El investigador de IQS Josep Font Moré ha conseguido una de las prestigiosas becas para la Formación de Profesorado Universitario con la cual llevará a cabo su tesis doctoral donde explorará la monitorización avanzada de la salud de estructuras, empleando herramientas de Machine Learning.
Josep Font Moré
IQS consiguió en el 2022 dos de las competitivas ayudas para la Formación de Profesorado Universitario – becas FPU – que concede el Ministerio de Universidades en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación (PEICTI) 2021-2023.
Josep Font Moré, estudiante de doctorado del Departamento de Ingeniería Industrial de IQS School of Engineering, obtuvo una de las dieciséis becas FPU que se concedieron en la categoría de Ingeniería Civil, en la última convocatoria de las mismas. El proyecto de tesis de Josep versa sobre la “Detección de daño de estructuras mediante métodos de vibraciones y de inteligencia artificial”, y lo lleva a cabo en el grupo de investigación GAM – Grup of Applied Mechanics and Advanced Manufacturing, dirigido por el profesor Dr. Marco Antonio Pérez.
Esta investigación está enmarcada en el mantenimiento predictivo de estructuras civiles, utilizando sensores para obtener información de la estructura y, finalmente, conocer su integridad, de forma similar a la monitorización médica de pacientes. El tratamiento de toda esta información se lleva a cabo mediante el uso de herramientas de Machine Learning, que permiten encontrar patrones y tendencias en las complejas secuencias de datos obtenidos.
Josep, ¿qué ha significado para ti conseguir esta beca?
Para mí ha sido una gran satisfacción conseguirla, sabía que no era fácil y que la tendría que pelear. Son becas muy exigentes y muy competitivas, donde valoran muchos aspectos: el candidato, el proyecto, el director y el grupo de investigación. Y además, la competencia es en ámbito nacional. ¡Estoy muy contento!
¿Cuál es el objetivo de tu tesis?
Empecé a trabajar con Marco Antonio durante mi TFG, en una línea de investigación que combinaba la ingeniería mecánica, concretamente las vibraciones, con métodos estadísticos, con el objetivo final de determinar la integridad de estructuras. La confluencia de estas disciplinas en un proyecto con empresa y su aplicación futura me hicieron decantar por esta propuesta. Posteriormente, durante el TFM, continué trabajando en esta línea, lo cual me permitió llegar al inicio de la tesis con un cierto conocimiento previo.
Mi tesis está centrada en el mantenimiento predictivo de estructuras. Mediante el uso de diferentes sensores, se pueden obtener datos que nos permiten conocer la integridad de las estructuras. Es un proceso similar a los utilizados en medicina – un análisis de sangre, un electrocardiograma –, pruebas no invasivas que permiten conocer el estado de salud de una persona. Nosotros aquí seguimos un procedimiento parecido, obtenemos información con equipos no invasivos para determinar si la estructura está “sana” o no lo está. Una pieza clave en todo este proceso es el uso de herramientas de Machine Learning, que nos ayudan a encontrar patrones y tendencias en series de datos de una manera mucho más rápida.
¿Algún ejemplo de aplicación de la tecnología que estáis desarrollando?
La idea es poder anticiparnos a los posibles fallos, sobre todo en estructuras que sean vitales para el territorio. Un caso muy interesante es el de los
 |
| Dr. Marco Antonio Pérez y Josep Font Moré |
aerogeneradores. Actualmente, hay un gran interés pro fuente de energías renovables, como la energía eólica. Pero la selección de una zona adecuada de viento, de producción y aceptación por parte del territorio, obligan a construir estas estructuras en lugares aislados. Esto dificulta y encarece su mantenimiento. Además, las inspecciones actuales obligan a parar la generación para que la estructura pueda ser inspeccionada por el personal especializado. En este sentido, nuestra investigación ayudará a implementar sistemas capaces de adquirir datos y procesarlas mediante herramientas de ML. El uso de estos sistemas mejoraría la fiabilidad de estas estructuras y reduciría los costos asociados a su mantenimiento.
Aunque la investigación en este campo ha ganado mucho interés en los últimos años, continúan existiendo retos que dificultan la implementación industrial de estas tecnologías y que hemos tenido en cuenta para definir los objetivos del proyecto. Ahora mismo. Estamos trabajando en la mitigación de los efectos ambientales y operacionales. Los cambios de temperatura o el viento, entre otros, son algunos de los fenómenos dinámicos que hacen variar la respuesta que nosotros obtenemos de los sensores. Esta variabilidad dificulta el análisis, ya que enmascara la información que se extrae y genera más incertidumbre en los resultados obtenidos.
¿Colaboráis con otras universidades o centros tecnológicos?
Sí. Actualmente, estamos colaborando con investigadores de la University of Edinburgh y la University of Southern Denmark (SDU) para abordar estos problemas. Ambas universidades tienen experiencia en la monitorización de aerogeneradores y su apoyo nos ha permitido complementarnos y avanzar en este campo.
Fruto de esta colaboración, ha surgido una estancia de tres meses que realizaré este año en la SDU. Dinamarca es uno de los países que más ha apostado para la energía eólica y esta universidad en concreto es uno de los referentes en técnicas de monitorización. Esta estancia me permitirá validar los métodos desarrollados con datos de parques eólicos reales y poder profundizar más en la temática. La relación de esta universidad con empresas del sector es una muy buena oportunidad para aumentar el impacto del proyecto.
Marco Antonio, ¿qué representa para vuestro grupo las aportaciones de Josep y la beca que ha conseguido?
La beca FPU ha sido una gran satisfacción por dos motivos. Primero, porque da continuidad a una línea de investigación que nos permitirá combinar datos estructurales reales con técnicas avanzadas de Machine Learning para la extracción de patrones y su interpretación, en colaboración con centros de referencia internacional. Pero sobre todo, por la posibilidad de retener (temporalmente) y potenciar a un joven talento, con vocación científica y una merecida proyección internacional.
Publicaciones relacionadas
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.
Este contrato predoctoral ha conseguido financiación del Ministerio de Universidades para la Formación de Profesorado Universitario