi h his
p ojec , i is in ended o p o ide acili ies and solu ions o people su e ing om
his pa hology, whose needs equi e ex e nal help om medical cen e s o ollow
up hei disease and ca y ou ehabili a ion, he eby o e ing he possibili y o do
i om home and wi h equi able con ol ha could gi e he echnical se ice o a
medical cen e .
KEYWORDS
EPOC, e-Heal h, Rehabili a ion, PEP.
69
Sis ema HW-SW de ele ehabili ación y elemedicina pa a pacien es Epoc con hipe insu lación pulmona
INTRODUCCIÓN Y OBJETIVOS
El in e és hacia la en e medad obs uc i a pulmona c ónica, EPOC, se debe al
econocimien o de la impo ancia de la EPOC como causa de mo bilidad, in alidez y
mo alidad a ni el mundial. En el año 2014 (úl imo año que se dispone de da os) se
p oduje on en España 395.830 de unciones, de las cuales 43.841 ue on a causa de
en e medades del sis ema espi a o io, siendo es a la e ce a causa de mue e en
España.
La p incipal causa de la apa ición de la EPOC es el abaquismo y la inhalación de
pa ículas. Además de ac o es de iesgo como las complicaciones pe ina ales y
en e medades de la in ancia, ac o es gené icos como el dé ici de α1-an i ipsina y la
hipe eac i idad de la ía aé ea (po alé genos y po in ecciones b oncopulmona es
epe idas). La espi ome ía es la p incipal p ueba de la unción pulmona , y es
imp escindible pa a el seguimien o de en e medades espi a o ias como EPOC.
La EPOC es una en e medad obs uc i a, donde se ienen las ías espi a o ias
in lamadas y obs uidas po gases noci os, mayo men e el abaco. La EPOC,
p oduce dos cambios pa ológicos impo an es, la obs ucción de las ías aé eas
y la pe dida de la e acción elás ica del pulmón. No malmen e, el pa énquima
pulmona acciona de las ías aé eas pa a man ene las abie as, y es a pé dida
de la e acción elás ica como el inc emen o de la esis encia de las ías aé eas
con ibuyen a disminui el lujo espi a o io, pues o que el lujo a a és de las
pequeñas ías aé eas es in e samen e p opo cional a su esis encia y di ec amen e
p opo cional al g adien e de p esiones. Debido a es os dos cambios, du an e un
ciclo espi a o io no mal, los al eolos ienen di icul ad pa a acia se du an e la ase
espi a o ia, con lo que son incapaces de e o na a la si uación p e ia a la inspi ación.
Es o p oduce un as o no conocido como a apamien o aé eo y que ocu e en odos
los pacien es con EPOC, independien emen e de su g a edad. La consecuencia más
inmedia a del a apamien o aé eo en la EPOC es el desa ollo de hipe insu lación.
La hipe insu lación dinámica HD, es una consecuencia del a apamien o, el olumen
pulmona al inal de la espi ación, EELV, no se si úa en el pun o pasi o de elajación
de la caja o ácica y de los pulmones, sino que se es ablece a una p esión posi i a al
inal de la espi ación, au o-PEEP, an es de que la espi ación pueda llega al olumen
de elajación, V .
Lo que se p e ende diseña en el p esen e p oyec o es un sis ema so wa e-ha dwa e
con aplicación en ele ehabili ación y elemedicina pa a pacien es con EPOC que po
consecuencia es án hipe insu lados.

70
De-Les e-Conde, C.; Domínguez-Mo ales, M.; Ri as-Pé ez, M.; Lina es-Ba anco, A.
Pa a hace ealidad es e obje i o se c ea á una aplicación en iOS, pa e so wa e del
p oyec o, que es á compues a de una sección pa a ealiza p uebas de espi ome ía
o zada, donde se pod án almacena los esul ados y en ia los al p o esional que
ealice el seguimien o del pacien e. O a sección que albe ga á un eje cicio de
ele ehabili ación pa a pacien es hipe insu lados, y la sección de egis o de los da os.
Además, se desa olla á un disposi i o compues o po una base y dos boquillas
sus i uibles (boquilla pa a espi ome ía y boquilla PEP) pa a in e cambia las en unción
de lo que el usua io aya a ealiza . El disposi i o es a á compues o po senso es y
un mic ocon olado , in o ma á a la aplicación en iempo eal de la elocidad al que
el pacien e espi a po la boquilla, es o pe mi e c ea juegos in e ac i os y ealiza
p uebas de espi ome ía en cualquie luga .
METODOLOGÍA
El p incipio de uncionamien o del espi óme o de u bina es que la elocidad
de gi o de la hélice es p opo cional al lujo; po an o, a más lujo, más eces se
in e umpi á el haz de luz. Es o c ea in e upciones en el mic ocon olado , es deci
amos a ob ene un en de pulsos. Es e en de pulsos nos da la ecuencia a la que
gi a la u bina po lo que podemos calcula las e oluciones po minu o pa a luego
calcula el lujo y el olumen.
A la ho a de elegi un ipo de espi óme o se han es udiado los di e en es ipos de
espi óme os que hay ac ualmen e y se ha decidido en unción de las ca ac e ís icas
que más se adecuan a nues os equisi os. Exis en a ios ipos de espi óme os, pe o
se clasi ican en dos g upos:
• Espi óme os de Volumen: egis an la can idad de ai e exhalado o inhalado
en un de e minado in e alo de iempo.
• Espi óme os de lujo: miden que an ápido luye el ai e cuando se desplaza
hacia aden o o hacia a ue a del pulmón, con o me se inc emen a el olumen
de gas inhalado o exhalado.
Den o de los espi óme os de olumen enemos el de campana o de agua, de pis ón
y de uelle, den o de los espi óme os de lujo enemos los neumo acóg a os de
ipo leisch, lilly y desechable, espi óme os de hilo calien e, de ul asonidos y el
espi óme o de u bina. T as habe es udiado odos es os, se eligió el de u bina
po que es en e los que hay el de más ácil implemen ación, meno cos e y más
económica epa ación.
71
Sis ema HW-SW de ele ehabili ación y elemedicina pa a pacien es Epoc con hipe insu lación pulmona
En la igu a siguien e se mues a el esquema de conexiones del p o o ipo en
el PC. El esquema incluye odos los componen es y adap aciones con el pinou
co espondien e de la placa.
Figu a 1. Conexionado del sis ema.
El ci cui o de adquisición de la señal se compone de dos diodos, un emiso de in a ojos
y un ecep o . En el caso del ecep o o o odiodo, se pola iza in e samen e. Pa a
que el mic ocon olado de ec e el cambio en ese pin de en ada, se a a conec a
el colec o del o odiodo al pin de in e upciones ex e nas. Una ez que engamos
con igu ada la in e upción, pod emos calcula las e oluciones po minu o. Pa a
calcula las se u iliza la siguien e ó mula:
El lujo es la can idad de ai e en olumen V expi ado en un iempo de e minado. Pa a
calcula el lujo a a és de las e oluciones po minu o p ime o debemos calcula la
elocidad angula :
Luego ob enemos la elocidad lineal mul iplicando po el adio:
El lujo lo ob enemos po la ecuación de con inuidad, donde S es la sección de la
u bina:
El olumen V es la in eg al del lujo en iempo:
Donde: V = Volumen (L), = Flujo (L/s), nº de aspas = 2, Tiempo en e cada lec u a: 0.2
segundos.
72
De-Les e-Conde, C.; Domínguez-Mo ales, M.; Ri as-Pé ez, M.; Lina es-Ba anco, A.
La aplicación se a a di idi en cua o secciones de acue do con las cua o di e en es
unciones que a a ene :
• Sección de espi ome ía: El pacien e al en a en es a sección lee á las
ins ucciones de la p ueba, end á que pone la boquilla pa a los es s, luego
ealiza á la p ueba 3 eces seguidas omándose el iempo que necesi e
en e una y o a. La aplicación echaza á las p uebas no álidas. Po úl imo,
la aplicación calcula á en base a los 3 esul ados la p ueba álida y p esen a á
los esul ados en pan alla y median e una g á ica, luego el usua io pod á
en ia dicha g á ica a su médico y gua da los da os si lo c ee necesa io.
• Sección de eje cicios: El pacien e debe á sus i ui la boquilla po la boquilla
PEP y ealiza á los eje cicios median e un juego guiado, debe á man ene
una na e espacial en e dos pa edes de pinchos que en caso de que oque,
la aplicación emi i á un sonido. De es a o ma el pacien e pod á sabe si es á
ealizando el eje cicio co ec amen e.
• Sección de esul ados: En es a sección el usua io pod á e g á icamen e los
esul ados de sus p uebas. Su e 1 po día, semana, mes o año. Así e á su
a ance a lo la go del iempo.
• Sección Blue oo h: Escanea los disposi i os conec ados y se conec a
au omá icamen e a nues o disposi i o si lo encuen a.
RESULTADOS Y DISCUSIÓN
T as la desc ipción del sis ema; a con inuación, se p esen a el diseño inal del
disposi i o ha dwa e.
Figu a 2. Diseño del p o o ipo.
Una ez e minada la e apa de imp esión, se in eg a on y solda on odos los
componen es del sis ema, y se p ocedió a la e apa de p uebas. En es a e apa se
ealiza on p uebas al disposi i o y a la aplicación, en la siguien e igu a se puede
e el esul ado de ealiza una p ueba de espi ome ía (sección de es s) con la
aplicación diseñada.
73
Sis ema HW-SW de ele ehabili ación y elemedicina pa a pacien es Epoc con hipe insu lación pulmona
Figu a 3. Espi óme o.
La sección de en enamien o es á o mada po un juego de mó il en el cual se debe
man ene la na e den o de los lími es de la escena sin choca con los la e ales;
es o se ealiza median e la espi ación del pacien e. Como se puede obse a en la
igu a siguien e, la na e se man iene lo ando si el usua io exhala el ai e de mane a
pausada, es deci las e oluciones son las deseadas, si aumen a demasiado se
choca á con los pinchos de la pa e supe io y su exhala muy lojo se choca á con los
de abajo, emi iendo un pi ido que el usua io escucha á pa a pode co egi a iempo.
Figu a 4. PEP.
Y po úl imo enemos la sección de esul ados. Aquí pod emos e los esul ados
de las p uebas en g á icas (po ho as, semana, mes y año) y sólo end emos que
pulsa los pa a gene a la g á ica deseada. La g á ica nos mos a as los alo es de e 1
que hemos ido egis ando. Es e alo igu a como un índice al amen e ep esen a i o
de la capacidad en ila o ia y es el indica i o habi ual de obs ucción de lujo aé eo.
80
Ta e o-Picón, R.; Rome o-Sánchez, M.; Domínguez-Mo ales, M.; Lina es-Ba anco, A.
Hay que ene en cuen a ambién, que el u ismo ac ual ha dado un cambio adical
en cuan o al concep o de iaje se e ie e. Sus p e e encias han cambiado y buscan
nue as a en u as que los lle e a una inme sión o al po cada nue o des ino a isi a ,
expe imen ando o as cul u as, es ilos de ida e incluso una gas onomía di e en e,
odo es o en un co o pe iodo de iempo.
Sin impo a la ipología de u is a a la que pe enezca, odos ellos hacen un uso
masi o de las edes sociales y las ecnologías a la ho a de elegi y ese a un des ino,
el alojamien o o el anspo e. Booking, D eaming o T ipAd iso son solamen e
algunos ejemplos de páginas más isi adas jun o con los blogs de iajes [3].
Del iempo o al des inado pa a el iaje, es os nue os u is as dedican:
• Un 18% a la búsqueda de un nue o des ino. In es igan en di e sas páginas
webs y blogs cual puede se el luga más idóneo pa a la ealización del iaje.
• Un 9% a la ealización de la ese a. Es a ese a se hace median e po ales
de en a di ec a o agencias online.
• Un 18% a la plani icación del iaje. Buscan in o mación sob e los di e en es
si ios a isi a y que u as ealiza , con as ándolas con o os, opiniones y
pun uaciones de o os usua ios que han compa ido su expe iencia en esos
luga es.
• Un 45% al dis u e del iaje.
• Un 10% a compa i lo en edes sociales.
La plani icación del iaje se ha con e ido a la ez que la búsqueda del des ino en
una ase donde el u is a in ie e una pa e impo an e del iempo. Es o puede
debe se a la co a du ación de los iajes y a la amplia o e a de si ios de in e és
cul u al disponibles como posible luga de des ino pa a el iaje, lo que p o oca que
en ocasiones se haga ediosa o complicada la ealización de un i ine a io que pe mi a
ap o echa al máximo posible la es ancia en el luga .
T as analiza y es udia es a ase se han encon ado es p oblemas p incipales que
p esen an odos los u is as a la ho a de ealiza la plani icación de un i ine a io pa a
un des ino:
• Quie o e cosas en mi iaje, pe o no quie o ene que plani ica lo.
• Quie o e lo máximo posible en lo que du e el iaje.

81
T a el planne : sis ema expe o en la nube pa a gene ación au omá ica de u as u ís icas en base al
usua io
• Quie o que se ajus e a mis necesidades, p esupues o, gus os, equisi os, e c.
Como solución a esas es p oblemá icas su ge el p oyec o emp endedo denominado
T a el Planne , que consis e en una aplicación mul ipla a o ma basada en un sis ema
de ecomendación pa a o ece plani icaciones de u as de dis in os luga es de o ma
au omá ica y e icien e, en unción de una se ie de con igu aciones es ablecidas po
el usua io.
El obje i o p incipal de es e p oyec o es la c eación de una aplicación mul ipla a o ma
basada en un sis ema de ecomendación que pe mi a o ece una plani icación
de u as de dis in os luga es de o ma au omá ica y e icien e, en unción de una
se ie de con igu aciones es ablecidas po el usua io. Como subobje i os, enemos:
Plani icación dinámica de u as de u ismo en base al iempo disponible, núme o
de in eg an es, e c.; Sis ema de ecomendaciones en base a la posición y la anja
ho a ia; Seguimien o en iempo eal con a isos pun uales de ce canía y modi icación
de la plani icación en base al iempo es an e; Almacenamien o de u as ealizadas
pa a su posible epe ición; Sis ema de pun uaciones pa a u u as u as.
METODOLOGÍA
Todo el sis ema se comunica a a és de In e ne median e el p o ocolo HTTP pa a
pode ealiza el en ío y la ecepción de los da os.
Figu a 1. Diag ama de bloques.
Tal y como se ap ecia en el diag ama de bloques an e io , lo p ime o que ha á la
aplicación se á consul a los da os del usua io si es e ya es á egis ado, o en ia los
da os del o mula io de egis o que el usua io ha in oducido. El se ido ges iona á
dichas consul as y de ol e á los esul ados o bien gua da á los da os en iados en la
p opia base de da os alojada en el se ido .
82
Ta e o-Picón, R.; Rome o-Sánchez, M.; Domínguez-Mo ales, M.; Lina es-Ba anco, A.
Una ez ealizado el en ío y la pos e io ca ga de da os, el usua io p ocede á a hace
uso de la p opia uncionalidad pa a la que ha sido c eada es a aplicación, es deci ,
p ocede á a c ea nue as plani icaciones de iajes o consul a algunas de las u as
que ya se han almacenado p e iamen e en su his o ial de u as ealizadas o en su
lis a de u as pendien es de ealiza .
El siguien e diag ama mues a una isión gene al del con enido de la aplicación,
cen ándose en cada una de las is as que se han gene ado pa a ella y que
pos e io men e se desc ibi án con mayo de alle en el p esen e documen o.
Figu a 2. Con enido de la aplicación.
Pa a que la aplicación gene e un mapa que se ajus e a las p e e encias seleccionadas
po el usua io se ha decidido c ea un algo i mo que, en base a dichas p e e encias
elegidas, de uel a unas localizaciones en el mapa po sus coo denadas.
El algo i mo se á el enca gado de ajus a la búsqueda de localizaciones, ya que
p e iamen e comp oba á cuales son las localizaciones des acadas pa a que es as
sean las p ime as candida as pa a pe enece al mapa gene ado pa a el usua io.
El algo i mo cons a á dos pa es: una p ime a pa e que se á la enca gada de des aca
unas localizaciones u o as en base a la pun uación de los usua ios y las ca ego ías
más demandadas; y una segunda pa e que se á la enca gada de busca en la base
de da os las localizaciones, y il a las en base a lo que el usua io desee.
83
T a el planne : sis ema expe o en la nube pa a gene ación au omá ica de u as u ís icas en base al
usua io
Valo aciones de
Usua ios P e e encias del
Usua io
SISTEMA
EXPERTO
Valo ación
Uni a ia de la u a
En enamien o del
sis ema
Gene ación de
Ru a
Ac ualización de
Valo aciones
Base de Da os
Figu a 3. Sis ema gene ado de u as.
RESULTADOS Y DISCUSIÓN
El sis ema desa ollado se ha some ido a múl iples p uebas de usua ios ía uso de
la aplicación in si u y median e encues as anónimas online a a és de una web
diseñada a al e ec o (la aplicación se encuen a g a ui a pa a que es os usua ios
puedan p oba la).
El esul ado inal de la aplicación se mues a en el siguien e diag ama de
uncionamien o:
Figu a 4. Aplicación inal.
84
Ta e o-Picón, R.; Rome o-Sánchez, M.; Domínguez-Mo ales, M.; Lina es-Ba anco, A.
En cuan o a los esul ados de las encues as, puedes se obse ados a con inuación.
Figu a 5. Resul ados de las encues as.
CONCLUSIONES
El sis ema desa ollado in eg a aplicación mó il, almacenamien o en la nube y
sis ema expe o, con i iéndolo en un p oyec o no edoso y pun e o en su sec o .
Se ha desa ollado un sis ema de plani icación de u as que ha demos ado se
uncional y ú il. El sis ema ha sido some ido a innume ables p uebas de es és y a la
c í ica pública de los usua ios, ob eniendo múl iples da os sa is ac o ios.
85
T a el planne : sis ema expe o en la nube pa a gene ación au omá ica de u as u ís icas en base al
usua io
REFERENCIAS BIBLIOGRÁFICAS
[1] Ins i u o Nacional de Es adís ica (28 de sep iemb e de 2017). Encues a de
Tu ismo de Residen es (ETR/FAMILITUR) Segundo imes e de 2017.
[2] O ganización Mundial del Tu ismo (15 de ene o de 2018). Resul ado del
u ismo in e nacional en 2017: los más al os en sie e años.
[3] Ga cia Bu agueño, Angel y B ell, Jose Manuel (24 de oc ub e de 2017). ¿Qué
iempo dedicamos a cada iaje de ocio?
[4] Eu opap ess Andalucía (11 de diciemb e de 2017). La emp esa andaluza Pas
View, econocido en los Luxu y T a el Guide Awa ds.
[5] Conseje ía de Tu ismo y Depo e. Jun a de Andalucía (2016). Balance del Año
Tu ís ico en Andalucía. Año 2016.
[6] Emp esa Pública pa a la Ges ión del Tu ismo y del Depo e de Andalucía. Jun a
de Andalucía ( a ios años). Segmen os u ís icos.
[7] Jun a de Andalucía (31 de diciemb e de 2011). Bole ín O icial de la Jun a de
Andalucía - His ó ico del BOJA. Disposiciones gene ales.
[8] Comisión Eu opea. La p o ección de da os en la UE.
[9] Je a u a del Es ado. BOE (12 de julio de 2002). Disposiciones gene ales.
[10] Gobie no de España (Anualidad 2018). Guía dinámica de Ayudas e Incen i os
pa a el emp endedo (14 de agos o de 2018).
[11] Gobie no de España (Anualidad 2018). Ayudas e incen i os pa a emp esas (17
de ab il de 2018) Re e encia: 62602.
[12] Gobie no de España. Enisa. Jó enes emp endedo es.
[13] Gobie no de España (Anualidad 2018). Ayudas e incen i os pa a emp esas (17
de ab il de 2018) Re e encia: 62601.
[14] Gobie no de España (Anualidad 2018). Guía dinámica de Ayudas e Incen i os
pa a emp esas po Comunidad Au ónoma.

86
87
Clasi icación de umo es en cánce de mama basado en edes neu onales de con olución
CLASIFICACIÓN DE TUMORES EN CÁNCER DE MAMA
BASADO EN REDES NEURONALES DE CONVOLUCIÓN
Du án-López, Lou des*; Domínguez-Mo ales, Juan P; Luna-Pe ejón, F ancisco;
Amaya-Rod íguez, Isabel; Ci i -Maso , Ja ie ; Vicen e-Díaz, Sa u nino; Lina es-
Ba anco, Alejand o
Robó ica y Tecnología de Compu ado es
A qui ec u a y Tecnología de Compu ado es. Escuela Técnica Supe io de
Ingenie ía In o má ica. Uni e sidad de Se illa.
*E-mail: ldu an@a c.us.es
RESUMEN
El cánce de mama es una de las causas más ecuen es de mo alidad en las muje es.
Con la llegada de los sis emas in eligen es, la de ección au omá ica de umo es en
mamog a ías se ha con e ido en un g an e o y puede juga un papel c ucial pa a
mejo a el diagnós ico médico. En es e abajo, se p opone un sis ema de diagnós ico
asis ido po o denado basado en écnicas de Deep Lea ning, especí icamen e en
edes neu onales de con olución (CNN). El sis ema es á di idido en dos pa es: en
p ime luga , se ealiza un p ep ocesamien o sob e las mamog a ías ex aídas de
una base de da os pública; pos e io men e, las CNNs ex aen ca ac e ís icas de las
imágenes p ep ocesadas pa a inalmen e clasi ica las en unción de los dos ipos de
umo es exis en es: benignos y malignos. Los esul ados de es e es udio mues an
que el sis ema iene una p ecisión del 80% en clasi icación de umo es.
PALABRAS CLAVE
Cánce de mama, Mamog a ía, Deep Lea ning, Redes neu onales de con olución.
88
Du án-López, L.; Domínguez-Mo ales, J. P.; Luna-Pe ejón, F.; Amaya-Rod íguez, I.; Ci i -Maso , J.;
Vicen e-Díaz, S.; Lina es-Ba anco, A.
ABSTRACT
B eas cance is one o he mos equen causes o mo ali y in women. Wi h he
a i al o he a i icial in elligen , he au oma ic de ec ion o umo s in mammog ams
has become a big challenge and can play a c ucial ole in imp o ing medical diagnosis.
In his wo k, a compu e -aided diagnosis sys em based on Deep Lea ning echniques,
speci ically in Con olu ional Neu al Ne wo ks (CNN), is p oposed. The sys em is
di ided in o wo pa s: i s , a p ep ocessing is pe o med on mammog ams aken
om a public da abase; hen, he CNN ex ac s ea u es o he p ep ocessed images
o inally classi y hem acco dingly o he ype o issue. The esul s o his s udy
show ha he sys em has an accu acy o 80% in he classi ica ion.
KEYWORDS
B eas cance , Mammog aphy, Deep Lea ning, Con olu ional Neu al Ne wo k (CNN).
89
Clasi icación de umo es en cánce de mama basado en edes neu onales de con olución
INTRODUCCIÓN Y OBJETIVOS
El cánce de mama es una de las causas más ecuen es de mo alidad en las muje es
[1]. Se o igina cuando se p oduce una mul iplicación ano mal de células en el ejido
mama io.
Ac ualmen e, la mamog a ía es el mé odo más e icaz pa a la de ección de es a
en e medad. Sin emba go, el diagnós ico po un expe o de es e ipo de écnica no
es siemp e e ec i o debido a azones incluyendo ac o es elacionados con el p opio
expe o, como descuido o a iga ocula , y ac o es ex e nos, como la calidad de la
imagen mamog á ica [2]. Un diagnós ico compu a izado (CAD) puede p opo ciona
una segunda opinión ep oducible pa a un adiólogo, que puede educi los
diagnós icos alsos nega i os, mejo ando así la calidad de ida de los a ec ados.
Exis en a ios ipos de anomalías en mamog a ías. Los umo es y las mic ocalci icaciones
son los p incipales indicado es de malignidad en las mamog a ías. Los umo es se
a ibuyen a cualquie lesión o p o ube ancia en la mama, pudiendo se benignas
o malignas; mien as que las mic ocalci icaciones son zonas donde se acumula una
g an can idad de calcio. En es e abajo, es udia emos un sis ema de diagnós ico
compu a izado pa a la clasi icación de egiones de in e és, en es e caso de los dos
ipos de umo es y ejido sano, aplicando algo i mos de Deep Lea ning como son las
edes neu onales de con olución (del inglés Con olu ional Neu al Ne wo k, CNN).
METODOLOGÍA
Base de da os
Las mamog a ías se ob u ie on de la base de da os pública llamada Digi al Da abase
o Sc eening Mammog aphy (DDSM). La DDSM [3][4] con iene 2.620 mamog a ías
escaneadas. Incluye casos sanos, benignos y malignos con in o mación pa ológica
e i icada (Figu a 1).
96
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.; Có doba-Roldán, A.
ABSTRACT
The objec i e o his wo k is o de elop a p oposal ha con ibu es o he c ea ion o
an In eg a ed Managemen Sys em o quali y, en i onmen , sa e y and occupa ional
heal h, based on he holonic pa adigm and building a p oposal included in he
T iple E. Wi h he implemen a ion o he ISO 9001, ISO 14001 and OHSAS 18001
(ISO 45001) s anda ds om a sys emic app oach, companies a e conside ed as a
se o p ocesses ha ha e o be managed wi h all hei a iables, in an e ec i e and
e icien manne , in o de o become isible in he ma ke as a esponsible ac o o
wha all in e es ed pa ies demand.
This si ua ion p omo es a esponse o he need ha companies cu en ly mus ind
ools ha acili a e he managemen o p ocesses in a esponsible and comp ehensi e
manne . I p oposes a amewo k whe e o de elop a p oposal h ough a compu e
ool ha makes his in eg a ion a eali y.
KEYWORDS
In eg a ed Managemen Sys em (IMS), T iple E, Holonics, Secu i y.

97
Ges ión in eg ada de la calidad, medio ambien e, segu idad y salud labo al bajo la iple E y el pa adigma
holónico ac al
INTRODUCCIÓN Y OBJETIVOS
Cualquie emp esa, puede se en endida como un conjun o de p ocesos que
in e ac úan pa a o ece un p oduc o o p es a un se icio a un clien e. Es os
p ocesos, que ienen luga en dis in os ámbi os de la o ganización y a dis in os
ni eles, deben se plani icados, ealizados y con olados con el in de consegui los
esul ados que se p oponen, es deci , deben se ges ionados.
Si se en iende la emp esa como un conjun o de p ocesos, la ges ión de emp esa
en onces equi ale a la de odos los p ocesos que en ella ienen luga . Deben se
adminis ados pa a consegui la máxima e icacia y e iciencia emp esa ial y, en la
medida en que se conside en las dis in as a iables de cada p oceso (ambien e,
pe sonas, p ocesos, ma e iales, equipos, p oduc os, e c.) y se ges ionen de la mejo
o ma, se es a á op imizando su uncionamien o.
Con la implan ación de las no mas en e ellas la ISO 9001, se ha p opiciado que
las o ganizaciones se amilia icen con la es uc u a de un sis ema de ges ión,
documen ando los dis in os p ocesos, asignando esponsabilidades y o malizando
egis os que pe mi an e idencia el uncionamien o del sis ema an e e ce os.
Desde el ámbi o de la esponsabilidad social el concep o de una emp esa con un
buen desempeño se amplia, aba cando o os aspec os elacionados con la salub idad
y la higiene ambien al. Aspec os que en la ac ualidad son de g an impo ancia pa a
las comunidades, po in oluc a la salud y el medio ambien e y po pe mi i les
des aca se en el me cado pa a las emp esas que los p o egen.
Mo idas po es e in e és, algunas o ganizaciones han comenzado a implan a
o os sis emas de ges ión pa a con ola y mejo a los aspec os más sensibles de la
o ganización elacionados con el medio ambien e, la segu idad y salud labo al, con
la implan ación de no mas ISO 14001 y OHSAS 18001 espec i amen e. Es o supone
una mul iplicación de ecu sos, cos es y es ue zos pa a los emp esa ios.
Exis e una g an a iedad de inicia i as in e nacionales en ma e ia de no mas y
p esen ación de in o mes que con emplan los emas sociales y medioambien ales
a pa i de los cuales las emp esas pueden diseña planes de ges ión, en é minos
de sos enibilidad económica, ecológica y de equidad social. Sin emba go, exis e un
iesgo en la o ma en que se iene a on ando es a iada; el maneja cada sis ema
po sepa ado les ep esen a duplicación de es ue zos y cos os.
Bajo el an e io ma co, se en iende que las emp esas equie en de he amien as que
les pe mi an encon a un cómo, en la di ícil a ea de en en a odos es os e os.
98
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.; Có doba-Roldán, A.
Es e abajo cen a su a ención en esol e un cómo in eg a los sis emas de Calidad,
Medio ambien e, Segu idad y Salud Labo al, a a és de una p opues a que si a de
espacio pa a la ges ión documen al de los sis emas y espacio de in e acción en e
los ac o es in oluc ados con el Sis ema de ges ión. Se a a de una p opues a en su
e apa de diseño que con ibuya en la in eg ación de los sis emas de calidad, medio
ambien e, segu idad y salud labo al, bajo el pa adigma holónico ac al y el iple
esul ado.
ANTECEDENTES Y ESTADO DEL ARTE
La ges ión de la calidad, el medio ambien e, la segu idad y la salud labo al, deben se
los pila es undamen ales de las emp esas sos enibles, a con inuación, se p esen a
en la Figu a 1 un eco ido de los p incipales hechos que han dado paso a los sis emas
de ges ión in eg ada en el concep o de sos enibilidad, en la esponsabilidad social
co po a i a en la T iple bo om line y en la in eg ación de los sis emas de ges ión.
Figu a 1. Timeline acon ecimien os más impo an es.
Según Fe guson, Ga cía y Bo nay [1], du an e los años no en a ue on apa eciendo
las no mas nacionales, eu opeas e in e nacionales pa a la calidad (ISO 9000), la
p o ección medio ambien al (ISO 14001 y Reglamen o EMAS) y pa a la segu idad e
higiene en el abajo (BS 8800 y BSI - UK; OHSAS 18001 y 18002 - USA).
La exis encia de sepa ación en e los es ipos de sis emas de ges ión ocasiona
di icul ades y duplicidades de es ue zo, po lo que cie as emp esas se es án
plan eando la in eg ación como un modo de disminui los cos es y simpli ica las
ac uaciones, g acias a la gene ación de sine gias, y la eliminación de la con usión y
la subop imización [2]. El in e és po la aplicación de los SGI se es á comp obando
an o en la li e a u a sob e la p ác ica di ec i a [3, 4] como en la más académica [5,
6, 7].
99
Ges ión in eg ada de la calidad, medio ambien e, segu idad y salud labo al bajo la iple E y el pa adigma
holónico ac al
No obs an e, la len i ud con la que se es án p oduciendo las aplicaciones
emp esa iales de los SGI iene que e , en p ime a ins ancia, con la ausencia de una
no ma i a especí ica que hace que sean las p opias emp esas las que engan que
ealiza diseños ad hoc según sus ca ac e ís icas y con ingencias. El SGI, po an o, es
un sis ema de sis emas” que e iene en odo caso la iden idad p opia de los sis emas
indi iduales [8]. Es en es e pun o donde nace la necesidad de la apo ación de es e
abajo, que pa e de las no ma i as UNE EN 66177 y la PAS99, igen es ac ualmen e
en España sob e SGI.
Si uación ISO en España
Ac ualmen e España se encuen a en e los p ime os diez países del mundo con
mayo núme o de ce i icados, siendo en ISO 9001 el 4º en Eu opa y el 8º en el
mundo. En ISO 14001 3º en Eu opa y el 5º en el mundo. Sin emba go, en ISO 9001 se
ha educido conside ablemen e desde 2008, pasando de 69.000 a 32.700 emp esas
ce i icadas. Es o ep esen a el 52% de los ce i icados
Figu a 2. Ce i icados ISO 9001 y 14001 al año 2013 España y Eu opa.
PARADIGMAS DE INTEGRACIÓN
Dado el concep o de in eg ación de los sis emas y los di e en es apo es de los
au o es en donde se mues an los bene icios que ep esen a pa a las emp esas, se
desea encon a e e en es sus en ables en la na u aleza que nos ayuden a en ende
a acili a el p oceso de in eg ación.
Es iable ene en cuen a ejemplos de la na u aleza que nos ayuden a encon a
una dinámica de in e acción pa a acili a su aplicación en el mundo emp esa ial, la
p egun a se ía ¿Puede encon a se en la na u aleza la in eg ación de ca ac e ís icas
análogas al iple esul ado?, de la misma o ma que modelos como los algo i mos
gené icos como pa adigma ac al han ayudado a esol e la complejidad en la
economía y la adminis ación.
100
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.; Có doba-Roldán, A.
Pa adigma holónico
El holismo conside a que el “ odo” de un sis ema es más complejo que la simple
suma de cada una de sus pa es. El holismo de iende el sine gismo en e las pa es
y no la indi idualidad de cada una. Un Sis ema Holónico es concep ualizado a pa i
de una se ie de en idades abs ac as, denominadas holones. El é mino “holón” ue
acuñado A hu Koes le y lo de inió como una en idad que e a odo y al mismo
iempo una pa e.
Un sis ema de holones que ope a pa a consegui un obje i o se llama Hola quía. Un
holón puede o ma pa e de a ias hola quías y, a su ez, es una en sí mismo [9].
Un sis ema holónico se basa en un sis ema de je a quía “hacia a iba” o “hacia abajo”
y que combina las mejo es ca ac e ís icas de las es uc u as de di igi con las de
coope a . En es e modelo lo impo an e es la es uc u a de las pa es que componen
el sis ema, así como sus in e acciones.
Pa adigma ac al
El é mino ac al p o iene del la ín ac us que signi ica “ agmen ado”. Se aplica
al conjun o de o mas gene adas no malmen e po un p oceso de epe ición, se
ca ac e iza po posee simili ud en oda escala. En é minos sencillos, un ac al es
una es uc u a que es á compues a po pequeñas pa es, las cuales son pa ecidas a
la igu a o iginal, que se epi e en di e en es escalas, desde g andes (mac o) has a
pequeñas (mic o).
La unidad básica en es e modelo es el ac al. El modelo de a qui ec u a ac al
ep esen a una es uc u a cons uida po ac ales. Un ac al es una es uc u a cuyo
diseño se puede ep esen a comple amen e a cualquie ni el de la je a quía, es
deci , posee in a iancia escala .
El é mino ac al puede ep esen a un sis ema en e o de ab icación al más al o
ni el o una máquina ísica al ni el in e io . Cada ac al p opo ciona se icios de
acue do con un obje i o a ni el indi idual y ac úa independien emen e mien as
a a de consegui el in de odo el sis ema.
En un sis ema ac al no exis e o ganización p ede inida, cada ac al iene sus p opios
ecu sos con capacidades de au oo ganización. Es a ca ac e ís ica pe mi e un en o no
dinámico den o de la unidad, lo que hace posible el abajo con cons an es cambios
en la es uc u a de la emp esa y una ápida eacción an e equisi os ex e nos.
101
Ges ión in eg ada de la calidad, medio ambien e, segu idad y salud labo al bajo la iple E y el pa adigma
holónico ac al
T iple E
El concep o de sos enibilidad que aba ca es pila es undamen ales, el p ime o la
sos enibilidad económica, cuando la emp esa concen a su a ención a la en abilidad
del negocio, el segundo la sos enibilidad social cuando ac úa con una isión de
equidad, a endiendo a los di e en es segmen os del me cado, buscando abaja en
p o de la c eación de iqueza social y a ención de los g upos des a o ecidos, y la
e ce a la sos enibilidad ambien al, cuando su ac ua es esponsable en la p o ección
del medio ambien e.
Figu a 3. Es uc u a ac al de la sos enibilidad.
PROPUESTA
La pa e cen al de la p opues a se cen a en es ablece un ma co de abajo pa a
desa olla una he amien a in o má ica que pe mi a c ea un SGI con una ges ión
sencilla, incluyendo oles a los di e en es ac o es. Pa a ello, se ealiza una Analogía
de un Sis ema Inmunológico con una Emp esa SGI
Figu a 4. Analogía sis ema inmunológico – emp esa.

102
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.; Có doba-Roldán, A.
De aquí se de inen los holones den o de la hola quia pa es in e esadas: Ex e nos
( odas las pe sonas al ex e io de las ins alaciones de la emp esa que se elacionan con
ella), Miemb o del equipo ge encial, Adminis ado SGI (enca gado de adminis a la
he amien a de ges ión), Técnico SGI ( écnico especializado), Líde SGI y Empleado.
Figu a 5. Analogía sis ema inmunológico – emp esa.
Aho a se de ini án las clases que con end án la in o mación que u iliza an los
usua ios en el p o omodelo, se ha á a pa i de un diag ama de clases. P ime o que
odo se ag upan los odos los elemen os que son de in e és en el SGI, pa a ello se en
la Figu a 6 se mues a el conjun o de elemen os Emp esa SGI.
Figu a 6. Diag ama de clases.
Pa a lle a a cabo oda la ges ión se p opone la c eación de una he amien a in o má ica
que pueda albe ga oda la in o mación y donde puedan accede con di e en es oles
los ac o es. Es e úl imo paso de la in es igación, así como la aplicación a un caso es udio
de una emp esa se es á lle ando a cabo en la ac ualidad pa a su implemen ación.
103
Ges ión in eg ada de la calidad, medio ambien e, segu idad y salud labo al bajo la iple E y el pa adigma
holónico ac al
CONCLUSIONES
Exis en muchos modelos de ges ión in eg ada y p opues as de in o mes de epo e
de esponsabilidad social; pe o en ellos no se plan ea mé odos pa a la ecogida de
la in o mación ni cómo in eg a es a acción con el quehace de la emp esa sin que
pa ezca una a ea adicional que le ep esen a un es ue zo adicional.
Los pa adigmas holónico y ac al, pe mi en hace un análisis del uncionamien o
del sis ema emp esa y la posibilidad de compa a le con o os sis emas en la es e a
na u al. En el eje cicio de es o se encuen a simili ud a ni el mac o en cuan o a cómo
se encuen a o ganizados los ecosis emas, con la o ma en que se o ganizan los
p ocesos de sis emas a ni el mic o. Se concluye en onces que solamen e en la es e a
humana se conside a posible maneja po sepa ado acciones del o den na u al como
el es a en equilib io con los demás sis emas na u ales, el uso su icien e de ecu sos,
la p o ección del sis ema y o ien ación al mejo amien o con inuo.
El plan eamien o de una he amien a in o má ica no cons i uye la solución al
p oblema de in eg a los sis emas de ges ión de una o ganización, pe o si o ece
una al e na i a pa a in eg a los es ue zos humanos que son en ealidad los que
necesi an de una in eg ación pa a el éxi o de un SGI.
REFERENCIAS BIBLIOGRÁFICAS
[1] Fe guson, M.E. y Ga cía, M. (2002). Modelos De Implan ación De Los Sis emas
In eg ados De Ges ión De La Calidad, El Medio Ambien e Y La Segu idad
In es igaciones Eu opeas de Di ección y Economía de la Emp esa. Cádiz:
Uni e sidad de Cádiz.
[2] Beechne , A. B. y Koch, J.E. (1997). In eg a ing ISO 9000 and ISO 14000. Quali y
P og ess, 30(2), pp.33-36.
[3] Kae kes, W.M. (1999). Sis emas in eg ados de ges ión: ac ualidad y pe spec i a
u u a. Una con ibución a la e iciencia y desa ollo sos enido de la emp esa.
Fó um Calidad, 103, pp. 48-52.
[4] A eche, F. (2000). Los sis emas de Calidad, medio ambien e y p e ención de
iesgos labo ales: un en oque in eg ado . Fó um Calidad, 112, pp. 34-38
[5] Bambe , C.J., S a p, J.M., y Hides, M.T. (2010). De eloping managemen sys ems
owa ds in eg a ed manu ac u ing: a case s udy pe spec i e. In eg a ed
Manu ac u ing Sys em, 11(7), pp. 454-461.
104
Acuña-Quin ana, J. F.; De las He as-Ga cía de Vinuesa, A. Aguayo-González, F.; Có doba-Roldán, A.
[6] Pheng, L.S. y Shiua, S.CH. (2010). The main enance o cons uc ion sa e y: iding
on ISO 9000 quali y managemen sys ems. Jou nal o Quali y in Main enance
Enginee ing, 6(1), pp. 28-44
[7] Scipioni, A., A ena, F., Villa, M., y Sacca ola, G. (2011). In eg a ion o managemen
sys ems. En i onmen al Managemen and Heal h, 12(2), pp. 134-145
[8] Wilkinson, G. y Dale, B.G. (2009). In eg a ed managemen sys ens: An
exanima ion o he concep and heo y. The TQM Magazine, 11(2), pp. 95-104.
[9] Aguayo González, F., Ma cos Bá cena, M., Sánchez Ca ile o, M., y Lama Ruiz,
J.R. (2007). Sis emas a anzados de ab icación dis ibuida. Mad id: RA-MA
EDITORIAL.
105
De e minación del modelo de compo amien o has a o u a de los ace os co ugados empco e
median e modelado 3D
DETERMINACIÓN DEL MODELO DE
COMPORTAMIENTO HASTA ROTURA DE LOS ACEROS
CORRUGADOS TEMPCORE MEDIANTE MODELADO
3D
He e a, MA*; Ho igón, B; Ancio, F
Depa amen o: Mecánica de Medios Con inuos y Teo ía de Es uc u as. Escuela
Poli écnica Supe io . Uni e sidad de Se illa
*E-mail: ma iaahe [email p o ec ed]om
RESUMEN
El es udio del compo amien o eal has a o u a de los me ales esul a de g an in e és
en la indus ia ya que pe mi e de e mina la enacidad o ene gía abso bida du an e
el p oceso de de o mación y o u a. En cuan o a los ace os es uc u ales, exis e el
in e és añadido de conoce su espues a eal an e ca gas asociadas a si uaciones
lími es como son los mo imien os sísmicos.
En es e abajo se abo da el compo amien o enso-de o macional de los ace os
co ugados Tempco e. La peculia geome ía de es as ba as, diseñadas a al
e ec o pa a aumen a la adhe encia ace o-ho migón, di icul a el análisis de la ase
de es icción desde la me odología que adicionalmen e se sigue pa a p obe as
cilínd icas, basada en di e sas hipó esis de pa ida que no se cumplen en p obe as
co ugadas. Po an o, se hace necesa io el plan eamien o de nue os p incipios y,
po ende, de nue os p ocesos que pe mi an abo da su es udio. En es e abajo se
p esen an algunos de los a ances ealizados e e en es a la e olución del pe il del
cuello y a las de o maciones su idas po las di e en es secciones ans e sales del
mismo pa a es as ba as.
PALABRAS CLAVE
Tempco e, Co ugado, Compo amien o mecánico, Es icción, F ac u a.
112
He e a, M.A.; Ho igón, B.; Ancio, F.
Además, con el á ea ob enemos los da os de de o mación equi alen e (Ec.3). Al
plan ea es os da os en una g á ica se ob iene una caída en los da os de ension
de luecia, al no se es e un compo amien o eal no se puede da po álido es e
modelo.
Cua o mé odo:
Se ol ió a las ba as ensayadas has a o u a y se plan eó un mejo mé odo pa a la
unión, uniendo ambas pa es de las ba as median e un pe no. Pos e io men e se
siguió la misma me odología que en mé odo an e io .
Figu a 9. De alle de la unión de la p obe a g acias a un pe no.
RESULTADOS Y DISCUSIÓN
In oduciendo los alo es á ea dis ancia en e ale as en una g á ica, se puede obse a
que en es e caso hay meno dispe sión en los alo es ob enidos. A es os da os se les
ajus a on a ios ipos de ecuaciones odos con ajus es supe io es al 0,95.
Figu a 10. Di e en e ajus es Á ea-Dis ancia en e ale as.

113
De e minación del modelo de compo amien o has a o u a de los ace os co ugados empco e
median e modelado 3D
Siguiendo la me odología desc i a an e io men e se ob ienen los alo es de ensión
de luencia en e a de o mación equi alen e du an e la es icción. In oduciendo los
da os co espondien es a la zona de endu ecimien o po de o mación, la ecuación
inal que de ine el compo amien o del ma e ial has a o u a es:
x
( )
=975.0207*x0.143; R2=0.9695 Ec.4
( )
Figu a 11. Cu a comple a Tensión de Fluencia en e a De o mación de la ba a B500SD-14.
CONCLUSIONES
Las conclusiones de es e abajo son las siguien es:
• La me odología de B idgman no se ajus a al ace o TEMPCORE B500SD ya que
el pe il del cuello en la es icción no man iene la sime ía.
• Se ha pues o en ma cha una nue a me odología expe imen al pa a
de e mina el compo amien o mecánico de es os ace os co ugados
median e un modelado 3D
REFERENCIAS BIBLIOGRÁFICAS
[1] Eu ocódigo 2-92. (1992). P oyec o de es uc u as de ho migón a mado. Pa e
1-1: Reglas gene ales y eglas de edi icación. B uselas: Comi é Eu opeo de
No malización (CEN).
[2] B idgman, P.W. (1944). The s ess dis ibu ion a he neck o a ension specimen.
T ansac ion o he Ame ican Socie y o Me als, 32, pp. 553–574.
[3] B idgman, P.W. (1952). S udies in la ge plas ic low and ac u e. Nue a Yo k:
McG aw Hill.
114
He e a, M.A.; Ho igón, B.; Ancio, F.
[4] La Rosa, G., Mi one, G., y Risi ano, A. (2003). Pos necking elas oplas ic
cha ac e izacion: Deg ee o app oxima ion in he B idgman me hod and
p ope ies o he low-s ess/ ue-s ess a io. Me allu gical and Ma e ials
T ansac ions, 34(3), pp. 615–624.
115
E aluación de di e en es mé odos de desa ollo de ma ices p o eicas de soja con zinc inco po ado pa a
su uso en ho icul u a
EVALUACIÓN DE DIFERENTES MÉTODOS DE
DESARROLLO DE MATRICES PROTEICAS DE
SOJA CON ZINC INCORPORADO PARA SU USO EN
HORTICULTURA
Jiménez-Rosado, Me cedes*; Pé ez-Puyana, Víc o ; Co dobés, Felipe; Rome o,
Albe o; Gue e o, An onio
TEP-229: Tecnología y Diseño de P oduc os Mul icomponen es
Depa amen o de Ingenie ía Química. Escuela Poli écnica Supe io . Uni e sidad
de Se illa.
*E-mail: mjimene[email p o ec ed]
RESUMEN
En la ac ualidad exis e una g an demanda de p oduc os ho ícolas, lo que se
aduce en una al a asa de p oducción que p o oca una excesi a explo ación de
los suelos, causando en ellos un descenso en el ni el de nu ien es y ene gía, no
pudiéndose ob ene endimien os óp imos en sus cul i os. Una posible solución
a es os p oblemas pod ía se el uso de ma ices de base p o eica que con ienen
los elemen os esenciales que equie e el suelo, siendo, además, una ma e ia p ima
eno able y biodeg adable. El obje i o de es e abajo es la e aluación de di e en es
mé odos de in oducción de un mic onu ien e seleccionado (zinc, Zn), en ma ices
de base p o eica de soja. Los esul ados con i man que se pueden inco po a g andes
can idades de mic onu ien es en las ma ices, siendo sus p opiedades mecánicas,
mic oes uc u a y ni el de ca ga dependien es del mé odo usado. En odos los casos,
los esul ados mues an un g an po encial pa a el uso de ma ices como uen e de
suminis o de mic onu ien es en ho icul u a.
PALABRAS CLAVE
Ma ices p o eicas, Soja, Mic onu ien es, Zinc, Ho icul u a.
116
Jiménez-Rosado, M.; Pé ez-Puyana, V.; Co dobés, F.; Rome o, A.; Gue e o, A.
ABSTRACT
Recen ly, he e is a high demand o ho icul u al p oduc s, which ansla es in o
a aised p oduc ion ha causes an excessi e exploi a ion o he soil, lea ing hem
poo in nu ien s and ene gy and o be able o ha e op imum yield in hei c ops.
A possible solu ion o hese p oblems could be he use o p o ein-based ma ices,
which can con ain he essen ial elemen s equi ed by he soil, being, in addi ion,
a enewable and biodeg adable aw ma e ial. The objec i e o his wo k is he
e alua ion o di e en me hods o in oducing a selec ed mic onu ien (zinc, Zn)
in soy p o ein-based ma ices ob ained. The esul s con i m ha a high le el o
essen ial mic onu ien can be inco po a ed in he ma ices, being i s mechanical
p ope ies, mic os uc u e and load le el dependen on he me hod used. In all
cases, esul s show a g ea po en ial o he use o ma ices as a sou ce o supplying
mic onu ien s o ho icul u e.
KEYWORDS
P o ein-based ma ices, Soy, Mic onu ien s, Zinc, Ho icul u e.
117
E aluación de di e en es mé odos de desa ollo de ma ices p o eicas de soja con zinc inco po ado pa a
su uso en ho icul u a
INTRODUCCIÓN Y OBJETIVOS
La ho icul u a es de inida como la ama de la ag icul u a dedicada al c ecimien o
de plan as pa a el consumo humano, medicina y uso es é ico [1]. Su in e és ha ido
c eciendo en los úl imos años llegando a egis a se una p oducción en España de
7155 millones de kilos en 2017 [2]. Es a al a demanda ha lle ado a la necesidad
de c ea un sis ema de plan ación masi a, que iene asociado la des en aja de la
excesi a deg adación de los suelos. Es a deg adación hace que el suelo sea incapaz
de ealiza una egene ación e ec i a de nu ien es y ene gía, eniendo es os que se
suminis ados po los humanos [3].
Los nu ien es son elemen os necesa ios pa a las plan as. En e ellos, los
mic onu ien es, aunque se necesi an en pequeñas can idades, son muy impo an es
en el c ecimien o y desa ollo de las plan as. No malmen e, es os mic onu ien es
son inco po ados di ec amen e en los sus a os en o ma de sales pa a cub i
ca encias de los mismos, aunque es o causa p oblemas de i ados de la baja
asimilación po pa e de la plan a, ya que es a solo asimila lo que necesi a en ese
p eciso momen o, siendo el es o a as ado po el agua del iego o llu ia, lo que
lle a a la con aminación de los suelos y aguas sub e áneas po exceso de nu ien es
[4]. En e odas las sales inco po adas, las de zinc son las más solubles po lo que
son las que más p oblemas de a as e po agua causan. Una posible al e na i a
que pod ía soluciona es e incon enien e es el uso de ma ices con base p o eica
que con engan los mic onu ien es necesa ios, haciendo que es os se libe en de
mane a con olada du an e la deg adación de la ma iz o el iego de las plan as,
inc emen ando así la e icacia de asimilación po pa e de la misma.
Además, el uso de es o ma e iales pod ía b inda g andes en ajas debido a su nula
oxicidad y al a biodeg adabilidad [5], así como el apo e ex a de nu ien es as su
deg adación [6]. Po o o lado, es os ma e iales ienen la habilidad de e ene agua
inc emen ando la e iciencia del ciclo del agua.
Den o de es e con ex o, el obje i o global del p esen e abajo es el desa ollo de
di e en es mé odos de inco po ación de un mic onu ien e (Zn) en ma ices p o eicas
de soja. En es e sen ido, se e alua á la can idad de zinc inco po ado en la ma iz, así
como su dis ibución, y las p opiedades mecánicas y mo ológicas de las di e en es
ma ices ob enidas.

118
Jiménez-Rosado, M.; Pé ez-Puyana, V.; Co dobés, F.; Rome o, A.; Gue e o, A.
METODOLOGÍA
Ma e iales
Como base p o eica se u ilizó el aislado p o eico de soja (SPI), con un po cen aje
mínimo en p o eína del 91% en peso, un 6% en peso de cenizas y un 3% en peso de
humedad, el cual ue suminis ado po P o ein Technologies In e na ional (SUPRO
500E, Bélgica). La glice ina (Gly) se usó de plas i ican e y el zinc se inco po ó a la
ma iz median e sales de sul a o de zinc (ZnSO4·H2O y ZnSO4·7H2O, MN), odos es os
suminis ados po Pan eac Química Ld . (España).
P epa ación de masas con base p o eica de soja
Es a e apa se u iliza pa a consegui masas homogéneas de SPI y Gly (en elación
1:1), con o sin la adicción de ZnSO4·H2O (MP). El p oceso de mezclado de es e
es udio se lle ó a cabo en un eóme o discon inuo de mezclado Haake Polylab QC
(The moHaake, Alemania) a empe a u a ambien e (25 ± 5 oC) y 50 pm du an e 10
min, en condiciones adiabá icas.
P epa ación de bioplás icos con base p o eica de soja
Las masas ob enidas después del mezclado ue on p ocesadas median e un moldeo
po inyección (MI), a escala de labo a o io, usando una Inyec o a MiniJe Pis on
Injec ion Moulding Sys em II (The moHaake, Alemania). Así se ob u ie on bioplás icos
con base p o eica de soja. Los pa áme os de inidos pa a dicha inyección ue on:
empe a u a del cilind o (40 oC), empe a u a del molde (70 o 90 oC), p esión de
inyección (550 ba ap ox. du an e 20 s) y p esión de pos -inyección (200 ba du an e
300 s), dependiendo de las masas ob enidas.
Después del moldeo po inyección, los bioplás icos se some ie on a un a amien o
dehid o é mico (DHT), que consis e en una e apa de calen amien o lle ada a cabo
en un ho no con encional a 50 oC du an e 24 h ob eniendo bioplás icos secos (BPS).
Es a e apa implica cie o g ado de o alecimien o de la ed que ayuda a man ene la
in eg idad de las ma ices en la pos e io e apa de inme sión.
P epa ación de ma ices con base p o eica de soja
Con la inalidad de p epa a las ma ices con base p o eica de soja, p ime o, se
lle ó a cabo una e apa de inme sión del bioplás ico BPS en un ecipien e ce ado
du an e 24 h. En es a e apa, p ác icamen e oda la glice ina se libe ó al agua (AGM)
como en es udios p e ios [7]. Además, algo de p o eína y/o mic onu ien e ambién
119
E aluación de di e en es mé odos de desa ollo de ma ices p o eicas de soja con zinc inco po ado pa a
su uso en ho icul u a
pudo libe a se. Finalmen e, las ma ices p o eicas hinchadas (MPH) después de la
inme sión se some ie on a un a amien o de lio ilización, consis en e en una p ime a
e apa de congelación de la ma iz du an e 2 h a -40 oC y una e apa de lio ilizado en
un equipo lio ilizado LyoQues (Tesl a , España) a -80 oC y acío du an e 24 h con el
obje i o de elimina oda el agua po sublimación y ob ene así las ma ices p o eicas
secas (MPS).
Ca ac e ización de las ma ices p o eicas de soja con zinc
En p ime luga , se ealiza on medidas de espec oscopía de emisión a ómica
plasmá ica acoplada induc i amen e (ICP-AES) con la inalidad de de e mina el
con enido de zinc de las ma ices inales, usando un ICP Spec oBlue TI (Spec o,
Alemania). Las ma ices secas (MPS) se some ie on a un a amien o p e io de
diges ión po mic oondas con la ayuda de ácidos (HNO3 y H2O2 en p opo ción 7:1),
y, seguidamen e, la mues a pasó a una an o cha de plasma a una empe a u a
al ededo de los 6000 K, midiendo las longi udes de onda ca ac e ís icas de los
á omos e iones de la mues a.
Po o o lado, ambién se ealiza on medidas eológicas en modo de comp esión,
usando un analizado dinámico-mecánico RSA3 (TA Ins umen , EE.UU.) con una
geome ía pla o-pla o de 8 mm de diáme o. Se ealiza on, en p ime luga , ba idos
de de o mación en e 0,002 y 2% a una ecuencia cons an e de 1 Hz pa a de e mina
el in e alo iscoelás ico lineal. A con inuación, se lle a on a cabo ba idos de
ecuencia desde 0,02 a 2 Hz y a una de o mación den o del in e alo iscoelás ico
lineal an es es udiado. Así, se compa ó el módulo elás ico y la angen e de pé didas
a 1 Hz (E’1 y an (δ1), espec i amen e) pa a ealiza una adecuada compa ación de
los sis emas.
Po úl imo, la dis ibución de la concen ación de zinc pa a las ma ices MPS
es udiadas se analizó median e análisis dispe si os de ene gía de ayos X (EDAX),
usando un mic oscopio elec ónico de ba ido JEOL 6460LV (EE.UU.). El obje i o de
es as medidas es la de ección del zinc an o en la supe icie como en el in e io de la
ma iz. Los análisis se ealiza on po duplicado en di e en es á eas de la ma iz, que
se ecub ió de o o/paladio y se aumen ó 100 eces.
Análisis es adís icos
Se ealizó al menos es medidas de casa mues a. El análisis es adís ico se ob u o
median e un es de compa ación de medias ( es de de S uden ) y ealizando
un análisis de a ianza (ANOVA, p <0,05) median e el paque e es adís ico SPSS
120
Jiménez-Rosado, M.; Pé ez-Puyana, V.; Co dobés, F.; Rome o, A.; Gue e o, A.
18. Además, se calcula on las des iaciones es ánda de algunos pa áme os
seleccionados.
RESULTADOS Y DISCUSIÓN
Mé odos de p epa ación de ma ices p o eicas de soja con zinc
inco po ado
Los dis in os p ocesos usados pa a inco po a la sal de zinc a las ma ices p o eicas
de SPI es án delineados en el diag ama de la Figu a 1.
Figu a 1. Diag ama de los di e en es p ocesos de ob ención de ma ices p o eicas de soja con zinc
inco po ado. SPI: aislado p o eico de soja. Gly: glice ina. MN: sal que con iene el mic onu ien e
(ZnSO4·H2O en el mezclado y ZnSO4·7H2O en la abso ción).
En el mé odo A, se mezcló jun o con SPI y Gly (1:1) un 10% en peso de ZnSO4·H2O
(MP), seguidamen e la masa se inyec ó usando una empe a u a de molde de 90 oC, al
conside a se la empe a u a óp ima de abajo pa a es a masa e aluados en es udios
p e ios [7]. A con inuación, el bioplás ico pasó po un a amien o dehid o é mico,
una inme sión en agua y una e apa de lio ilización ob eniendo así las ma ices MPS
con zinc inco po ado.
En el mé odo B-1, se mezcló solamen e SPI y Gly (1:1), inyec ándose a una
empe a u a de molde de 70 oC y some iéndose seguidamen e a un a amien o
dehid o é mico. A con inuación, el bioplás ico BPS se sume gió en una disolución de
ZnSO4·7H2O ob eniendo la ma iz hinchada que luego se seca median e un p oceso
de lio ilización.
O o de los mé odos usados se denomina B-2, es e mé odo consis e en una
combinación de los mé odos A y B-1, inco po ando el zinc an o en la e apa de
mezclado como en la de inme sión.
Po úl imo, se p obó un mé odo al e na i o (mé odo C), en el que el zinc se
inco po ó median e una inme sión en una disolución sa u ada de ZnSO4·7H2O, pe o
121
E aluación de di e en es mé odos de desa ollo de ma ices p o eicas de soja con zinc inco po ado pa a
su uso en ho icul u a
inco po ando una e apa p e ia de inme sión en agua. El obje i o de es a e apa p e ia
es que la ma iz se hinche an es de la inco po ación de zinc, con la inalidad de que
pueda inco po a más mic onu ien e en su in e io .
La can idad de zinc inco po ada en cada ma iz MPS, medido median e ensayos de
ICP-AES, se mues a en la Tabla 1. Se puede obse a como el mé odo A es el que
menos zinc inco po a, debido posiblemen e a que la mayo pa e del zinc se pie de
en la inme sión con agua ya que se inco po a en o ma de sal muy soluble. El mé odo
B-1 y B-2 ienen po cen ajes de inco po ación pa ecidos, donde el mé odo B-2
egis a un poco más de zinc debido a la doble inco po ación (mezclado e inme sión).
Po úl imo, el mé odo C es el que más zinc inco po a debido, posiblemen e, a la
inco po ación de la e apa p e ia de inme sión con agua, que ab e los po os de la
ma iz pe mi iendo que haya más espacio lib e pa a la inco po ación del zinc.
Table 1. Concen ación en peso de Zn2+ ob enidos en los análisis de ICP-AES y EDAX de las
ma ices p o eicas secas (MPS) ob enidas po los di e en es mé odos de inco po ación de
zinc.
Ma ices MPS ICP-AES EDAX
% Zn2+ %Zn2+ Supe icie %Zn2+ In e io
Mé odo A 1,8 5,0 ± 0,1a4,2 ± 0,6 b
Mé odo B-1 10,5 27,2 ± 2,6 ce 19,6 ± 3.5 d
Mé odo B-2 12,6 27,5 ± 0,5 c 24,0 ± 0,7 e
Mé odo C 18,4 30,2 ± 0,2 32,2 ± 2,3
Ca ac e ización de las ma ices p o eicas de soja con zinc
La Figu a 2 mues a los alo es del módulo elás ico y la angen e de pé didas a 1 Hz (E’1 y an
(δ1), espec i amen e) ob enidos a pa i de los ba idos de ecuencia. Se puede obse a
como las ma ices ob enidas po una inme sión di ec a en una disolución sa u ada de
ZnSO4·7H2O (B-1 y B-2) exhiben alo es simila es de E’1, los cuales son mayo es que los
alo es de E’1 ob enidos pa a las ma ices que u ie on una e apa de inme sión en agua (A y
C), los cuales ambién son simila es en e sí. Es e compo amien o puede a ibui se al g ado
de hinchamien o p esen ado po las ma ices cuando se in oducen en la inme sión con
agua (A y C), ya que al se signi ica i amen e mayo hace que el espacio lib e de la ma iz
ambién lo sea. Es e e ec o no se p oduce en las ma ices in oducidas en la inme sión con
sal (B-1 y B-2), mos ando así es as úl imas una es uc u a más ígida. En cuan o a los alo es
de an (δ1), son odos meno es a 0,2, lo que demues a que, independien emen e del g ado
de hinchamien o de la ma iz, es as p esen an un ema cable ca ác e sólido. Además, los
alo es de an (δ1) no p esen an di e encias signi ica i as en e ellos, demos ando que la
elación en e E’ y E’’ no se e a ec ada po el cambio de p ocesado.
128
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán, D.; Ríos Na a o,
J. A.
Median e el uso de a je as de ci cui o imp eso basadas en FPGAs y mic ocon olado es
se ha implemen ado e implan ado un sis ema de con ol mo o pulsan e pa a los 4
DC mo o s del obo usando con olado es PID en el dominio pulsan e. Así mismo
se ha desa ollado el so wa e necesa io pa a comanda al obo desde un po á il.
El con olado se ha ca ac e izado. Y, po úl imo, se ha do ado al con olado de una
in e az hacia sis emas pulsan es implemen ados en la pla a o ma Dynap-SE.
METODOLOGÍA
En es a sección se p ocede a desc ibi las ca ac e ís icas del obo u ilizado en es e
abajo, pos e io men e se expone un esumen del con olado PID basado en
impulsos que se in eg a en el obo , y po úl imo, se expone la a qui ec u a de la
pla a o ma inal del obo con la in eg ación del con olado neu oinspi ado.
El b azo obó ico BioRob
El obo BioRob [16] es á basado en el concep o de ac uación elás ica y an agonis a
que se inspi a en el apa a o elás ico músculo- endón ( e Figu a 1). Cada a iculación
dispone de un mo o DC acoplado median e cua o cables o cue das que con ienen
muelles y o os componen es elás icos. De es a o ma cada a iculación posee
ca ac e ís icas de eso es p og esi os y no lineales. Adicionalmen e, las a iculaciones
es án do adas de dos senso es: un senso de posición del mo o DC de ipo encode
óp ico, y un senso de posición angula de la a iculación. El diseño de la ac uación
es á desc i o en de alle en [17] [18].
Figu a 1. B azo obó ico BioRob X4.

129
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de Biele eld
Figu a 2. Diag ama de a qui ec u a del BioRob: a iculaciones y mo o es.
La Figu a 2 indica la ubicación de cada mo o y cada senso en el b azo obó ico.
Los encode s de los mo o es y los senso es de posición de las a iculaciones
asegu an una esolución ca esiana po debajo de 1mm. Los senso es de posición
de las a iculaciones pe mi en la medida de las ue zas elás icas de las a iculaciones
median e el uso de las cu as ca ac e ís icas de la igidez de la a iculación. Es o
habili a el con ol de ue zas, la de ección de colisiones y la eacción an e es os
e ec os.
El con ol mo o pulsan e
El con olado PID pulsan e de mo o es un con olado en lazo ce ado PID o almen e
diseñado en el dominio pulsan e. Tan o su señal de e e encia de en ada, la señal
de salida hacia el mo o , así como la señal de sensado del mo o pa a el cálculo
del e o , son señales codi icadas en pulsos. Se u iliza la modulación po ecuencia
de pulsos (PFM) incluso pa a a aca a las bo nas de los mo o es. De es a mane a
se pe mi i ía que cualquie sis ema neu o-inspi ado pueda p oduci una señal que
sea di ec amen e usada pa a mo e un mo o a una elocidad de e minada o a una
posición conc e a.
Un con olado mo o PID clásico se compone de es bloques que ajus an la
p opo cionalidad, la in eg ación y la de i a del e o del sis ema de con ol en lazo
ce ado. Pa a implemen a en el dominio pulsan e un con olado PID se equie e
del uso de una se ie de elemen os de p ocesado pulsan e que nos pe mi an ealiza
las mismas unciones. Pa a ello se han diseñado e implemen ado una se ie de
elemen os de p ocesado pulsan e cuya o mulación se ealiza en el dominio S. Los
bloques básicos son:
130
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán, D.; Ríos Na a o,
J. A.
• Spike-Gene a o o Gene ado de impulsos: se u iliza pa a con e i una
señal digi al en una secuencia de pulsos con una ecuencia de e minada.
• In eg a e & Gene a e (I&G) o In eg ado y Gene ado de pulsos: Es e bloque
se compone de dos pa es: la p ime a es un con ado de pulsos de en ada,
y la segunda es un gene ado de pulsos (desc i o en el epíg a e an e io ). De
es a o ma, y eniendo en cuen a los pulsos de pola idad posi i a y nega i a,
la señal pulsan e de salida de es e bloque es á ep esen ando la in eg al de la
señal de en ada. En el dominio S, es e bloque se ep esen a con una unción
de ans e encia como la siguien e:
Donde ou es la ecuencia en pulsos de la señal de salida, coun es el alo de
con ado de pulsos de en ada, in es la ecuencia de la señal de en ada, NBITS es
la esolución en bi s del gene ado de pulsos, genF eqDi es el di iso del eloj del
gene ado de pulsos y CLK su ecuencia de eloj.
• Hold & Fi e (H&F) o e én y dispa a: Es e bloque pe mi e la usión de dos
señales pulsan es en una nue a señal que ep esen a la di e encia de ambas
o la suma de ambas, de una o ma in ui i a y sencilla. Teniendo en cuen a
las pola idades de los impulsos y el o igen de la señal, se usa una máquina
de es ados pa a, una ez llegado un pulso po una de las en adas, espe a
un p óximo pulso y, eniendo en cuen a las pola idades de ambos, así como
la ope ación a ealiza (po ejemplo, es a señales pulsan es o suma las),
se cancela án los dos pulsos o se manda á el p ime o que se ecibió pa a
e ene el úl imo en llega .
• Spike Expanse block o Expanso de pulsos: Debido a que los pulsos de los
sis emas neu omó icos son muy es echos, es e bloque se usa pa a expandi
la anchu a de los pulsos an es de se en iados a las bo nas de los mo o es.
En es e sen ido, es e bloque pe mi e aplica un ac o mul iplica i o o
p opo cional a la señal de salida de un con olado .
• Spike De i a i e block o de i ado de pulsos: Median e el uso combinado de
un I&G y un H&F, al como mues a la Figu a 3, se puede ob ene la unción de
ans e encia en el dominio S de un de i ado pa a su uso en un con olado PID.
131
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de Biele eld
Figu a 3. Diag ama del de i ado y o mulación en S.
• Spike PID: La Figu e 4 mues a el diag am de bloques de un con olado PID
clásico, así como la solución adop ada pa a su implemen ación en el dominio
pulsan e. Se incluye la o mulación en el dominio S. X(s) ep esen a la señal
en iada al mo o , mien as que el es ado ac ual del mo o se ep esen a
po Y(s), la cual es en iada al con olado una ez medida po el senso
que cie a el lazo, y se ep esen a como FB(s). La unción de ans e encia
del con olado PID es TF(s) y la señal de e e encia es U(s). En la solución
pulsan e, los bloques de in eg ación y de i ación abajan sob e la señal
de e o del sis ema ( e e encia menos ealimen ación), mien as que la
p opo cionalidad se aplica al expandi los pulsos.
Figu a 4. A iba: con olado PID clásico y o mulación. Abajo: Solución pulsan e.
Es e con olado PID pe mi e con ola en elocidad a un mo o . Pa a pode aplica lo
al obo del CITEC se debe añadi un bloque I&G al senso que mide el es ado ac ual
del mo o pa a pode ene con ol sob e la posición ac ual del mo o , que e leja á
la posición ac ual de la a iculación del obo . En la Figu a 5 se mues a un diag ama
de bloques que ep esen a la solución implemen ada pa a el con ol del obo de
cua o a iculaciones del CITEC.
132
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán, D.; Ríos Na a o,
J. A.
Se han u ilizado dos pla a o mas basadas en FPGA con la in ención de man ene en
la Spa an-3 la expansión de los pulsos y la adap ación de los senso es al dominio
pulsan e, lo cual es necesa io pa a cualquie con olado pulsan e que se ealice. Po
o o lado, en la Spa an-6, de mayo capacidad, se ha implemen ado el con olado
pulsan e PID en un po cen aje educido de sus ecu sos, con la in ención de pe mi i
que la pla a o ma inal pe mi a p oba e implemen a nue os con olado es neu o-
inspi ados en es e obo .
Figu a 5. Diag ama de bloques del con olado pulsan e PID del b azo obó ico BioRob del
CITEC.
La in as uc u a desa ollada
La Figu a 6 mues a el Sis ema comple o, su con igu ación y una o og a ía. La a je a
AER-Robo es capaz de alimen a has a 4 mo o es DC con señales de po encia que
se manejan desde una FPGA Spa an-3. Además, pe mi e la lec u a de los senso es.
Se han usado dos buses pa alelos AER pa a comunica es a a je a con la segunda, la
AER-node, que implemen a los con olado es pulsan es pa a odas las a iculaciones.
Se usa un bus SPI pa a en ia la con igu ación desde la placa AER-Robo hacia la
AER-node. Es a con igu ación llega al sis ema a a és del bus USB que conec a el
compu ado con la a je a AER-Robo .
133
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de Biele eld
Figu a 6. Con igu ación HW de la pla a o ma BioRob pa a con ol pulsan e y o og a ía del
obo con el con olado (de echa).
• AER-Robo : es a a je a ha sido desa ollada en el g upo RTC du an e
el p oyec o SAMANTA-2 (2008) pa a con ola una mano obó ica
an opomó ica. Se cen a en una FPGA Spa an-3 y un mic ocon olado
8051 con conexión USB. Dispone de puen es de po encia op o-acoplados
pa a con ola has a 4 mo o es DC. En es e escena io la FPGA es á ecibiendo
impulsos en o ma o AER pa a pode con ola los mo o es. Se usan en o al
8 di ecciones pa a codi ica los dos posibles sen idos de cada uno de los
mo o es. Es as di ecciones son decodi icadas y se gene an pulsos expandidos
que se en ían di ec amen e a los mo o es a a és de puen es de po encia.
Al mismo iempo, señales de los encode s anexados a los mo o es se usan,
g acias a pa ejas des asadas, pa a de ec o el sen ido de gi o del mo o y su
elocidad. Es as señales se con ie en a pulsos y se en ían en o ma o AER
a la AER-node. La longi ud de expansión de los impulsos es con igu ada a
a és de comandos ecibidos po el mic ocon olado 8051, que se conec a
al so wa e del PC median e USB. El so wa e del PC usado es el jAER, de
lib e dis ibución, al que se le ha añadido un il o pa a con ola el obo .
Es os comandos de con igu ación se en ían a la FPGA de la placa AER-Robo
y ambién a la FPGA de la placa AER-node a a és del bus SPI.
• AER-Node: Es a segunda a je a dispone de una FPGA de mayo capacidad,
la Spa an-6, pa a pode albe ga holgadamen e los cua o con olado es
pulsan es PID pa a ija las a iculaciones en una posición conc e a. Además,
es a a je a deja abie a la posibilidad de implan a nue os modelos de
con olado es mo o es pulsan es, como puede se el SVITE [20] u o os po

134
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán, D.; Ríos Na a o,
J. A.
llega . El bus de en ada AER ae in o mación senso ial del obo en o ma o
pulsan e, p o enien e de la AER-Robo , la cual se usa pa a ce a el lazo de
con ol. Exis e un bus SPI pa a con igu a los con olado es. Es e bus es el
mismo que se enía en la AER-Robo . G acias al o ma o de 16-bi s di ección
más da o, cada bloque del con olado ecibe de o ma dis ibuida sus
pa áme os. Po úl imo, la salida pulsan e de los con olado es se en ía en
o ma o AER a la a je a AER-Robo pa a su a amien o y en ío a los mo o es.
RESULTADOS Y DISCUSIÓN
Una ez mon ado, p og amado y con igu ado an o el obo como el con olado
pulsan e expues o an e io men e se p ocedió a la ealización de a ias p uebas pa a
la alidación del sis ema pa a su uso en los p oyec os del CITEC. La alidación ue
doble: en p ime luga , se p og amó el il o desa ollado en el jAER, pa a que se
pudie a comanda al obo una secuencia de posiciones con unos iempos de espe a
en e cada una y se ealizó una medida del consumo de la lógica y los mo o es, no
llegando a 1A al ene en uncionamien o los 4 mo o es. Es e bajo consumo se ha
conseguido g acias al diseño del obo , que es á ab icado en aluminio y po an o
es de bajo peso, pe o ambién a los con olado es pulsan es, los cuales educen
conside ablemen e el gas o ene gé ico po adap a se la can idad de pulsos que
en ían ene gía a los mo o es al e o de posición de los mismos. Ac ualmen e se
es án ealizado abajos pa a pode compa a cuan i a i amen e los con olado es
pulsan es con los adicionales en es e obo .
Po o o lado, ya que el obje i o del abajo es pode dispone de una ac uación
obó ica manejable desde un sis ema de con ol neu oinspi ado que emule las
uncionalidades del ce eb o, se abajó en la in eg ación del con olado con la
pla a o ma Dynap-SE. Es a pla a o ma es á compues a po cua o chips que in eg an
nume osas neu onas de silicio dis ibuidas en cua o núcleos (co es) en cada chip.
Una in e az con Linux pe mi e p og ama las conexiones en e las neu onas y sus
pesos pa a pode implemen a edes neu onales pulsan es de la complejidad que
se desee has a 1M de neu onas. La pla a o ma cuen a con una in e az g á ica que
pe mi e ac i a conjun os de neu onas pa a que p oduzcan una ac i idad en la salida
egulable. En es a p ueba se ha ap o echado el mismo co e de los 4 chips pa a uni
poblaciones de neu onas su icien es pa a gene a ac i idad de salida que pueda
usa se como señal de e e encia pa a las cua o a iculaciones del obo . En la Figu a
7 se mues an o og a ías de la a iculación 4ª en di e en es g ados como esul ado de
la ac i idad de las poblaciones de neu onas del mismo co e de cada chip, dejando el
es o de co es inac i os pa a es e expe imen o y po an o el es o de las a iculaciones
135
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de Biele eld
en su posición de home. El expe imen o ue epe ido nume osas eces sin obse a
una de i a en la posición alcanzada. Se iene como abajo u u o la ca ac e ización
del posible e o de de i a as ealiza el expe imen o epe idamen e.
Home (0o) 45o90o140o
Home (0o) 45o
90o140o
Figu a 7. Ac i aciones de neu onas de 1 núcleo de 4 chips del Dynapse pa a gene a
impulsos de e e encia al con olado pulsan e pa a 4 posiciones de la a iculación 4.
CONCLUSIONES
Es e abajo desc ibe la in eg ación de con olado es pulsan es de mo o es DC pa a
un b azo obó ico de la Uni e sidad de Biele eld u ilizando a je as basadas en FPGA
diseñadas po el g upo RTC (TEP-108) pa a el p ocesamien o y con ol neu oinspi ado
de obo s. Además, se han adap ado los ci cui os de las FPGAs pa a ecibi la señal
de e e encia pulsan e de un sis ema de edes neu onales pulsan es implemen ado
en la pla a o ma Dynap-SE, diseñada en la Uni e sidad de Zu ich y come cializada
po la emp esa AI-Co ex.
136
Lina es Ba anco, A.; Jiménez Fe nández, A. F.; Jiménez Mo eno, G.; Gu ié ez Galán, D.; Ríos Na a o,
J. A.
AGRADECIMIENTOS
Es e abajo ha sido desa ollado g acias a la inanciación den o del p og ama
de mo ilidad pa a in es igado es Senio Sal ado de Mada iaga del Minis e io de
Educación y Ciencia del Gobie no de España. Las a eas ealizadas se encuad an
den o del abajo del P oyec o COFNET (TEC2016-77785-P) del plan nacional de I+D
del Minis e io de Educación y Ciencia del Gobie no de España con el sopo e de los
Fondos FEDER de la Unión Eu opea.
REFERENCIAS BIBLIOGRÁFICAS
[1] Chicca, E., e al. (2014). Neu omo phic elec onic ci cui s o building
au onomous cogni i e sys ems. P oceedings o he IEEE, pp. 1–22.
[2] Magui e, L. P., e al. (2007). Challenges o la ge-scale implemen a ions o
spiking neu al ne wo ks on FPGAs. Neu ocompu ing, 71, pp. 13–29.
[3] Rocke, P., e al. (2008). E ol able Sys ems: F om Biology o Ha dwa e (Eds.
Ho nby, G., e al.) pp. 118–129.
[4] Lich s eine , P., e al. (2008). A 128x128 120 dB 15 us la ency asynch onous
empo al con as isión senso . Solid-S a e Ci cui s. IEEE Jou nal, 43, pp. 566–
576.
[5] Se ano-Go a edona, T. y Lina es-Ba anco, B. (2013). A 128x128 1.5 Con as
Sensi i i y 0.9 FPN 3 us La ency 4 mW Asynch onous F ame-F ee Dynamic
Vision Senso Using T ansimpedance P eampli ie s. Solid-S a e Ci cui s. IEEE
Jou nal, 48, pp. 827–838
[6] Chan, V., e al. (2007). AER EAR: A ma ched silicon cochlea pai wi h add ess
e en ep esen a ion in e ace. Ci cui s and Sys ems, I: Regula Pape s. IEEE
T ansac ions, 54, pp. 48–59.
[7] Jiménez-Fe nández, A., e al. (2017). A Binau al Neu omo phic Audi o y Senso
o FPGA: A Spike Signal P ocessing App oach. IEEE T ansac ions on Neu al
Ne wo ks and Lea ning Sys em, s28(4), pp. 804-818.
[8] Koickal, T. J., e al. (2007). Analog VLSI ci cui implemen a ion o an adap i e
neu omo phic ol ac ion chip. Ci cui s and Sys ems, I: Regula Pape s. IEEE
T ansac ions, 54, pp. 60–73.
[9] Qiao, N., e al. (2015). A Re-con igu able On-line Lea ning Spiking
Neu omo phic P ocesso comp ising 256 neu ons and 128K synapses. F on ie s
in Neu oscience, 9.
137
Con ol neu omó ico del b azo obó ico BIOROB del Ci ec de la Uni e sidad de Biele eld
[10] Benjamin, B. V., e al. (2014). Neu og id: A Mixed-Analog-Digi al Mul ichip
Sys em o La ge-Scale Neu al Simula ions. P oceedings o he IEEE, 102, pp.
699–716,
[11] Calime a, A., e al. (2013). The human b ain p ojec and neu omo phic
compu ing. Func Neu ol 28, pp. 191– 196
[12] Fu be , S.B., e al. (2014). The SpiNNake P ojec . P oceedings o he IEEE 102,
pp. 652–665.
[13] Da ies, M., e al. (2018). Loihi: A neu omo phic manyco e p ocesso wi h on-
chip lea ning. IEEE Mic o, 38(1), pp. 82-99.
[14] Cassidy, A.S., e al. (2013). Cogni i e compu ing building block: A e sa ile and
e icien digi al neu on model o neu osynap ic co es. En In e na ional Join
Con e ence on Neu al Ne wo ks (IJCNN). IEEE.
[15] Si ilo i, M.A. (1990). Wi ing conside a ions in analog VLSI sys ems, wi h
applica ion o ield p og ammable ne wo ks. PhD hesis (Cali o nia Ins i u e o
Technology, July 1990)
[16] Lens, T., Kunz, J., on S yk, O., T omme , C. y Ka gu h, A. (2010). BioRob-A m:
A Quickly Deployable and In insically Sa e, Ligh - Weigh Robo A m o Se ice
Robo ics Applica ions. ISR 2010 (41s In e na ional Symposium on Robo ics)
and ROBOTIK 2010 (6 h Ge man Con e ence on Robo ics), Munich, Ge many,
pp. 1-6.
[17] Klug, S., Lens, T., on S yk O., Möhl, B., y Ka gu h, A. (2008). Biologically
inspi ed obo manipula o o new applica ions in au oma ion enginee ing.
En P oceedings o Robo ik 2008, se . VDI-Be ich e, no. 2012. Munich, Ge many:
VDI Wissens o um GmbH, June 11-12.
[18] Möhl, B. (2000). Bionic obo a m wi h complian ac ua o s. En P oceedings o
SPIE - Senso Fusion and Decen alized Con ol in Robo ic Sys ems III, ol. 4196,
pp. 82–85.
[19] Jimenez-Fe nandez, A., Jimenez-Mo eno, G., Lina es-Ba anco, A., Dominguez-
Mo ales, M.J., Paz-Vicen e, R. y Ci i -Balcells, A. (2012). A Neu o-Inspi ed Spike-
Based PID Mo o Con olle o Mul i-Mo o Robo s wi h Low Cos FPGAs.
Senso s, 12, pp. 3831-3856. Recupe ado de: h p://www.mdpi.com/1424-
8220/12/4/3831
144
Luna Pe ejon, F.; Du an López, L.; Amaya Rod íguez, I. R., Ci i Maso , J.; Ci i Balcells, A.; Vicen e Díaz,
S.; Lina es Ba anco, A.
Capas
con olucionales
(ResNe 50)
Algo i mo R-CNN
Clasi icación
Ajus e del
ma co
De ec o de
egiones de
in e és
Red de
p opues a de
egiones (RPN)
Adquisición de
ca ac e ís icas
Ex acción de
egiones con un
posible elemen o
Selección de
mejo es candida os
Clasi icación y
ubicación
Figu a 2. Diag ama de la a qui ec u a de Fas e -RCNN empleada con ResNe 50 aplicada en
la adquisición de ca ac e ís icas.
Modi icaciones en la base de da os y pa áme os
El mé odo usado de uel e egiones ec angula es de e minados po coo denadas,
po lo que equie e las coo denadas de las imágenes del conjun o de en enamien o.
Se gene a on las coo denadas del ec ángulo de á ea mínima que ecub iese la
egión ci cula p opo cionada po cada imagen de los ídeos de colonoscopia.
Las imágenes o iginales poseen un ma co neg o que ue eliminado pa a el
en enamien o del modelo (conjun o A), po lo que se hizo un ecalculo de las
coo denadas de la egión que con iene un pólipo.
Habi ualmen e pa a aumen a la a iedad del conjun o de da os y comba i el
sob eajus e del modelo se ecu e a écnicas de da a augmen a ion. Consis en en
manipulaciones de las imágenes del subconjun o o iginal ales como cambio de
o ien ación o b illo. Pa a nues o conjun o de da os se aplicó una secuencia de
ope aciones pa a amplia lo (Figu a 2). Se c eó una imagen ol eada ho izon almen e
de odo el conjun o A (conjun o B). Sob e los conjun os A y B se aplicó alea o iamen e
una modi icación del b illo, un di uminado o una o ación de 180o. Se aplicó una y
solo una de es as ope aciones po cada imagen. Con es e p ocedimien o se ob u o
un conjun o de da os compues o po 47816 imágenes di e en es.

145
Localización e iden i icación au omá ica de pólipos median e una ed neu onal con olucional po
egiones
Figu a 3. Ope aciones ealizadas sob e el conjun o de da os o iginal.
El algo i mo Fas e R-CNN en una de sus e apas de en enamien o ap ende a
de ec a el ondo de la imagen, que se in e p e a como un ipo de obje o auxilia . No
obs an e, es posible inclui el ap endizaje de es e ipo de obje os en las demás e apas
p opo cionando como en ada egiones que con engan solo ondo. Se ha aplicado
es a écnica, denominada ha d nega i e mining, u ilizando pa a ello las imágenes
que no con ienen pólipo.
CONCLUSIONES
Se ha empleado un algo i mo Fas e R-CNN pa a a on a el p oblema de de ección y
ubicación de pólipos en ideos de colonoscopia p opues o po GIANA en su edición
de 2018. Se ha usado ResNe 50 como a qui ec u a en la ase de ex acción de
ca ac e ís icas de imagen que posee el mé odo. Se han ealizado écnicas de da a
augmen a ion pa a ob ene un conjun o de da os mayo que comba a el sob eajus e
y mejo e el endimien o del modelo. Se ha empleado ha d nega i e mining pa a
e o za el ap endizaje del ondo y que in luya a o ablemen e en los esul ados.
Algunos de los esul ados p elimina es, en los que se ha empleado pa e de los
ideos de en enamien o (15 ídeos de en enamien o y 3 pa a e aluación), han
alcanzado una p ecisión del 74.87% y una exac i ud de 84.46%. Algunas mues as se
ilus an a con inuación.
146
Luna Pe ejon, F.; Du an López, L.; Amaya Rod íguez, I. R., Ci i Maso , J.; Ci i Balcells, A.; Vicen e Díaz,
S.; Lina es Ba anco, A.
Figu a 4. Ejemplos sob e el subconjun o de ideos empleado en es udios p elimina es. A la
izquie da se ilus an un caso de also posi i o y un also nega i o (pólipo no iden i icado en
la pa e in e io cen al). En el cen o, un caso de e dade o posi i o. A la de echa, un caso
de also posi i o al ondo y un caso de e dade o posi i o.
Los esul ados del desa ío GIANA se án publicados en el a ículo esumen del e en o.
AGRADECIMIENTOS
Ag adecemos a los doc o es Jo ge Be nal y Ayme ic His ace su labo como
o ganizado es del challenge Gas oin es inal Image ANAlysis, así como po
p opo ciona el conjun o de da os necesa io pa a lle a a cabo nues a labo
in es igado a.
REFERENCIAS BIBLIOGRÁFICAS
[1] Tou e zky, D. S., Moze , M. C., y Hasselmo, M. E. (1996). Ad ances in Neu al
In o ma ion P ocessing Sys ems 8: P oceedings o he 1995 Con e ence, 8
[2] Kasey, P. (2017). Top T ends in he Ga ne Hype Cycle o Eme ging Technologies.
Recupe ado de: h ps://www.ga ne .com/sma e wi hga ne / op- ends-in-
he-ga ne -hype-cycle- o -eme ging- echnologies-2017/
[3] LeCun, Y., Bo ou, L., Bengio, Y., y Ha ne , P. (1998). G adien -based lea ning
applied o documen ecogni ion. P oceedings IEEE.
[4] K izhe sky, A., Su ske e , I., y Hin on, G. E. (2012). ImageNe Classi ica ion
wi h Deep Con olu ional Neu al Ne wo ks. Ad ances in neu al in o ma ion
p ocessing sys ems, 25(2).
[5] G eenspan, H., Van Ginneken, B., y Summe s, R. M. (2016). Gues Edi o ial
Deep Lea ning in Medical Imaging: O e iew and Fu u e P omise o an Exci ing
New Technique. IEEE T ansac ions on Medical Imaging.
147
Localización e iden i icación au omá ica de pólipos median e una ed neu onal con olucional po
egiones
[6] Ange mann, Q. e al. (2017) Towa ds Real-Time Polyp De ec ion in Colonoscopy
Videos: Adap ing S ill F ame-Based Me hodologies o Video Sequences
Analysis. En Ca doso, M., e al. (eds). Compu e Assis ed and Robo ic Endoscopy
and Clinical Image-Based P ocedu es. CARE 2017, CLIP 2017. Lec u e No es in
Compu e Science, ol 10550. Sp inge , Cham.
[7] Be nal, J., e al. (2018). Polyp de ec ion benchma k in colonoscopy ideos using
g c ea o : A no el ully con igu able ool o easy and as anno a ion o image
da abases. P oceedings o 32nd CARS con e ence, June 2018, Be lin, Ge many.
(hal-01846141)
[8] Ren, S., He, K., Gi shick, R., y Sun, J. (2017). Fas e R-CNN: Towa ds Real-Time
Objec De ec ion wi h Region P oposal Ne wo ks. IEEE T ansac ions on Pa e n
Analysis and Machine In elligence.
[9] He, K., Gkioxa i, G., Dolla , P., y Gi shick, R. (2017). Mask R-CNN. En P oceedings
o he IEEE In e na ional Con e ence on Compu e Vision.
[10] Dai, J., Li, Y., He, K., y Sun, J. (2016). R-FCN: Objec De ec ion ia Region-based
Fully Con olu ional Ne wo ks. a Xi :1605.06409 2
[11] Liu, W., Anguelo , D., E han, D., Szegedy, C., Reed, S., Fu, C. Y., y Be g, A. C.
(2016). SSD: Single sho mul ibox de ec o . En Lec u e No es in Compu e
Science (including subse ies Lec u e No es in A i icial In elligence and Lec u e
No es in Bioin o ma ics),
[12] Huang, J., Ra hod, V., Sun, C., Zhu, M., Ko a ika a, A., Fa hi, A., … Mu phy, K.
(2017). Speed/accu acy ade-o s o mode n con olu ional objec de ec o s.
En P oceedings - 30 h IEEE Con e ence on Compu e Vision and Pa e n
Recogni ion, CVPR 2017.
[13] Gi shick, R. (2015). Fas R-CNN. En P oceedings o he IEEE In e na ional
Con e ence on Compu e Vision.
[14] He, K., Zhang, X., Ren, S., y Sun, J. (2016). Deep Residual Lea ning o Image
Recogni ion. Mul imedia Tools and Applica ions, a Xi :1512.03385 1.
148
149
Técnicas de p edicción median e mine ía de da os en la indus ia alimen a ia bajo el pa adigma de
Indus ia 4.0
TÉCNICAS DE PREDICCIÓN MEDIANTE MINERÍA DE
DATOS EN LA INDUSTRIA ALIMENTARIA BAJO EL
PARADIGMA DE INDUSTRIA 4.0
Gue e o, Manuel; Luque, Amalia*; Lama, Juan Ramón
G upo TEP022
Diseño Indus ial e Ingenie ía del P oyec o y la Inno ación. Escuela Poli écnica
Supe io . Uni e sidad de Se illa.
*E-mail: [email p o ec ed]
RESUMEN
Un obje i o del pa adigma de Indus ia 4.0 es con e i los da os en in o mación ú il
pa a la oma de decisiones. T as el é mino de mine ía de da os (Da a Mining) se
engloba un conjun o de écnicas di igidas a la ex acción de conocimien o p ocesable
y que se encuen a implíci o en los da os analizados. Las écnicas de mine ía de da os
se emplean pa a mejo a el endimien o de p ocesos p oduc i os o indus iales en
los que se manejan g andes olúmenes de in o mación es uc u ada. Las écnicas
de p edicción se basan en el análisis de da os pa a p edeci unciones de alo es
con inuos. La indus ia alimen a ia es una indus ia de especial ele ancia en nues o
país. Pode ajus a el p oceso de p oducción al olumen de demanda, ipo de ma e ia
p ima, composición y a las condiciones de uncionamien o de la áb ica pe mi i á
oma decisiones que lle en a la educción de cos es, a la mejo a del con ol y a la
educción de las incidencias écnicas con clien es. En es e abajo se mos a án como
las p incipales écnicas de p edicción pueden se aplicadas a la indus ia alimen a ia,
en a as de a anza hacia los obje i os que p opone la Indus ia 4.0.
PALABRAS CLAVE
Indus ia alimen a ia, Indus ia 4.0, Técnicas de p edicción, Mine ía de da os.

150
Gue e o, M.; Luque, A.; Lama, J. R.
ABSTRACT
One objec i e o he Indus y 4.0 pa adigm is o con e da a in o use ul in o ma ion
o decision making. A e he e m o Da a Mining, a se o echniques is included,
aimed a he ex ac ion o p ocessable knowledge and ha is implici in he analyzed
da a. Da a Mining echniques a e used o imp o e he pe o mance o p oduc i e
o indus ial p ocesses in which la ge olumes o s uc u ed in o ma ion a e
handled. P edic ion echniques a e based on da a analysis o p edic con inuous
alue unc ions. The ood indus y is an indus y o special ele ance in ou coun y.
Being able o adjus he p oduc ion p ocess o he olume o demand, ype o aw
ma e ial, composi ion and he ope a ing condi ions o he ac o y will allow decisions
o be aken ha educe cos s, imp o e con ol and educe echnical inciden s wi h
cus ome s. In his pape we will show how he main p edic ion echniques can be
applied o he ood indus y, o ad ance owa ds he objec i es p oposed by Indus y
4.0.
KEYWORDS
Food indus y, Indus y 4.0., P edic ion echniques, Da a mining.
151
Técnicas de p edicción median e mine ía de da os en la indus ia alimen a ia bajo el pa adigma de
Indus ia 4.0
INTRODUCCIÓN Y OBJETIVOS
En cualquie aplicación de Mine ía de Da os nos encon amos con el p oblema de
diseño de la aplicación, p ocesamien o y ans o mación de da os que dan como
esul ado una ep esen ación del p oblema. El obje i o úl imo es con e i los da os
en in o mación ú il pa a la oma de decisiones.
El p ocesamien o de da os apun a a abo da una se ie de p oblemas, como
la edundancia de da os, la inconsis encia, el uido, la he e ogeneidad, la
ans o mación, el e ique ado, el desequilib io de da os y la ep esen ación/selección
de ca ac e ís icas [1]. La p epa ación y el p ocesamien o de los da os suelen se
cos osas, debido al eque imien o, p esencia e in e ención de un humano y una
g an can idad de opciones pa a elegi .
Es e abajo abo da los desa íos que se deben a on a al hace uso de la Mine ía de
da os que más a de se á de u ilizada pa a di e sas écnicas p edic i as.
METODOLOGÍA
Pa a la elabo ación de es e abajo se han u ilizado uen es in e nacionales como
Scopus, Web o Science y ScienceDi ec ; pa a busca li e a u a elacionada. Con la
li e a u a ele an e encon ada, se ha ealizado un análisis pa a de e mina el papel
de la Mine ía de Da os en la Indus ia 4.0.
En los siguien es apa ados se pueden encon a p ocesos po los que deben pasa
los da os pa a pode se u ilizado y di e en es écnicas p edic i as. Po úl imo, una
aplicación p ác ica pa a indus ia de alimen a ia.
RESULTADOS Y DISCUSIÓN
La p epa ación y el p ocesamien o de los da os suelen se cos osas, debido al
eque imien o, p esencia e in e ención de un humano y una g an can idad de
opciones pa a elegi . Además, algunos supues os de da os con encionales no
son álidos pa a el Da a Mining, po lo que algunos mé odos adicionales de
p ocesamien o se uel en in iables.
Po o o lado, la mine ía de da os c ea la opo unidad de educi la dependencia de
la supe isión humana al ob ene in o mación de uen es de da os ex ensas, di e sas
y de ansmisión di ec a.
152
Gue e o, M.; Luque, A.; Lama, J. R.
Figu a 1. Técnicas de Mine ía de Da os.
Los da os deben se ans o mados en in o mación, deben se a ados an es de
pode hace se uso de ellos. La Mine ía de da os nos p opo ciona las he amien as
pa a ges iona los.
Redundancia de da os
La duplicación su ge cuando dos o más mues as de da os ep esen an la misma
en idad. El impac o de la duplicación de da os o la inconsis encia puede se g a e [2].
Ruido de da os
La al a de alo es, alo es inco ec os, dispe sión de da os y alo es a ípicos pueden
in oduci uido en el a amien o de los mismos [3].
He e ogeneidad de da os
Las bases de da os ac uales o ecen da os de múl iples is as y di e en es ipos de
eposi o ios, en o ma os dispa es y de di e en es mues as de la población y, po lo
an o, muy he e ogéneos [4].
Disc e ización de da os
Algunos algo i mos, como los á boles de decisión, solo pueden a a con a ibu os
disc e os. La disc e ización con ie e los da os cuan i a i os en da os cuali a i os,
ob eniendo una di isión no supe pues a de un dominio con inuo [5].
153
Técnicas de p edicción median e mine ía de da os en la indus ia alimen a ia bajo el pa adigma de
Indus ia 4.0
Da os desequilib ados
El p oblema de los da os desequilib ados se ha abo dado median e mé odos
adicionales de mues eo alea o io y es a i icado. Sin emba go, el p oceso puede
lle a mucho iempo si in oluc a i e aciones en la gene ación de submues as y
cálculo de mé icas de e o [6].
Técnicas P edic i as
Con las écnicas p edic i as se p e enden ob ene in o mación aliosa pa a la oma
de decisiones. Exis en mul i ud de he amien as, aquí p esen amos algunas de ellas:
Red neu onal a i icial (ANN, A i icial Neu al Ne wo k)
Una ed neu onal es una ed de neu onas no lineales in e conec adas inspi adas en
los es udios del sis ema de neu onas de o ganismos biológicos. Una ed neu onal
p oduce un pa ón de salida cuando se p esen a con un pa ón de en ada. Tiene
una a qui ec u a dis ibuida en pa alelo con un g an núme o de nodos (neu onas) y
conexiones [7].
Algo i mo gené ico (GA, Gene ic Algo i hm)
Es una o ma de écnicas de in es igación de unción común adap a i as
mo i adas po la e olución na u al suge ida po Holland [8]. P e enden modela
el p ocedimien o de e olución en la na u aleza. Cada c omosoma cons a de a ios
genes y p esen a el esul ado candida o a la di icul ad p esen ada. El c uce p oduce
dos nue os c omosomas al c uza dos elemen os de la población. La mu ación
cambia a bi a iamen e los genes de los indi iduos [9].
Á bol de eg esión
Es una he amien a de análisis que puede se u ilizada pa a clasi ica , p edeci ,
in e p e a y manipula da os [10]. Ca ac e ís icas: simpli ica elaciones complejas,
ela i amen e ácil de in e p e a , se cons uye con un en oque no equie e el
cumplimien o de supues os es adís icos, maneja dis ibuciones sesgadas sin la
necesidad de ealiza ans o maciones sob e los da os y es obus a a las pun uaciones
ex emas [11].
Los á boles ayudan a busca subg upos especí icos y elaciones que al ez no se
encon a ían con los es adís icos adicionales; de es a mane a, ayudan a e ela
in o mación ocul a [12].
256
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
En el Ma co MECES las ca ac e ís icas de las cuali icaciones asociadas al G ado ienen
de inidas según una se ie de desc ip o es p esen ados en é minos de esul ados del
ap endizaje:
a. Adqui i conocimien os a anzados y demos a comp ensión de los
aspec os eó icos, p ác icos y de me odología de abajo con p o undidad
y ac ualización del conocimien o.
b. Aplica conocimien os, su comp ensión y capacidades de esolución de
p oblemas en ámbi os labo ales complejos o p o esionales y especializados
que equie en el uso de ideas c ea i as e inno ado as.
c. Tene la capacidad de ecopila e in e p e a da os e in o maciones sob e
las que undamen a conclusiones, incluyendo, cuando sea p eciso, la
e lexión sob e asun os de índole social, cien í ica o é ica.
d. Capacidad de desen ol e se en si uaciones complejas o que equie an
el desa ollo de nue as soluciones an o en el ámbi o académico como
p o esional.
e. Sabe comunica de mane a cla a y p ecisa, conocimien os, me odologías,
ideas, p oblemas y soluciones.
. Iden i ica las necesidades o ma i as p opias y o ganiza el ap endizaje
con au onomía en di e en es ipos de con ex os.
El au oconcep o es una es uc u a cogni i a que con iene es dimensiones, lo que
se es, lo que se desea se y lo que se mani ies a ex e namen e. Lo que es el indi iduo
en e a lo que p e ende llega a se iene epe cusiones sob e su au oes ima y
cons i uye, al que e ende hacia la imagen ideal, una uen e de mo i ación [3].
El ap endizaje au odi igido desa ollado po Richa d Boya zis conside a al “yo ideal”
el mecanismo mo i acional básico y es á cen ado en los deseos y espe anzas del
indi iduo. La disc epancia en e el yo ideal y el eal iene impo an es implicaciones
en las conduc as y las emociones [4].
La eo ía cogni i a social en a iza la in e acción de ac o es pe sonales, conduc uales
y ambien ales. Es os ac o es se en modi icados en el ascu so del ap endizaje
y han de se ee aluados, es po ello po lo que la au o egulación se dice que es
un p oceso cíclico. Zimme man, Schunk y Pin ich han hecho más comp ensible el
p oceso de ap endizaje, inco po ándose a pa i de ellos los p ocesos me acogni i os,
mo i acionales y socio-con ex uales, que pe mi ie on in eg a en una sola dos líneas

257
Sis emas cogni i os asociados al p oceso de ap endizaje-enseñanza del ingenie o mecánico: machine
lea ning
de in es igación que se encon aban sepa adas, po un lado, los es udios cogni i os
y po el o o los es udios sob e la mo i ación [5].
El Espacio Eu opeo de Educación Supe io (EEES) impulsa la me odología de
enseñanza-ap endizaje basada en una alineación en e los esul ados de ap endizaje
que se pe siguen, las ac i idades o ma i as que se han de lle a a cabo y los mé odos
de e aluación adecuados. Los esul ados de ap endizaje son decla aciones de lo que
se espe a que un es udian e conozca, comp enda y sea capaz de hace al inal de su
pe iodo de ap endizaje [6].
El hecho de que el Ingenie o Mecánico desa olle su labo p o esional en el ámbi o
de la Ingenie ía de Fab icación bajo en oque Indus ia 4.0 implica el conocimien o
elacionado con la conexión en ed de máquinas, sis emas de almacenamien o
de da os, CPS, en de ini i a, de Fab icas In eligen es [7]. Las ecnologías digi ales
aplicadas a la Indus ia de la Fab icación es án cambiando la o ma de diseña ,
p oduci , come cializa y gene a alo a pa i de los p oduc os y de sus se icios
asociados [8]. Sma Fac o y inco po a Cloud, edes indus iales, e minales de
con ol de supe isión con elemen os in eligen es en el shop- loo .
El G ado en Ingenie ía Mecánica equie e en oca el p oceso de enseñanza-
ap endizaje en el sen ido de cub i las necesidades que, la ab icación lexible basada
en Indus ia 4.0, demanda. Mejo ando las posibilidades de un ap endizaje más
e ec i o e inno ado que pe mi a la ob ención de las compe encias necesa ias pa a
la óp ima adap ación del Ingenie o Mecánico al me cado labo al. En endiendo po
“compe encia” la habilidad pa a esponde a las demandas o lle a a cabo a eas con
éxi o, en base a dimensiones cogni i as y a ec i as [9]. Teniendo una compe encia
que in eg a y elaciona las ca ac e ís icas pe sonales, el con ex o y la demanda de
pe iles asociados al Ingenie o Mecánico.
El é mino “Machine Lea ning” ue acuñado po John McCa hy en 1956 y de ine la
capacidad de hace máquinas in eligen es a ni el humano y mul iusos [10]. Es una
ama de la in eligencia a i icial con el obje i o de que los o denado es ap endan. Se
a a pa a ello de c ea p og amas capaces de gene a pa ones de compo amien o
a pa i de unos da os. Los a ances en la comp ensión del ap endizaje humano han
inspi ado me odologías de machine lea ning (ML), ales como las edes neu onales
a i iciales, basadas en la es uc u a de in e conexión de edes neu onales en
humanos. Algunos ejemplos de aplicaciones son el econocimien o de oz, la
de ección de aude, el p ocesamien o de imágenes, la clasi icación de la secuencia
de ADN o las p edicciones depo i as, en e o as. ML no sólo hace uso de las
258
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
ma emá icas, sino ambién de la capacidad de esol e p oblemas [11].
ML es la simulación median e modelado po o denado del p oceso de pensamien o
en los humanos. In e ac uando median e lenguaje na u al y consiguiendo inc emen a
sus capacidades. Los sis emas adicionales analizaban da os es uc u ados, los
sis emas cogni i os son capaces de en ende el lenguaje de los humanos y ap ende
de la in o mación ecibida. P ocesando g an can idad de in o mación p oceden e de
múl iples uen es, adap ándose la máquina al humano. Y es o ayuda en la oma de
decisiones, al ene mayo ga an ía de éxi o y es a basadas en el análisis de g andes
can idades de in o mación. Los sis emas cogni i os son p obabilís icos y se adap an
a la complejidad de los da os no es uc u ados, o eciendo hipó esis con un cie o
ni el de acie o. La elabo ación de un modelo de p edicción, en es e sen ido, puede
in e i una p obabilidad de acie o mayo en la oma de decisiones.
Cogni i e Compu ing, po an o, es á muy elacionada con los p oblemas que pueden
esol e los humanos, ca ac e izados és os po la ince idumb e y la ambigüedad.
In en ando ep oduci los p ocesos psicológicos y biológicos que se p oducen en el
ce eb o. El ap endizaje au omá ico elacionado con los sis emas cogni i os acome e
el p oceso psicológico del ap endizaje, eniendo en cuen a los algo i mos necesa ios
pa a ap ende a pa i de la obse ación de da os.
Educa ional Da a Mining es la aplicación de mine ía de da os, ap endizaje au omá ico
y es adís ica, aplicados a la in o mación gene ada a pa i de en o nos educa i os. Su
obje i o es comp ende mejo el p oceso de ap endizaje y su en o no. El po encial
de la mine ía de da os pe mi e analiza y descub i la in o mación ocul a en ellos,
algo di ícil de hace manualmen e y que eque i ía de mucho iempo. Una aplicación
de ML en educación iene asociada al e-Lea ning. En es e ipo de ap endizaje la
p esencia del docen e ya no iene ca ac e izada de la misma mane a que en el
ap endizaje p esencial. En es e caso la ealimen ación, en la que se posibili a que el
p o eso /a moni o ice el p og eso del es udian e pa a eajus a cie os pa áme os y
hace el ap endizaje más e ec i o, se pie de. La mayo ía de los en oques en e-Lea ning
pe sonalizan el con enido pa a adap a lo a di e en es obje i os de ap endizaje. Pe o
se puede aplica ML pa a pe sonaliza ambién la p esen ación del con enido [12].
Las edes neu onales a i iciales es án basadas en las edes neu onales de los
humanos. El ce eb o humano con iene al ededo de cien mil millones de neu onas
pe ec amen e o ganizadas y conec adas en e sí. Esas cien mil millones de neu onas
o man al ededo de cien billones de conexiones sináp icas. Cada una de esas
neu onas ecibe al ededo de mil conexiones, gene ando así un sis ema complejo.
259
Sis emas cogni i os asociados al p oceso de ap endizaje-enseñanza del ingenie o mecánico: machine
lea ning
Las sinapsis son canales pa a el lujo y almacenamien o de la in o mación. San iago
Ramón y Cajal desc ibió el p incipio de la pola ización dinámica po el cual una
neu ona p esen a una zona ecep o a de mensajes (dend i as), una zona in eg ado a
de los mismos (soma neu onal), o a zona conduc o a (axón) y una zona ansmiso a
( e minal sináp ica) que se enca ga de codi ica el mensaje y lle a lo a la siguien e
neu ona. Po lo an o, la unción undamen al de la neu ona consis e en ecibi la
in o mación, p ocesa la y en ia la. La comunicación en e las neu onas iene luga en
unas zonas especializadas de con ac o denominadas sinapsis. Po lo que el p oceso
de comunicación en e neu onas se conoce como ansmisión sináp ica. El g an
a ance en el conocimien o de la comunicación neu onal se debe a la elec o isiología
y a la inco po ación de la biología molecula al es udio de la ansmisión sináp ica
[13].
El obje i o de es e abajo consis e en p opone la inco po ación de Machine
Lea ning y de Educa ional Da a Mining como he amien as asociadas al p oceso de
enseñanza-ap endizaje pa a el G ado en Ingenie ía Mecánica.
METODOLOGÍA
En es e abajo se p opone inco po a Machine Lea ning y Educa ional Da a Mining
como he amien as pa a la mejo a del p oceso de enseñanza-ap endizaje aplicado
al G ado en Ingenie ía Mecánica. Pa a ello, se ealiza una e isión bibliog á ica y se
iene en cuen a un conjun o de a ículos de in e és elacionados con el ema.
Figu a 1. Sis emas Cogni i os asociados al p oceso de E/A.
260
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
Ap ende implica cons ui y modi ica el conocimien o, las habilidades, ac i udes,
conduc as, es a egias y c eencias. Que el es udian e de G ado en Ingenie ía
Mecánica ap enda, po an o, implica cons ui y modi ica su conocimien o, así
como sus habilidades, es a egias, c eencias, ac i udes y conduc as [6].
Pa a el G ado en Ingenie ía Mecánica el es udian e ha de ob ene las compe encias
necesa ias que le habili en pa a el desempeño adecuado a ni el p o esional. Hay
di e en es écnicas pa a e alua el endimien o alcanzado po los es udian es, siendo
la mine ía de da os una de las écnicas aplicadas en el ámbi o de la educación [14].
Es lo que se conoce como Educa ional Da a Mining.
La in o mación y los pa ones de da os si en pa a hace una es imación del esul ado
que alcanzan los es udian es y pe mi e a los p o eso es/as, en base a esos da os,
es ablece modi icaciones pa a aumen a el índice de log o median e la mejo a en
el p oceso de enseñanza-ap endizaje. Mos ando ambién al es udian e, aquellos
aspec os de su ap endizaje en los que ha de incidi más, o abo da los de mane a
di e en e, si quie e ob ene mejo es esul ados.
Una e isión sis emá ica sob e el ema en base a a ículos publicados en e 2002
y ene o de 2015 [15] mues a cuáles son las ca ac e ís icas más impo an es
empleadas en la p edicción del endimien o de los es udian es y los mé odos de
p edicción asociados.
Del esul ado de es a e isión se ha deducido que la ca ac e ís ica más empleada
que de inía la p edicción del endimien o del es udian e e a conside a el p omedio
académico acumula i o (cumula i e g ade poin a e age: CGPA) y la e aluación
in e na (de inida en base a la no a asignada, p uebas, ac i idades de labo a o io, es
de clase y asis encia [16]). Siendo la p incipal azón pa a ello, el hecho de conside a
CGPA como un indicado de po encial académico ealizado [17].
El mé odo p edic i o se puede lle a a cabo median e ca ego ización, eg esión o
clasi icación, siendo el más habi ual és e úl imo. Abo dando el mé odo p edic i o
median e clasi icación, se ienen en cuen a el algo i mo del á bol de decisiones [18]
y el de las edes neu onales a i iciales [19].
Tabla 1. Exac i ud de la p edicción en unción del ipo de algo i mo empleado.
261
Sis emas cogni i os asociados al p oceso de ap endizaje-enseñanza del ingenie o mecánico: machine
lea ning
Además, eniendo en cuen a el caso de es udio analizado pa a un sis ema educa i o
basado en la web [22], se obse a que la equi ocación en el p oceso de ealización
de una ac i idad, po pa e del es udian e, es pa e del p oceso de ap endizaje, sob e
odo si los e o es no penalizan y se en como pa e de su p oceso de ap endizaje.
RESULTADOS Y DISCUSIÓN
A la ho a de diseña el p oceso de enseñanza-ap endizaje de una ac i idad o ma i a
elacionada con Ingenie ía de Fab icación bajo en oque Indus ia 4.0 pa a el G ado en
Ingenie ía Mecánica esul a con enien e su adap ación po un lado a las demandas
del pe il p o esional eque ido en dicho ámbi o y po o o lado ene en cuen a
la mane a en la que se p oduce el ap endizaje del es udian e. Machine lea ning y
Educa ional Da a Mining ayudan en ese p oceso de eedback p oac i o que po encia
el ap endizaje del es udian e. Po ejemplo, a pa i de da os asociados del es udian e
y eniendo en cuen a cali icaciones de exámenes, se puede p edeci el desempeño
del es udian e con una buena ap oximación [23]. En base a los dos algo i mos que se
han enido en cuen a, se puede deci que, en el algo i mo po á bol de decisiones, la
ca ac e ís ica que ma ca la mayo exac i ud (91%) en la p edicción del endimien o
de los es udian es es CGPA. Mien as que la exac i ud en el algo i mo po edes
neu onales a i iciales pa a la ca ac e ís ica de e aluación in e na es del 81%. El
algo i mo po á bol de decisiones o ece buenos esul ados an o en el conjun o de
da os numé icos como los suscep ibles de se ca ego izados [13], además de esul a
ácilmen e in e p e able la elación en e a iables [24].
CONCLUSIONES
Lo apo ado aquí o ma pa e del abajo que se es á lle ando a cabo pa a la de ección
y adquisición de compe encias necesa ias que han de adqui i los G aduados en
Ingenie ía Mecánica en el con ex o de Sma Manu ac u ing.
Machine Lea ning, elacionado con los sis emas cogni i os, acome e el p oceso
psicológico del ap endizaje, eniendo en cuen a los algo i mos necesa ios pa a
ap ende a pa i de la obse ación de da os. Lo que pe mi e un p oceso de
enseñanza-ap endizaje más especí ico de i ado del empleo y análisis de los
da os ob enidos du an e dicho p oceso. Pe mi iendo al p o eso /a iden i ica las
necesidades del es udian e y a es e úl imo en oca más co ec amen e su p opio
ap endizaje. Además, la isualización median e g á icos e his og amas sob e los
esul ados ob enidos pe mi e e endencias a simple is a, lo cual esul a ambién
muy ú il en el manejo de in o mación pa a la oma de decisiones.

262
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
REFERENCIAS BIBLIOGRÁFICAS
[1] Schunk, D. H. (2012). Teo ías del ap endizaje. Una pe spec i a educa i a.
México: Pea son.
[2] Yániz, C. y Villa dón, L. (2006). Plani ica desde compe encias pa a p omo e el
ap endizaje. Cuade nos monog á icos del ICE. Bilbao: Uni e sidad de Deus o.
[3] González, M.C. y Tou ón, J. (1992). Au oconcep o y endimien o escola : sus
implicaciones en la mo i ación y en la au o egulación del ap endizaje. Na a a:
Ediciones Uni e sidad de Na a a.
[4] Boya zis, R. (2006). An o e iew o in en ional change om a complexi y
pe spec i e. Jou nal o Managemen De elopmen , 25(7), pp. 607-623.
[5] Dau a, F. (2011). Explo ación de las cualidades psicomé icas de la escala de
mo i ación y es a egias de ap endizaje. Ac a psiquiá ica y psicológica de
Amé ica La ina, 57(4), pp. 291-298
[6] Bologna Wo king G oup. (2005). A F amewo k o Quali ica ions o he Eu opean
Highe Educa ion A ea. Bologna Wo king G oup Repo on Quali ica ions
F amewo ks. Copenhagen: Danish Minis y o Science, Technology and
Inno a ion.
[7] Monos o i, L. (2015). Cybe -physical p oduc ion sys ems: Roo s om
manu ac u ing science and echnology. A -Au oma isie ungs echnik. doi:
h ps://doi.o g/10.1515/au o-2015-0066
[8] Jackson, K., e al. (2016). Digi al Manu ac u ing and Flexible Assembly
Technologies o Recon igu able Ae ospace P oduc ion Sys ems. In P ocedia
CIRP. doi: h ps://doi.o g/10.1016/j.p oci .2016.07.054
[9] DESECO-OCDE. (2002). De ini ion and selec ion o compe encies: heo ical
and concep ual ounda ions. S a egy pape .
[10] El Naqa, I. y Mu phy, M. J. (2015). Wha Is Machine Lea ning? In Machine
Lea ning in Radia ion Oncology. doi: h ps://doi.o g/10.1007/978-3-319-
18305-3_1
[11] Essinge , S. D. y Rosen, G.L. (2011). An in oduc ion o machine lea ning o
s uden s in seconda y educa ion. Philadelphia: IEEE.
[12] Ha y, J. (2014). P omo ing educa ion: a s a e o he a machine lea ning
amewo k o eedback and moni o ing e-lea ning impac . 2014 IEEE Global
Humani a ian Technology Con e ence- Sou h Asia Sa elli e: IEEE.
263
Sis emas cogni i os asociados al p oceso de ap endizaje-enseñanza del ingenie o mecánico: machine
lea ning
[13] Jiménez, Y. (2016). La P og amación Neu olingüís ica y los Hemis e ios
Ce eb ales como he amien as de ap endizaje. Log oño: Sin índice.
[14] Rome o, C. y Ven u a, S. (2010). Educa ional da a mining: A e iew o he s a e
o he a . IEEE T ansac ions on Sys ems Man and Cybe ne ics Pa C, 40(6), pp.
601–618. doi: h ps://doi.o g/10.1109/TSMCC.2010.2053532
[15] Ami ah, M.S., e al. (2015). A e iew on p edic ing s uden ´s pe o mance
using da a mining echniques. The Thi d In o ma ion Sys ems In e na ional
Con e ence. doi: h ps://doi.o g/10.1016/j.p ocs.2015.12.157
[16] Ch is ian, T. M. y Ayub, M. (2014). Explo a ion o classi ica ion using nb ee o
p edic ing s uden s’ pe o mance. En Da a and So wa e Enginee ing (ICODSE),
2014 In e na ional Con e ence on, IEEE, 2014, pp. 1–6.
[17] Bin Ma , U., Buniyamin, N., A sad, P. M., y Kassim, R. (2013). An o e iew o
using academic analy ics o p edic and imp o e s uden s’ achie emen : A
p oposed p oac i e in elligen in e en ion. En Enginee ing Educa ion (ICEED),
2013 IEEE 5 h Con e ence on, IEEE, 2013, pp. 126–130.
[18] Na ek, S., Zwilling, M. (2014). S uden da a mining solu ion–knowledge
managemen sys em ela ed o highe educa ion ins i u ions. Expe sys ems
wi h applica ions, 41(14), pp. 6400–6407.
[19] G ay, G., McGuinness, C., y Owende, P. (2014). An applica ion o classi ica ion
models o p edic lea ne p og ession in e ia y educa ion. En Ad ance
Compu ing Con e ence (IACC), 2014 IEEE In e na ional, IEEE, 2014, pp. 549–
554.
[20] Ami ah, M.S., e al. (2015). A e iew on p edic ing s uden ´s pe o mance
using da a mining echniques. The Thi d In o ma ion Sys ems In e na ional
Con e ence. doi: h ps://doi.o g/10.1016/j.p ocs.2015.12.157
[21] Me ce on, A. y Yace , K. (2005). Educa ional da a mining: a case s udy.
Recupe ado de: h ps://www. esea chga e.ne /publica ion/221297164
[22] González, M.C., Tou ón, J. (1992). Au oconcep o y endimien o escola : sus
implicaciones en la mo i ación y en la au o egulación del ap endizaje. Na a a:
Ediciones Uni e sidad de Na a a.
[23] Minaei-Bidgoli, B., Kashy, D.A., Ko emeye , G., y Punch, W.F. (2003). P edic ing
s uden pe o mance: an applica ion o da a mining me hods wi h he
educa ional web-based sys em LON-CAPA in P oceedings o ASEE/IEEE F on ie s
in Educa ion Con e ence, Boulde , CO: IEEE.
264
Suá ez-Fe nández-Mi anda, S.; Aguayo-González, F.; Lama-Ruíz, J.R.
[24] Wook, M., e al. (2009) P edic ing s uden ’s academic pe o mance using da a
mining echniques. En Compu e and Elec ical Enginee ing, 2009. ICCEE’09.
Second In e na ional Con e ence, 2, IEEE, 2009, pp. 357–361.
265
Amo ización de aleación Ti40CU60 median e molienda mecánica
AMORFIZACIÓN DE ALEACIÓN TI60CU40 MEDIANTE
MOLIENDA MECÁNICA
U ban, Pe *; Sanchez Caballe o, Edua do; Te ne o Fe nández, Fá ima
TEP123: Me alu gia e Ingenie ía de los Ma e iales.
Depa amen o de Ingenie ía y Ciencia de los Ma e iales y del T anspo e. Escuela
Técnica Supe io de Ingenie ía. Uni e sidad de Se illa.
*E-mail: [email p o ec ed]
RESUMEN
En los úl imos 10 años, las aleaciones c is alinas de Ti-Cu han sido es udiadas
in ensi amen e po sus buenas p opiedades mecánicas y p o ección con a
co osión. Una de las posibilidades pa a mejo a aún más es as p opiedades es
ab ica aleaciones de Ti-Cu amo as. El obje i o del p esen e abajo ue ab ica
aleaciones amo as Ti60Cu40 median e molienda mecánica (MA). La mic oes uc u a y
la posible o mación de la ase amo a se ca ac e iza on median e g anulome ía po
di acción láse , mic oscopía elec ónica de ba ido (SEM), mic oscopía elec ónica
de ansmisión (TEM) y di acción de ayos X (XRD). La aleación Ti60Cu40 se ob u o en
es ado amo o después de 60 h de molienda.
PALABRAS CLAVE
Amo ización, Molienda mecánica, Ti anio, Cob e.
ABSTRACT
In he las 10 yea s, he c ys alline alloys o Ti-Cu ha e been s udied in ensi ely o
hei good mechanical p ope ies and good p o ec ion agains co osion. One o
he possibili ies o u he imp o e hese p ope ies is o ab ica e amo phous Ti-Cu
alloys. The objec i e o he p esen wo k was o p epa e amo phous alloys Ti60Cu40
by mechanical alloying (MA). The mic os uc u e and he possible o ma ion o he
amo phous phase we e cha ac e ized by lase di ac ion g anulome y, scanning
elec on mic oscopy (SEM), ansmission elec on mic oscopy (TEM) and X- ay
di ac ion (XRD). The alloy Ti60Cu40 was ob ained in an amo phous s a e a e 60 h
o milling.
272
U ban, P.; Sanchez Caballe o, E.; Te ne o Fe nández, F.
[10] Shengqi, X., Kesheng, Z., Xiaogang, L., Guang, R., y Jingen, Z. (2008). S udy
on he solid solubili y ex ension o Mo in Cu by mechanical alloying Cu wi h
amo phous C (Mo). Ac a Ma e ialia, 56, 6050.
[11] Akba pou , M. R. y Moni i Ja adhesa i, S. (2017). Wea pe o mance o no el
nanos uc u ed Ti-Cu in e me allic alloy as a po en ial ma e ial o biomedical
applica ions. Jou nal o Alloys and Compounds, 699, 882.
[12] Zhang, E., Wang, X., Chen, M. y Hou, B. (2016). E ec o he exis ing o m o
Cu elemen on he mechanical p ope ies, bio-co osion and an ibac e ial
p ope ies o Ti-Cu alloys o biomedical applica ion. Ma e ials Science and
Enginee ing: C, 69, 1210.
[13] Okulo , I., Pauly, S., Kühn, U., Ga ga ella, P., y Ecke , J. (2013). E ec o
mic os uc u e on he mechanical p ope ies o as-cas Ti–Nb–Al–Cu–Ni alloys
o biomedical applica ion. Ma e ials Science and Enginee ing: C, 33, 4795.
[14] Osó io, W.R., C emasco, A., P o ásio, N., Ga cia, A., y Ca am, R. (2010).
Elec ochemical beha io o cen i uged cas and hea ea ed Ti–Cu alloys o
medical applica ions. Elec ochimica Ac a, 55, 759.

273
Diseño y con ol de il os ac i os median e simulación HIL
DISEÑO Y CONTROL DE FILTROS ACTIVOS
MEDIANTE SIMULACIÓN HIL
Vélez Hinojosa, Luis F.*; B a o Rod íguez, Juan C.
G upo de in es igación: In espo ep-175.
Depa amen o de Ingenie ía Eléc ica. Escuela Poli écnica Supe io . Uni e sidad
de Se illa.
*E-mail: elipe [email p o ec ed]om
RESUMEN
La implemen ación de los il os ac i os es una de las soluciones más e icien es a la
p oblemá ica que plan ea el c ecien e uso de ca gas no lineales en la ed eléc ica
y la p oli e ación de ca gas dis ibuidas p o enien es de ene gías eno ables
conec adas a la misma. El diseño de un il o ac i o y del algo i mo pa a su con ol
pueden ealiza se median e la simulación “Ha dwa e in he loop” (HIL) en iempo
eal. Es as simulaciones si en de in e az en e el modelo ma emá ico de odos los
elemen os dinámicos elacionados con el sis ema eléc ico bajo con ol (simulación
de la plan a) y el sis ema in eg ado bajo p ueba. En es e abajo se ha desa ollado
la simulación en la máquina i ual de Typhoon HIL, an o del modelo del il o
ac i o como de su algo i mo de con ol. T as la comp obación de los modelos se
ha implemen ado el algo i mo en una a je a de p ocesamien o digi al (DSP). Pa a
la elabo ación del código de p og amación necesa io en es e sis ema de con ol de
p ueba se inco po an las he amien as Simulink de Ma lab y Code Compose S udio
(CCS). Los esul ados han sido sa is ac o ios en gene al y o ecen la posibilidad de la
implemen ación ísica del sis ema p opues o con un cos e educido.
PALABRAS CLAVE
Fil o ac i o, Ha dwa e in he loop, Simulación en iempo eal, A mónicos, Sis emas
de con ol.
274
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
ABSTRACT
Ac i e Powe Fil e implemen a ion is one o he mos e icien solu ions o p oblems
which aises non-linea loads in he elec ic ne and p oli e a ion o he dis ibu ed
cha ges which a e coming om he connec ion o enewable ene gy sou ces. The
ac i e il e design and i s con ol algo i hm can do wi h he eal ime simula ion
“Ha dwa e in he loop” (HIL). These simula ions wo k as in e ace be ween he
ma hema ician model o all dynamic elemen s, which ela e o he unde con ol
elec ic sys em, and he in eg a ed sys em which is unde es . In his p ojec , he
simula ion in he i ual machine o Typhoon HIL has been de eloped, including he
il e ac i e model and i s con ol algo i hm. A e checking he model, he algo i hm
has been implan ed in a digi al signal p ocesso ca d. To w i e he necessa y
p og amming code in his embedded sys em unde es , Simulink o Ma lab and
Code Compose S udio ools a e used. In gene al, esul s ha e been sa is ac o y, so
he designed model gi e us he chance o implemen ing physically he sys em wi h
a educed p ice.
KEYWORDS
Ac i e il e , Ha dwa e in he loop, Real ime simula ion, Ha monics, Con ol sys em.
275
Diseño y con ol de il os ac i os median e simulación HIL
INTRODUCCIÓN Y OBJETIVOS
El c ecimien o de los equipos elec ónicos es un enómeno ca ac e ís ico de los úl imos
años y su p oli e ación ha inc emen ado la apa ición de señales no sinusoidales con
al o con enido de a mónicos en el sis ema eléc ico, comp ome iendo la calidad de
la señal y a los dis in os elemen os que la componen.
La calidad de la señal se e ie e a las ca ac e ís icas con las que se o ece es a al
usua io, e aluándose pa áme os como la ecuencia, la ampli ud, la o ma y sime ía
de la onda. Las des iaciones de es os alo es espec o a unos lími es es ablecidos
po la no ma i a se conside an como una pe u bación.
Es e comp omiso de calidad e e en e a la dis o sión a mónica gene ada po las
ca gas no lineales se ha sol en ado adicionalmen e con el uso de il os pasi os
sin onizados. Sin emba go, es a solución es limi ada e imp ecisa an e a iaciones
empo ales del consumo y ocasiona enómenos de esonancia o consumos excesi os
de eac i a.
El c ecimien o de la elec ónica de po encia ha ocasionado p oblemas, pe o ambién
ha c eado un en o no de abajo más obus o pa a el desa ollo de los il os ac i os
de po encia que, a día de hoy, son la solución más iable al p oblema de la dis o sión
a mónica cuando se p oducen a iaciones del consumo en el iempo.
El concep o de il os ac i os ue in oducido po p ime a ez po Gyugyi y S ycula
en 1976 [1] y los podemos de ini como disposi i os que ap o echan la ene gía
almacenada bien, en un condensado o bien en una bobina, pa a en ega a la
ed o ol e a almacena la ene gía según una consigna de e e encia que busca
compensa la pe u bación. La gene ación se da po medio de la ape u a y cie e de
in e up o es de po encia (semiconduc o es).
Los il os ac i os se componen de con olado es que de e minan en iempo eal una
señal de e e encia compensa o ia y ue zan al con e ido a sin e iza dicha señal,
po lo que pueden compensa los a mónicos de las ca gas no lineales y pueden hace
un seguimien o de los cambios p oducidos en es as.
Pa a de e mina la compensación se han empleado muchas écnicas an o en el
dominio del iempo como en el de la ecuencia. En e ellas se encuen a la eo ía
p-q, la eo ía del ma co de e e encia sínc ono y la ans o mada de Fou ie en e
o as. La exis encia de an as écnicas lle a a pensa que el uso de cada una de ellas
se cen a en compensa una pe u bación conc e a o que una es mejo que o a.
276
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
Hoy en día, g acias al desa ollo de la elec ónica, los il os ac i os de po encia no
son un sueño y los podemos encon a de o ma come cial en muchas pa es del
mundo, pe o a un al o cos e po lo que su adquisición equie e un es udio de las
en ajas y la u ilidad que puede o ece a la ins alación.
Po es e mo i o se ha decidido busca una solución más económica de es e ipo de
compensado es. Así, nues a in es igación se enma ca en la p ime a ase pa a la
elabo ación de un il o ac i o de po encia de bajo cos e.
Es a ase se cen a en diseña un modelo y es udia su compo amien o. Pa a ello se
ha ecu ido a he amien as ales como Simulink y Typhoon que pe mi en elabo a
modelos y simula su uncionamien o en un sis ema eléc ico. El diseño p opues o
incluye los pa áme os de los elemen os que componen el il o ac i o y el con ol
del mismo, en base a las eo ías que exis en pa a ello.
Es e abajo incluye además la inco po ación del modelo de con ol en una a je a
DSP, lo que pe mi e ene una simulación más ealis a.
De o ma más conc e a, es a in es igación se ha cen ado en el diseño de un il o
ac i o en de i ación que se enca ga de elimina las pe u baciones en la co ien e; se
ha u ilizado la eo ía del ma co de e e encia sínc ono pa a el cálculo de las consignas
po acilidad en su implemen ación y pa a comp oba su uncionalidad.
El obje i o gene al de es a in es igación es diseña un modelo de il o ac i o capaz
de compensa las pe u baciones exis en es en la co ien e de un sis ema eléc ico
gene adas po ca gas no lineales y encon a una es a egia de compensación
adecuada.
El il o ac i o de po encia es un equipo elec ónico de po encia, con con ol digi al.
Su p incipio de uncionamien o consis e en la inyección de a mónicos de la misma
magni ud, pe o con ase opues a a los a mónicos exis en es en la ed [4].
Gene almen e los il os ac i os de po encia es án o mados po un con e ido , un
elemen o almacenado de ene gía, un elemen o de acople a la ed, un ci cui o de
con ol enca gado de ob ene las dis in as consigas y unos elemen os de medida.
Cada uno de es os elemen os se puede inclui en una e apa de e minada del FAP [5],
así los elemen os de medida son in oducidos en la e apa de medida; el con e ido ,
la bobina de acople y el elemen o almacenado quedan ecogidos en la e apa de
po encia. En el ci cui o de con ol enemos incluidas dos e apas impo an es como
son: el cálculo de las co ien es de consigna y la gene ación de las señales modula es.
277
Diseño y con ol de il os ac i os median e simulación HIL
En la Figu a 1, queda ecogida el esquema de las dis in as e apas del FAP.
Figu a 1. Esquema de las e apas que o ma un FAP.
La ob ención de la co ien e de consigna se ealiza sepa ando la componen e
undamen al de los a mónicos. Es os a mónicos son los u ilizados pa a gene a las
señales modulado as.
Las señales modulado as se enca gan de los pulsos de dispa o pa a el puen e
in e so , gene ando de es a o ma las co ien es de inyección necesa ias pa a la
compensación.
Ob ención de las consignas
Pa a educi o elimina los a mónicos gene ados po la ca ga no lineal, en p ime
luga , debemos sepa a la componen e undamen al de los a mónicos. Es e p oceso
es posible ealiza lo po di e sas eo ías, cada una de ellas p esen ando sus en ajas
e incon enien es. En la Tabla 1, ealizada po [2], podemos obse a la compa ación
de algunas eo ías.
Tabla 1. Compa a i a de las dis in as eo ías pa a ob ene las co ien es de consigna.
Ca ac e ís ica DFT FFT PQ dq0 undamen al dq0 a mónico
Red eléc ica 1-F/3-F 1-F/3-F 3-F 3-F 3-F
Respues a ensiones
desbalanceadas ++ ++ - + +
Respues a co ien e
desbalanceada ++ ++ ++ +++
Compensación selec i a
de a mónicos No Sí No No Sí
Tiempo espues a an e
ansi o ios - - ++ ++ +

278
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
En e los dis in os mé odos, se ha empleado el dq0 undamen al (ma co de e e encia
sínc ono) po acilidad en la implemen ación. En la Figu a 2, emos que la ob ención
de la co ien e de e e encia se basa en pasa del sis ema de e e encia abc al sis ema
dq0, il a la señal con un il o paso bajo y añadi le las pé didas p oducidas en el
bus de con inua.
Figu a 2. Cálculo de la co ien e de e e encia.
Es a egia de con ol
Pa a el con ol del bus de con inua se emplea un PI. Compa amos la señal de e e encia
del bus DC con la señal que es medida, el e o pasa po un PI y pos e io men e es
incluido en la Id pa a la ob ención de la consigna. Es impo an e que la ensión del
bus de con inua sea supe io a la ensión de la ed en odo momen o pa a ob ene
un con ol adecuado [3].
El con ol de la in ensidad consis e en compa a las co ien es inyec adas po el il o
ac i o con las consignas, consiguiendo una señal de e o a la que se le añade un
con ol PI. A la señal esul an e se le incluyen las pé didas debidas a la induc ancia
de acople y a los componen es del il o ac i o.
El ci cui o modulado PWM, oma las señales an es calculas y las ans o ma en
pulsos de dispa os. Es os pulsos pe mi en la inyección de la co ien e compensa o ia
pa a educi o elimina los a mónicos.
METODOLOGÍA
En p ime luga , ealizamos el modelo en Simulink buscando la mayo acilidad pa a
la ob ención de los dis in os pa áme os de los PI. En la Figu a 3, emos el modelo de
FAP p opues o pa a la co ección de los a mónicos en co ien e conec ado a la ed.
Una ez ealizado el modelo en Simulink, lo adap amos a la pla a o ma de Typhoon
Con ol Cen e . En es a pla a o ma buscamos un compo amien o más ealis a en la
simulación. En la Figu a 4, obse amos el modelo adap ado p opues o y su con ol.
Cuando la adap ación del modelo es sa is ac o ia pasamos a c ea el código C de
con ol necesa io en la a je a DSP. En la Figu a 5 queda ecogida el modelo de
279
Diseño y con ol de il os ac i os median e simulación HIL
con ol p opues o pa a la codi icación. Es e código es c eado con la he amien a de
Simulink y ca gado en la DSP con la he amien a Code Compose S udio.
Po úl imo, ealizamos un modelo en el que incluimos la a je a DSP y el ha dwa e
HIL. En es e diseño p opues o buscamos una simulación en iempo eal en la que
incluimos el con ol ex e no del in e so y el modelo de una ed eléc ica a la que
es á conec ada nues o FAP. En la Figu a 6, emos el modelo p opues o.
Figu a 3a. Modelo del FAP p opues o conec ado a la ed. Simulink.
Figu a 3b. Modelo de con ol del FAP. Simulink
280
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
Figu a 4a. Modelo adap ado conec ado a la ed.
Figu a 4b. Modelo de con ol del FAP. TCC.
Figu a 5a. Modelo p opues o conec ado a la ed.
281
Diseño y con ol de il os ac i os median e simulación HIL
Figu a 5b. Modelo del FAP. Ta je a DSP.
RESULTADOS Y DISCUSIÓN
Los esul ados con la simulación en Simulink los podemos e a con inuación.
Con el il o ac i o no conec ado al ci cui o, enemos los siguien es alo es:
Tabla 2. Resul ados de las señales, en Simulink 2017 a, con el FAP desconec ado de la ed.
Señales THD (%)
V= 207.6 V 5.406%
I uen e= 7.587 A 24.52%
Ica ga= 7.587 A 24.23%
Con el il o ac i o conec ado al ci cui o, enemos los siguien es esul ados:
Tabla 3. Resul ados de las señales, en Simulink 2017 a, con el FAP conec ado a la ed.
Señales THD (%)
V= 207.9 V 3.731%
I uen e= 7.434 A 9.09%
Ica ga= 7.725 A 26.23%
I il o= 2.279 A 146.6%
A con inuación, podemos emos en las igu as la ep esen ación g á ica de cada una
de las señales.
288
Vélez Hinojosa, L. F.; B a o Rod íguez, J. C.
de los e o es que apa ecían; es os in o mes en algunas ocasiones e an escue os y
no p opo cionaban in o mación su icien e como pa a sol en a el e o ápidamen e
alen izando d ás icamen e el a ance del abajo. Pese a ello, el uso de Simulink pa a
gene a el código en lenguaje C ha sido una opción muy ace ada. De es a o ma la
p og amación necesa ia en C se ha sol en ado u ilizando un en o no de p og amación
mucho más isual y amigable. Finalmen e, as un la go pe iodo solucionando los
dis in os p oblemas que apa ecían se consigue implemen a sa is ac o iamen e la
es a egia de con ol en la DSP.
El úl imo obje i o se a on a con el espaldo de un abajo p e io bien consolidado
y se cen a en una simulación conjun a del modelo y la a je a DSP. Es e abajo
conjun o ha p opo cionado la posibilidad de eajus a las e apas an e io es median e
un p oceso i e a i o que lle a a una implemen ación adecuada, es deci con odos
sus pa áme os co ec amen e ajus ados pa a o ece , unos esul ados muy buenos;
pa ecidos a los ealizados en Simulink, algo que e a bas an e deseable desde el
p incipio.
En base a los esul ados puede deci se que la p ime a e apa pa a busca una solución
económica de il os ac i os ha sido bas an e sa is ac o ia, aunque mejo able.
REFERENCIAS BIBLIOGRÁFICAS
[1] Akagi, H., Hi okazu Wa anabe, E., y A edes, M. (2007). Ins an aneous Powe
Theo y and Applica ions o Powe Condi ioning. Es ados Unidos. IEEE.
[2] Asiminoaei, L., Blaabje g, F., y Hansen, S. (2007). E alua ion o Ha monic
De ec ion Me hods o Ac i e Powe Fil e Applica ions. IEEE Indus y
Appliac ions Magazine.
[3] Lamich, M. (n.d.). Fil os ac i os de po encia. Uni e si a Poli ècnica de
Ca alunya.
[4] Muñoz, A. y Pasmay, P. (2012). Diseño y simulación de un il o ac i o de
po encia i ásico. Guayaquil: Escuela Supe io Poli écnica del li o al.
[5] Rojas, F. (2016). Diseño e implemen ación de un il o ac i o de po encia
median e il os adap a i os pa a la educción de a mónicos de co ien e an e
a iaciones de la ecuencia undamen al. Colombia: Uni e sidad Dis i al
F ancisco José De Caldas.