No podrás conectarte si excedes diez intentos fallidos.
La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.
Selecciona el tuyo:
Alumnos de másteres de matemáticas resuelven problemas industriales reales
Las prácticas en empresas suelen ser el primer y principal contacto de los universitarios con la vida laboral. Pero ni en todas las carreras, ni en todos los másteres las ofertan. “Cuando el alumno acaba la universidad no sabe cómo se trabaja en una empresa, ni su ritmo, ni lo que se hace realmente en ella”, explica Javier Roca, miembro del comité científico y organizador de la IV Iberian Modelling Week (IV IMW), que se celebrará entre los días 16 y 20 de octubre en Vigo. El objetivo de este taller práctico es recrear, durante una semana, un entorno laboral en el que los alumnos de másteres con formación matemática trabajen sobre problemas reales de la industria que las matemáticas han conseguido resolver.
Los tres retos planteados son ejemplos de transferencia de tecnologías como el big data, el machine learning –máquinas que aprenden- y la simulación numérica en el campo de las telecomunicaciones, el diseño de edificios y la industria de la piedra. “Son el resultado de la colaboración entre grupos de investigación y empresas”, cuenta Roca.
El primer día del taller, los alumnos eligen el desafío que más les interesa y sobre él trabajarán el resto de las jornadas bajo la supervisión de uno de los científicos que estuvo involucrado en su resolución. También, podrán asistir representantes de las compañías. “Esto hace que resulte un escaparate muy interesante para aquellos estudiantes que quieren que las empresas les conozcan, y, para éstas, resulta una oportunidad de conocer profesionales formados”, resalta este profesor titular del Departamento de Estadística e Investigación Operativa de la Universidad de Vigo (Uvigo).
El encuentro gratuito está dirigido a alumnos españoles y portugueses de másteres de matemáticas. Su carácter internacional se debe a que se trata de una iniciativa conjunta del grupo de investigación Statistical Inference, Decision and Operation Research (SiDOR) de la Uvigo, el Instituto Tecnológico de Matemática Industrial (ITMATI) y la Red Española Matemática-Industria (math-in), en colaboración con la Red Portuguesa de Matemática para la Industria y la Innovación (PT-MATHS-IN).
LOS TRES PROBLEMAS A RESOLVER:
BIG DATA: No te vayas todavía
Cuando queda poco para que termine el periodo de permanencia que firmamos con nuestra operadora de telefonía, empezamos a recibir llamadas y mensajes con ofertas tentadoras que nos animan a continuar con ellos. Esto es porque les cuesta diez veces menos fidelizar a un cliente que ganar uno nuevo, según un estudio de Accenture. “¿Cómo saber qué usuarios están insatisfechos y se quieren dar de baja? Y de esos, ¿cuáles son irrecuperables y cuáles se lo pensarían si se les mejorara las condiciones? Solamente para estos últimos son los que tendría sentido dirigir una campaña publicitaria”, explica Roca, que además es el coordinador de uno de los retos: Modelos predictivos del churn en el sector Teleco.
En definitiva, se trata de un problema relacionado con el big data: se buscan “señales de alarma que delatan que un cliente está descontento entre la información que genera el móvil –consumo de datos y de voz-, las redes sociales -sus opiniones sobre la compañía- y la televisión digital, entre otros”. Con todo ello, se caracterizan perfiles de clientes y se desarrolla un modelo de predicción de bajas, cuenta Roca.
SIMULACIÓN: Hacia dónde sopla el viento
Otro de los problemas está relacionado con simulaciones numéricas. En lugar de datos, “utilizan las leyes físicas para caracterizar las corrientes de aire alrededor de edificios”, explica Elena B. Martín, profesora del área de Mecánica de Fluidos de la Universidad de Vigo y coordinadora de Modelización y simulación numérica de flujos en paisajes urbanos. Los modelos intentan reproducir las condiciones de flujo que se generan alrededor de un rascacielos inmerso en un paisaje urbano y, de esta manera, conocer las cargas aerodinámicas a las que está sometido antes incluso de que se construya. También permiten cuantificar el potencial eólico disponible en las cercanías del inmueble (por ejemplo, en la azotea) para los distintos escenarios más probables de condiciones de viento en la zona. “Este conocimiento permitiría a posteriori estudiar la viabilidad de la colocación de diversos dispositivos aerogeneradores y optimizar su disposición en el exterior del inmueble”, cuenta.
Para ello plantearán los modelos necesarios a resolver en distintos escenarios describiendo detalladamente las ecuaciones y sus condiciones de contorno. Asimismo, realizarán algunas simulaciones numéricas en entornos urbanos usando el software libre basado en volúmenes finitos OpenFoam.
VISIÓN ARTIFICIAL Y MAQUINAS QUE APRENDEN: automatización de procesos
Otro de los campos en los que las matemáticas han aportado su granito de arena es en la industria de la piedra. En la elaboración de placas de pizarra, casi todo el proceso está automatizado, desde la extracción en la cantera, hasta el corte en rectángulos. Pero una de sus fases, la de control de calidad, tiene que hacerla un operario de manera manual, revisando una a una cada pieza. Este paso lleva mucho tiempo, pero es ineludible pues determina si la lámina contiene alguna veta o imperfección, “lo que impediría que se vendiera como tejas para el techado y tendría que destinarse a usos menos exigentes como el revestimiento de fachadas y platos para hostelería”, cuenta Javier Martínez, profesor ayudante doctor del Centro Universitario de la Defensa Marín y coordinador del tercero de los retos, Clasificación de placas de pizarra mediante técnicas de visión artificial y machine learning.
Gracias a técnicas de visión artificial y machine learning, se ha conseguido simular la fase de clasificación. “En un primer momento, se fotografía y se escanea en tres dimensiones la placa para obtener la mayor cantidad posible de información”, explica Martínez. Después viene la parte matemática en la que se construye un algoritmo basado en técnicas de visión artificial capaz de construir un conjunto de variables que identifiquen cada pieza en función de los defectos contemplados en la normativa vigente.
Sobre la IV Iberian Modelling Week
La Iberian Modelling Week se celebra anualmente desde 2014 y alterna sede en España y Portugal. Su primera edición se organizó conjuntamente por el Centro de Estudiantes de Matemáticas de la Asociación Académica de la Universidad de Coimbra (Portugal) y el Laboratorio de Matemática Computacional del Centro de Matemática de la Universidad de Coimbra. A partir de entonces, ha pasado a ser asumido por la Red Portuguesa de Matemáticas para la Industria y la Innovación (PT-MATHS-IN) y por la Red Española Matemática-Industria (math-in).
Colaboran con la IV IMW: Ministerio de Economía, Industria y Competitividad a través de la Red Estratégica en Matemáticas; Universidade de Vigo a través de Grupo SiDOR y Grupo MA1; y Consellería de Cultura, Educación e Ordenación Universitaria de la Xunta de Galicia a través de la Red Tecnológica de Matemática Industrial (Red TMATI) y del convenio que ITMATI tiene con esta Consellería.
