Modelado mediante Elementos Finitos y algoritmos de Inteligencia Artificial

Modelado mediante Elementos Finitos y algoritmos de Inteligencia Artificial

El Método de los Elementos Finitos (MEF) se emplea en las etapas de diseño y optimización de productos y aplicaciones industriales así como en la simulación de sistemas físicos complejos. Actualmente se ha convertido en una herramienta indispensable para la realización de cálculos estructurales no convencionales. El LADICIM, que dispone de licencias para los programas comerciales ANSYS (APDL y Workbench) V17 y ABAQUS 2017, posee amplia experiencia en la resolución de cálculos estructurales y de mecánica de fractura (en régimen elástico y plástico), análisis de vida en fatiga, transmisión de calor y problemas termomecánicos, entre otros.

La disciplina de Data Analytics permite el procesado en interpretación de grandes cantidades de datos para identificar patrones subyacentes. La información revelada permite la adopción de decisiones sólidas basadas en datos en contextos complejos permitiendo mejorar el comportamiento final de los productos y optimizar procesos de fabricación. El Data Analytics comprende el análisis estadístico, los algoritmos de aprendizaje automático (Machine Learning y Deep Learning) y métodos de visualización de datos. En LADICIM se han desarrollado proyectos de investigación y de transferencia en entornos diversos dentro del ámbito del Data Analytics, centrados en la aplicación de:

• Algoritmos Machine Learning de regresión para el modelado del comportamiento mecánico de materiales poliméricos complejos.
• Modelado de la relación entre las variables de procesado y el comportamiento de componentes estructurales de acero fabricados mediante horno de arco eléctrico.
• Modelado híbrido del comportamiento dinámico de la superestructura ferroviaria de alta velocidad a partir de observaciones sintéticas.
• Identificación de la microestructura de fundiciones mediante algoritmos Deep Learning y técnicas Transfer Learning.
• Clasificación microestructural de tejidos de la válvula mitral humana mediante métodos clustering.
• Modelado de la fragilización por irradiación neutrónica de aceros de vasija nuclear.
• Aplicación de técnicas de aprendizaje por refuerzo para la optimización del consumo energético de un horno de inducción para la fabricación de palanquilla.

Los modelos Machine Learning se desarrollan fundamentalmente en lenguaje de programación Python (aunque también en R y Matlab) a través de librerías como Scikit-Learn, Tensorflow, Seaborn, Matplotlib, entre otras.