L’investigador d’IQS Josep Font Moré ha aconseguit una de les prestigioses beques per a la Formació de Professorat Universitari, amb la qual durà a terme la seva tesi doctoral on explorarà el monitoratge avançat de la salut d’estructures, emprant eines de Machine Learning.
Josep Font Moré
IQS va aconseguir en el 2022 dues de les competitives ajudes per a la Formació de Professorat Universitari – beques FPU – que concedeix el Ministeri d’Universitats, en el marc del Plan Estatal de Investigación Científica y Técnica y de Innovación (PEICTI) 2021-2023.
Josep Font Moré, estudiant de doctorat del Departament d’Enginyeria Industrial d’IQS School of Engineering, va obtenir una de les setze beques FPU que es van concedir en la categoria d’Enginyeria Civil, en la darrera convocatòria d’aquestes. El projecte d’en Josep versa sobre la “Detecció de dany en estructures mitjançant mètodes de vibracions i d’intel·ligència artificial”, i el du a terme dins del grup de recerca GAM – Grup of Applied Mechanics and Advanced Manufacturing, dirigit pel professor Dr. Marco Antonio Pérez.
Aquesta recerca està emmarcada en el manteniment predictiu d’estructures civils, utilitzant sensors per obtenir informació de l’estructura i finalment poder conèixer la seva integritat, de forma similar al monitoratge mèdic en pacients. El tractament de tota aquesta informació es du a terme mitjançant l’ús d’eines de Machine Learning, que permeten trobar patrons i tendències en les complexes seqüències de dades obtingudes.
Josep, què ha significat per a tu aconseguir aquesta beca FPU?
Per a mi ha estat una gran satisfacció aconseguir-la, sabia que no era fàcil i que l’hauria de lluitar. Són beques molt exigents i molt competitives, on valoren molts aspectes: el candidat, el projecte, el director i el grup de recerca. I a més, la competència és en l’àmbit nacional. Estic molt content!
Quin és l’objectiu del teu projecte?
Vaig començar a treballar amb en Marco Antonio durant el TFG, en una línia de recerca que combinava l’enginyeria mecànica, més concretament les vibracions, amb mètodes estadístics, amb l’objectiu de determinar la integritat d’estructures. La confluència d’aquestes disciplines en un projecte amb empresa i la seva aplicació futura em van fer decantar per aquesta proposta. Posteriorment, durant el TFM, vaig continuar treballant en aquesta línia, cosa que em va permetre arribar a l’inici de la tesi amb un cert coneixement previ.
La meva tesi està centrada en el manteniment predictiu d’estructures. Mitjançant l’ús de diferents sensors, es poden extreure dades que ens permeten conèixer la integritat de les estructures. El procés és semblant als utilitzats en medicina – una anàlisi de sang o un electrocardiograma –, són proves no invasives que permeten conèixer l’estat de salut d’una persona. Nosaltres aquí seguim un procés semblant, obtenim informació amb equips no-invasius per determinar si l’estructura està “sana” o no ho està. Una peça clau en tot aquest procés és l’ús d’eines de Machine Learning, que ens ajuden a trobar patrons i tendències en sèries de dades d’una manera molt més ràpida.
Algun exemple d’aplicació d’aquesta tecnologia que esteu desenvolupant?
La idea és poder anticipar-nos a les possibles falles, sobretot en estructures que siguin vitals pel territori. Un cas molt interessant és el dels
 |
| Dr. Marco Antonio Pérez i Josep Font Moré |
aerogeneradors. Actualment, hi ha un gran interès per fonts d’energies renovables, com l’energia eòlica. Tot i això, la selecció d’una zona adient de vent, és a dir producció, i acceptació per part del territori, obliguen a construir aquestes estructures en llocs aïllats. Això, dificulta i encareix el seu manteniment. A més, les inspeccions actuals obliguen a parar la generació per tal que l’estructura pugui ser inspeccionada per personal especialitzat. En aquest sentit, la nostra investigació ajudarà a implementar sistemes automàtics capaços d’adquirir dades i processar-les mitjançant eines de ML. L’ús d’aquests sistemes milloraria la fiabilitat d’aquestes estructures i reduiria els costos associats al seu manteniment.
Encara que la investigació d’aquest camp ha guanyat molt d’interès durant els últims anys, continuen existint reptes que dificulten la implementació industrial d’aquestes tecnologies i que vam tenir presents per definir els objectius del projecte. Ara mateix estem treballant en la mitigació dels efectes ambientals i operacionals. Els canvis de temperatura o el vent, entre d’altres, són alguns dels fenòmens dinàmics que fan variar la resposta que nosaltres obtenim dels sensors. Aquesta variabilitat dificulta l’anàlisi, ja que emmascara la informació que s’extreu i genera més incertesa en els resultats obtinguts.
Col·laboreu amb algun altre universitat o centre tecnològic?
Sí. Actualment, estem col·laborant amb investigadors de la University of Edinburgh i la University of Southern Denmark (SDU) per abordar aquest problema. Ambdues universitats tenen experiència en el monitoratge d’aerogeneradors i el seu suport ens ha permès complementar-nos i avançar en aquest camp.
Fruit d’aquesta col·laboració, ha sorgit una estada de tres mesos que realitzaré aquest any a la SDU. Dinamarca és un dels països que més ha apostat per l’energia eòlica i aquesta universitat en concret és un dels referents en tècniques de monitoratge. Aquesta estada em permetrà validar els mètodes que estem desenvolupant amb dades de parcs eòlics reals i poder aprofundir més en la temàtica. La relació d’aquesta universitat amb empreses del sector és una molt bona oportunitat per augmentar l’impacte del projecte.
Marco Antonio, que representa per al vostre grup les aportacions d’en Josep i la beca que ha aconseguit?
La beca FPU ha estat una gran satisfacció per dos motius. Primer, perquè dona continuïtat a una línia de recerca que ens permetrà combinar dades d’estructures reals amb tècniques avançades de Machine Learning per a l’extracció de patrons i la seva interpretació, en col·laboració amb centres de referència internacional. Però sobretot, per la possibilitat de retenir (temporalment) i potenciar un jove talent, amb vocació científica i una merescuda projecció internacional.
Publicacions relacionades
Josep Font, Guillermo Reyes, Ricard Lado, Marco A. Pérez, Performance analysis of vibration-based damage indicators under low-modal information structures, Mechanical Systems and Signal Processing 190(1):110166 (2023)
Ricard Lado, Josep Font, Marco A. Pérez, Learning-based vídeo motion magnificaction approach for vibrtaion based damage detection, Measurment, 206, 112218 (2023).
Marco A. Pérez, Josep Font, Joan Fernàndez, Structural damage assessment in lattice towers based on a novel frequency domain-based correlation approach, Engineering Structures, 226 (2021), 111329.
Aquest contracte predoctoral ha aconseguit finançament del Ministerio de Universidades per a la Formació de Professorat Universitari