Search

[ES] En el presente TFG se ha realizado un estudio sobre las diferentes alternativas a emplear para la mejora y optimización del tratamiento primario de la Estación de Tratamiento de Agua Potable (ETAP) de La Presa (Manises). Este estudio se centra en probar diferentes reactivos en la etapa de coagulación previa a los decantadores, valorar si es necesaria una etapa de floculación y buscar con todo ello una mejora tanto en el proceso como en el rendimiento económico. Dicho estudio se llevará a cabo en dos fases. Una primera de carácter experimental, en la que se simulan las condiciones del agua de entrada a la planta y se analizan los parámetros de salida mediante ensayos de Test de jarras. La segunda fase conllevaría realizar ensayos a escala mayor dentro de la planta potabilizadora de La Presa, a partir de los resultados óptimos obtenidos en la primera fase.

Este vídeo aborda los conceptos de ajuste y optimización en el contexto del aprendizaje automático, enfocándose en dos áreas principales: la optimización de hiperparámetros y la ingeniería de características. Se explica cómo estos procesos pueden mejorar el rendimiento de los modelos de machine learning. Se proporciona un ejemplo concreto de optimización de hiperparámetros utilizando el algoritmo K-Nearest Neighbors (KNN) y se demuestra cómo crear nuevas características a través de la ingeniería de características, incluyendo un ejemplo práctico para ilustrar este concepto.

Se aborda la definición de la técnica de Enfriamiento Simulado. Se indica en qué consiste, su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

[ES] En el presente TFG se ha realizado un estudio sobre las diferentes alternativas a emplear para la mejora y optimización del tratamiento primario de la Estación de Tratamiento de Agua Potable (ETAP) de La Presa (Manises). Este estudio se centra en probar diferentes reactivos en la etapa de coagulación previa a los decantadores, valorar si es necesaria una etapa de floculación y buscar con todo ello una mejora tanto en el proceso como en el rendimiento económico. Dicho estudio se llevará a cabo en dos fases. Una primera de carácter experimental, en la que se simulan las condiciones del agua de entrada a la planta y se analizan los parámetros de salida mediante ensayos de Test de jarras. La segunda fase conllevaría realizar ensayos a escala mayor dentro de la planta potabilizadora de La Presa, a partir de los resultados óptimos obtenidos en la primera fase.

Este vídeo aborda los conceptos de ajuste y optimización en el contexto del aprendizaje automático, enfocándose en dos áreas principales: la optimización de hiperparámetros y la ingeniería de características. Se explica cómo estos procesos pueden mejorar el rendimiento de los modelos de machine learning. Se proporciona un ejemplo concreto de optimización de hiperparámetros utilizando el algoritmo K-Nearest Neighbors (KNN) y se demuestra cómo crear nuevas características a través de la ingeniería de características, incluyendo un ejemplo práctico para ilustrar este concepto.

Se aborda la definición de un Algoritmo Genético (AG). Se indica su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

Se plantea una introducción a los COPs (problemas de optimización de restricciones). Se indica su utilidad y cómo se pueden formular, en base a las variables, dominios, restricciones y métrica a optimizar. Se plantea la diferencia entre un COP y un CSP. Se aborda el proceso de resolución mediante búsqueda y la posible utilización de heurísticas. Se incluyen aplicaciones como los CSPs flexibles, y cómo se pueden abordar mediante la definición de una función objetivo o métrica a optimizar.

Se aborda la definición de la técnica de Enfriamiento Simulado. Se indica en qué consiste, su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

Se aborda la definición de la técnica de Enfriamiento Simulado. Se indica en qué consiste, su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

Se plantea una introducción a los COPs (problemas de optimización de restricciones). Se indica su utilidad y cómo se pueden formular, en base a las variables, dominios, restricciones y métrica a optimizar. Se plantea la diferencia entre un COP y un CSP. Se aborda el proceso de resolución mediante búsqueda y la posible utilización de heurísticas. Se incluyen aplicaciones como los CSPs flexibles, y cómo se pueden abordar mediante la definición de una función objetivo o métrica a optimizar.

Se aborda la definición de un Algoritmo Genético (AG). Se indica su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

Este vídeo aborda los conceptos de ajuste y optimización en el contexto del aprendizaje automático, enfocándose en dos áreas principales: la optimización de hiperparámetros y la ingeniería de características. Se explica cómo estos procesos pueden mejorar el rendimiento de los modelos de machine learning. Se proporciona un ejemplo concreto de optimización de hiperparámetros utilizando el algoritmo K-Nearest Neighbors (KNN) y se demuestra cómo crear nuevas características a través de la ingeniería de características, incluyendo un ejemplo práctico para ilustrar este concepto.

Este vídeo aborda los conceptos de ajuste y optimización en el contexto del aprendizaje automático, enfocándose en dos áreas principales: la optimización de hiperparámetros y la ingeniería de características. Se explica cómo estos procesos pueden mejorar el rendimiento de los modelos de machine learning. Se proporciona un ejemplo concreto de optimización de hiperparámetros utilizando el algoritmo K-Nearest Neighbors (KNN) y se demuestra cómo crear nuevas características a través de la ingeniería de características, incluyendo un ejemplo práctico para ilustrar este concepto.

Se aborda la definición de la técnica de Enfriamiento Simulado. Se indica en qué consiste, su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

Se plantea una introducción a los COPs (problemas de optimización de restricciones). Se indica su utilidad y cómo se pueden formular, en base a las variables, dominios, restricciones y métrica a optimizar. Se plantea la diferencia entre un COP y un CSP. Se aborda el proceso de resolución mediante búsqueda y la posible utilización de heurísticas. Se incluyen aplicaciones como los CSPs flexibles, y cómo se pueden abordar mediante la definición de una función objetivo o métrica a optimizar.

Se aborda la definición de un Algoritmo Genético (AG). Se indica su utilidad, cuáles son sus etapas y los puntos más importantes de diseño; entre ellos los múltiples puntos de decisión existentes. Se presenta el algoritmo en pseudocódigo para que el alumnado pueda implementarlo de forma sencilla.

[ES] Los diseñadores de productos se enfrentan al reto de crear productos en mercados donde los clientes tienen preferencias muy heterogéneas. Como es por ejemplo, el mundo de los fabricantes de aviones, donde se buscan desde aviones pequeños regionales hasta aviones grandes para vuelos transatlánticos. Para mejorar los resultados en los objetivos relacionados con el mercado, como la cuota de mercado de preferencia, se requiere una línea de productos (un conjunto de productos relacionados que ofrece una única empresa). Sin embargo, es difícil optimizar el problema del diseño de la línea de productos debido al extenso espacio de diseño mixto-entero. Se han propuesto avances en las técnicas de optimización para ayudar en la navegación de espacios tan grandes, de modo que se pueda encontrar la solución óptima con un bajo coste computacional. Sin embargo, los problemas de diseño de líneas de productos siguen requiriendo muchas evaluaciones. Es más, muchas de estas evaluaciones se emplean en conducir la solución desde una que está muy cerca de ser óptima hasta una que es óptima. A continuación, el equipo de configuración del producto utiliza los resultados de la optimización como base para asignar recursos y construir productos. A menudo, estos resultados optimizados no se utilizan directamente, ya que hay aspectos no modelados que deben tenerse en cuenta. Por lo tanto, el esfuerzo invertido en llevar la solución desde una muy cerca del óptimo a una que es óptima puede desperdiciarse. Este proyecto va a explorar cómo el problema de optimización para un problema de diseño del mercado se puede reformular para que se devuelva un conjunto de soluciones óptimas, en lugar de un único punto óptimo. Este conjunto de soluciones se puede utilizar como punto de partida para la discusión por parte del equipo de configuración del producto. En el contexto de algoritmos de optimización como un algoritmo genético, la solución final sería el esquema que caracteriza las cualidades de una, [EN] Product designers face the challenge of creating products in markets where customers have highly heterogeneous preferences. Such is the world of aircraft manufacturers, for example, where everything from small regional aircraft to large transatlantic aircraft are sought. Improving performance in market-related objectives, such as market share of preference, requires a product line (a set of related products that are offered by a single company). However, it is difficult to optimize the product line design problem due to the expansive mixed-integer design space. Advances in optimization techniques have been proposed to aid in the navigation of such large spaces so that the optimal solution can be found at a low computational cost. Yet, product line design problems still require many evaluations. What is more, many of these evaluations are spent driving the solution from one that is very close to optimal to one that is optimal. The product configuration team then uses the optimization results as a basis for allocating resources and building products. Often, these optimized results are not used directly since there are unmodeled aspects that need to be considered. Therefore, the effort spent taking the solution from very close to optimal to one that is optimal may be wasted. This project is going to explore how the optimization problem for a market-driven design problem can be reformulated so that a set of optimal solutions is returned, rather than a single optimal point. This set of solutions can then be used as the starting point for the discussion by the product configuration team instead of a fully optimized result that will be changed anyways. In the context of optimization algorithms, the final solution would be the schema that characterizes the qualities of a good solution. For this purpose, several simulations are performed by means of the software MATLAB. In the specific product line design problem employed, the customer preferences are represented using, [CA] Els dissenyadors de productes s’enfronten al repte de crear productes en mercats on els clients tenen preferències molt heterogènies. Com és per exemple, el món dels fabricants d’avions, on es busquen des d’avions xicotets regionals fins a avions grans per a vols transatlàntics. Per a millorar els resultats en els objectius relacionats amb el mercat, com la quota de mercat de preferència, es requereix una línia de productes (un conjunt de productes relacionats que ofereix una única empresa). No obstant això, és difícil optimitzar el problema del disseny de la línia de productes a causa de l’extens espai de disseny mixt-sencer. S’han proposat avanços en les tècniques d’optimització per a ajudar en la navegació d’espais tan grans, de manera que es puga trobar la solució òptima amb un baix cost computacional. No obstant això, els problemes de disseny de línies de productes continuen requerint moltes avaluacions. És més, moltes d’aquestes avaluacions s’empren a conduir la solució des d’una que està molt prop de ser òptima fins a una que és òptima. A continuació, l’equip de configuració del producte utilitza els resultats de l’optimització com a base per a assignar recursos i construir productes. Sovint, aquests resultats optimitzats no s’utilitzen directament, ja que hi ha aspectes no modelats que han de tindre’s en compte. Per tant, l’esforç invertit a portar la solució des d’una molt prop de l’òptim a una que és òptima pot malgastarse. Aquest projecte explorarà com el problema d’optimització per a un problema de disseny del mercat es pot reformular perquè es retorne un conjunt de solucions òptimes, en lloc d’un únic punt òptim. Aquest conjunt de solucions es pot utilitzar com a punt de partida per a la discussió per part de l’equip de configuració del producte. En el context d’algorismes d’optimització com un algorisme genètic, la solució final seria l’esquema que caracteritza les qualitats d’una bona solució. Aquest esquema podria després ser presentat a l’equip

[ES] Los diseñadores de productos se enfrentan al reto de crear productos en mercados donde los clientes tienen preferencias muy heterogéneas. Como es por ejemplo, el mundo de los fabricantes de aviones, donde se buscan desde aviones pequeños regionales hasta aviones grandes para vuelos transatlánticos. Para mejorar los resultados en los objetivos relacionados con el mercado, como la cuota de mercado de preferencia, se requiere una línea de productos (un conjunto de productos relacionados que ofrece una única empresa). Sin embargo, es difícil optimizar el problema del diseño de la línea de productos debido al extenso espacio de diseño mixto-entero. Se han propuesto avances en las técnicas de optimización para ayudar en la navegación de espacios tan grandes, de modo que se pueda encontrar la solución óptima con un bajo coste computacional. Sin embargo, los problemas de diseño de líneas de productos siguen requiriendo muchas evaluaciones. Es más, muchas de estas evaluaciones se emplean en conducir la solución desde una que está muy cerca de ser óptima hasta una que es óptima. A continuación, el equipo de configuración del producto utiliza los resultados de la optimización como base para asignar recursos y construir productos. A menudo, estos resultados optimizados no se utilizan directamente, ya que hay aspectos no modelados que deben tenerse en cuenta. Por lo tanto, el esfuerzo invertido en llevar la solución desde una muy cerca del óptimo a una que es óptima puede desperdiciarse. Este proyecto va a explorar cómo el problema de optimización para un problema de diseño del mercado se puede reformular para que se devuelva un conjunto de soluciones óptimas, en lugar de un único punto óptimo. Este conjunto de soluciones se puede utilizar como punto de partida para la discusión por parte del equipo de configuración del producto. En el contexto de algoritmos de optimización como un algoritmo genético, la solución final sería el esquema que caracteriza las cualidades de una, [EN] Product designers face the challenge of creating products in markets where customers have highly heterogeneous preferences. Such is the world of aircraft manufacturers, for example, where everything from small regional aircraft to large transatlantic aircraft are sought. Improving performance in market-related objectives, such as market share of preference, requires a product line (a set of related products that are offered by a single company). However, it is difficult to optimize the product line design problem due to the expansive mixed-integer design space. Advances in optimization techniques have been proposed to aid in the navigation of such large spaces so that the optimal solution can be found at a low computational cost. Yet, product line design problems still require many evaluations. What is more, many of these evaluations are spent driving the solution from one that is very close to optimal to one that is optimal. The product configuration team then uses the optimization results as a basis for allocating resources and building products. Often, these optimized results are not used directly since there are unmodeled aspects that need to be considered. Therefore, the effort spent taking the solution from very close to optimal to one that is optimal may be wasted. This project is going to explore how the optimization problem for a market-driven design problem can be reformulated so that a set of optimal solutions is returned, rather than a single optimal point. This set of solutions can then be used as the starting point for the discussion by the product configuration team instead of a fully optimized result that will be changed anyways. In the context of optimization algorithms, the final solution would be the schema that characterizes the qualities of a good solution. For this purpose, several simulations are performed by means of the software MATLAB. In the specific product line design problem employed, the customer preferences are represented using, [CA] Els dissenyadors de productes s’enfronten al repte de crear productes en mercats on els clients tenen preferències molt heterogènies. Com és per exemple, el món dels fabricants d’avions, on es busquen des d’avions xicotets regionals fins a avions grans per a vols transatlàntics. Per a millorar els resultats en els objectius relacionats amb el mercat, com la quota de mercat de preferència, es requereix una línia de productes (un conjunt de productes relacionats que ofereix una única empresa). No obstant això, és difícil optimitzar el problema del disseny de la línia de productes a causa de l’extens espai de disseny mixt-sencer. S’han proposat avanços en les tècniques d’optimització per a ajudar en la navegació d’espais tan grans, de manera que es puga trobar la solució òptima amb un baix cost computacional. No obstant això, els problemes de disseny de línies de productes continuen requerint moltes avaluacions. És més, moltes d’aquestes avaluacions s’empren a conduir la solució des d’una que està molt prop de ser òptima fins a una que és òptima. A continuació, l’equip de configuració del producte utilitza els resultats de l’optimització com a base per a assignar recursos i construir productes. Sovint, aquests resultats optimitzats no s’utilitzen directament, ja que hi ha aspectes no modelats que han de tindre’s en compte. Per tant, l’esforç invertit a portar la solució des d’una molt prop de l’òptim a una que és òptima pot malgastarse. Aquest projecte explorarà com el problema d’optimització per a un problema de disseny del mercat es pot reformular perquè es retorne un conjunt de solucions òptimes, en lloc d’un únic punt òptim. Aquest conjunt de solucions es pot utilitzar com a punt de partida per a la discussió per part de l’equip de configuració del producte. En el context d’algorismes d’optimització com un algorisme genètic, la solució final seria l’esquema que caracteritza les qualitats d’una bona solució. Aquest esquema podria després ser presentat a l’equip

[ES] Los diseñadores de productos se enfrentan al reto de crear productos en mercados donde los clientes tienen preferencias muy heterogéneas. Como es por ejemplo, el mundo de los fabricantes de aviones, donde se buscan desde aviones pequeños regionales hasta aviones grandes para vuelos transatlánticos. Para mejorar los resultados en los objetivos relacionados con el mercado, como la cuota de mercado de preferencia, se requiere una línea de productos (un conjunto de productos relacionados que ofrece una única empresa). Sin embargo, es difícil optimizar el problema del diseño de la línea de productos debido al extenso espacio de diseño mixto-entero. Se han propuesto avances en las técnicas de optimización para ayudar en la navegación de espacios tan grandes, de modo que se pueda encontrar la solución óptima con un bajo coste computacional. Sin embargo, los problemas de diseño de líneas de productos siguen requiriendo muchas evaluaciones. Es más, muchas de estas evaluaciones se emplean en conducir la solución desde una que está muy cerca de ser óptima hasta una que es óptima. A continuación, el equipo de configuración del producto utiliza los resultados de la optimización como base para asignar recursos y construir productos. A menudo, estos resultados optimizados no se utilizan directamente, ya que hay aspectos no modelados que deben tenerse en cuenta. Por lo tanto, el esfuerzo invertido en llevar la solución desde una muy cerca del óptimo a una que es óptima puede desperdiciarse. Este proyecto va a explorar cómo el problema de optimización para un problema de diseño del mercado se puede reformular para que se devuelva un conjunto de soluciones óptimas, en lugar de un único punto óptimo. Este conjunto de soluciones se puede utilizar como punto de partida para la discusión por parte del equipo de configuración del producto. En el contexto de algoritmos de optimización como un algoritmo genético, la solución final sería el esquema que caracteriza las cualidades de una, [EN] Product designers face the challenge of creating products in markets where customers have highly heterogeneous preferences. Such is the world of aircraft manufacturers, for example, where everything from small regional aircraft to large transatlantic aircraft are sought. Improving performance in market-related objectives, such as market share of preference, requires a product line (a set of related products that are offered by a single company). However, it is difficult to optimize the product line design problem due to the expansive mixed-integer design space. Advances in optimization techniques have been proposed to aid in the navigation of such large spaces so that the optimal solution can be found at a low computational cost. Yet, product line design problems still require many evaluations. What is more, many of these evaluations are spent driving the solution from one that is very close to optimal to one that is optimal. The product configuration team then uses the optimization results as a basis for allocating resources and building products. Often, these optimized results are not used directly since there are unmodeled aspects that need to be considered. Therefore, the effort spent taking the solution from very close to optimal to one that is optimal may be wasted. This project is going to explore how the optimization problem for a market-driven design problem can be reformulated so that a set of optimal solutions is returned, rather than a single optimal point. This set of solutions can then be used as the starting point for the discussion by the product configuration team instead of a fully optimized result that will be changed anyways. In the context of optimization algorithms, the final solution would be the schema that characterizes the qualities of a good solution. For this purpose, several simulations are performed by means of the software MATLAB. In the specific product line design problem employed, the customer preferences are represented using, [CA] Els dissenyadors de productes s’enfronten al repte de crear productes en mercats on els clients tenen preferències molt heterogènies. Com és per exemple, el món dels fabricants d’avions, on es busquen des d’avions xicotets regionals fins a avions grans per a vols transatlàntics. Per a millorar els resultats en els objectius relacionats amb el mercat, com la quota de mercat de preferència, es requereix una línia de productes (un conjunt de productes relacionats que ofereix una única empresa). No obstant això, és difícil optimitzar el problema del disseny de la línia de productes a causa de l’extens espai de disseny mixt-sencer. S’han proposat avanços en les tècniques d’optimització per a ajudar en la navegació d’espais tan grans, de manera que es puga trobar la solució òptima amb un baix cost computacional. No obstant això, els problemes de disseny de línies de productes continuen requerint moltes avaluacions. És més, moltes d’aquestes avaluacions s’empren a conduir la solució des d’una que està molt prop de ser òptima fins a una que és òptima. A continuació, l’equip de configuració del producte utilitza els resultats de l’optimització com a base per a assignar recursos i construir productes. Sovint, aquests resultats optimitzats no s’utilitzen directament, ja que hi ha aspectes no modelats que han de tindre’s en compte. Per tant, l’esforç invertit a portar la solució des d’una molt prop de l’òptim a una que és òptima pot malgastarse. Aquest projecte explorarà com el problema d’optimització per a un problema de disseny del mercat es pot reformular perquè es retorne un conjunt de solucions òptimes, en lloc d’un únic punt òptim. Aquest conjunt de solucions es pot utilitzar com a punt de partida per a la discussió per part de l’equip de configuració del producte. En el context d’algorismes d’optimització com un algorisme genètic, la solució final seria l’esquema que caracteritza les qualitats d’una bona solució. Aquest esquema podria després ser presentat a l’equip

Algoritmo LMS utilizado en los filtros adaptativos. Obtiene los coeficientes de un filtro FIR (Finite Impulse Response) que actúa de forma similar a un filtro óptimo, pero basándose en las muestras de la señal.

En este objeto de aprendizaje se muestra cómo se puede implementar la metaheurística de Recocido Simulado para resolver un problema de secuenciación en una máquina con tiempos de preparación

En este vídeo se presenta una introducción sobre los algoritmos genéticos, explicando su estructura genérica y su aplicación.

En este objeto de aprendizaje se explica una aplicación de la metaheurística Iterated Greedy a un problema de secuenciación en una máquina con tiempos de preparación

En este vídeo se presenta una introducción sobre los algoritmos genéticos, explicando su estructura genérica y su aplicación.

[ES] Los vehículos de emergencia sanitaria (i.e., ambulancias) son un recurso escaso y costoso cuyo uso debe ser optimizado para garantizar la mejor calidad de servicio. En términos sanitarios, la calidad del servicio en el transporte urgente está relacionada con el tiempo de respuesta de la ambulancia. Es decir, el tiempo comprendido entre que se recibe la llamada por parte de los servicios de emergencia y la llegada de la ambulancia al lugar de la incidencia. El problema de la localización estática consiste en determinar la estación de inicio y reposo de un conjunto de ambulancias entre un conjunto de posibles localizaciones. Esta configuración inicial es importante puesto que determina aquellos sectores de la población que quedan cubiertos, así como los tiempos de respuesta una vez que el sistema comienza a funcionar y se comienzan a recibir llamadas. En este proyecto nos apoyamos en el uso de algoritmos metaheurísticos para la optimización de la localización estática de las ambulancias en el área metropolitana de Valencia haciendo uso de simulación basada en datos reales del año 2019 para la correcta evaluación de la solución propuesta por las metaheurísticas para el problema de la localización estática., [EN] Emergency medical vehicles (i.e., ambulances) are a scarce and costly resource whose use must be optimized to ensure the best quality of service. In healthcare terms, the quality of service in emergency transport is related to the ambulance response time. That is, the time from which the call is received by the emergency services to the arrival of the ambulance at the scene of the incident. The static location problem consists of determining the starting and resting station of a set of ambulances from a set of possible locations. This initial configuration is key, since it determines which sectors of the population are covered, as well as the response times once the system starts to operate and calls are received. In this project we rely on the use of metaheuristic algorithms for the optimization of the static location of ambulances in the metropolitan area of Valencia, making use of simulation based on data from the year 2019, for the correct evaluation of the solution proposed by the metaheuristics for the static location problem., [CA] Els vehicles d'emergència sanitària per exemple, ambulàncies, són recursos escassos i costosos, l'ús dels quals ha de ser optimitzat per a garantir la millor qualitat de servei. En termes sanitaris, la qualitat del servei en el transport urgent està relacionada amb el temps de resposta de l'ambulància. És a dir, el temps comprés entre que es rep la telefonada per part dels serveis d'emergència i l'arribada de l'ambulància al lloc de la incidència. El problema de la localització estàtica consisteix a determinar l'estació d'inici i repòs d'un conjunt d'ambulàncies, entre un altre conjunt de possibles localitzacions. Aquesta configuració inicial és important perquè determina aquells sectors de la població que queden coberts, així com els temps de resposta una vegada que el sistema comença a funcionar i es comencen a rebre cridades. En aquest projecte ens recolzem en l'ús d'algorismes metaheuristics per a l'optimització de la localització estàtica de les ambulàncies en l'àrea metropolitana de València, fent ús de simulació basada en dades de l'any 2019, per a la correcta avaluació de la solució proposada per les metaheuristiques per al problema de la localització estàtica.

[ES] Las smart cities o ciudades inteligentes son aquellas capaces de utilizar la tecnología de la información y la comunicación (TIC), con el fin de promover un eficiente desarrollo sostenible y mejorar la calidad de vida de sus ciudadanos. Hoy en día el crecimiento poblacional de las distintas ciudades del mundo es mucho mayor y cada día la sociedad demanda un mejor aprovechamiento de los recursos, desde personal empleado del sector público para la correcta y eficiente gestión administrativa, así como de personal empleado en distintos sectores de servicios, como salud, bomberos, policías, hasta recursos físicos como ambulancias, patrullas, camiones, entre otros. Con el presente trabajo se diseña y se implementa un modelo de optimización con el fin de realizar una planificación y/o asignación eficiente de recursos a las distintas demandas que puedan existir en una o muchas ubicaciones, de forma que se cubra la mayor demanda posible minimizando en su medida el gasto monetario que puede generar dicha asignación y empleabilidad de estos recursos., [EN] Smart cities are those capable of using information and communication technology (ICT) to promote efficient sustainable development and improve the quality of life of their citizens. Today the population growth in different cities around the world is much greater and every day society demands a better use of resources, from personnel employed in the public sector for the correct and efficient administrative management, as well as personnel employed in different sectors such as healthcare, firefighters, police, even physical resources such as ambulances, patrol cars, trucks, among others. With the present work, an optimization model is designed and implemented in order to carry out and efficient planning and/or allocation of resources to the different demands that may exist in one or many locations, so that the greatest possible demand is covered minimizing to the extent the monetary expense of the allocation and employability of these resources can generate.

[ES] Los vehículos de emergencia sanitaria (i.e., ambulancias) son un recurso escaso y costoso cuyo uso debe ser optimizado para garantizar la mejor calidad de servicio. En términos sanitarios, la calidad del servicio en el transporte urgente está relacionada con el tiempo de respuesta de la ambulancia. Es decir, el tiempo comprendido entre que se recibe la llamada por parte de los servicios de emergencia y la llegada de la ambulancia al lugar de la incidencia. El problema de la localización estática consiste en determinar la estación de inicio y reposo de un conjunto de ambulancias entre un conjunto de posibles localizaciones. Esta configuración inicial es importante puesto que determina aquellos sectores de la población que quedan cubiertos, así como los tiempos de respuesta una vez que el sistema comienza a funcionar y se comienzan a recibir llamadas. En este proyecto nos apoyamos en el uso de algoritmos metaheurísticos para la optimización de la localización estática de las ambulancias en el área metropolitana de Valencia haciendo uso de simulación basada en datos reales del año 2019 para la correcta evaluación de la solución propuesta por las metaheurísticas para el problema de la localización estática., [EN] Emergency medical vehicles (i.e., ambulances) are a scarce and costly resource whose use must be optimized to ensure the best quality of service. In healthcare terms, the quality of service in emergency transport is related to the ambulance response time. That is, the time from which the call is received by the emergency services to the arrival of the ambulance at the scene of the incident. The static location problem consists of determining the starting and resting station of a set of ambulances from a set of possible locations. This initial configuration is key, since it determines which sectors of the population are covered, as well as the response times once the system starts to operate and calls are received. In this project we rely on the use of metaheuristic algorithms for the optimization of the static location of ambulances in the metropolitan area of Valencia, making use of simulation based on data from the year 2019, for the correct evaluation of the solution proposed by the metaheuristics for the static location problem., [CA] Els vehicles d'emergència sanitària per exemple, ambulàncies, són recursos escassos i costosos, l'ús dels quals ha de ser optimitzat per a garantir la millor qualitat de servei. En termes sanitaris, la qualitat del servei en el transport urgent està relacionada amb el temps de resposta de l'ambulància. És a dir, el temps comprés entre que es rep la telefonada per part dels serveis d'emergència i l'arribada de l'ambulància al lloc de la incidència. El problema de la localització estàtica consisteix a determinar l'estació d'inici i repòs d'un conjunt d'ambulàncies, entre un altre conjunt de possibles localitzacions. Aquesta configuració inicial és important perquè determina aquells sectors de la població que queden coberts, així com els temps de resposta una vegada que el sistema comença a funcionar i es comencen a rebre cridades. En aquest projecte ens recolzem en l'ús d'algorismes metaheuristics per a l'optimització de la localització estàtica de les ambulàncies en l'àrea metropolitana de València, fent ús de simulació basada en dades de l'any 2019, per a la correcta avaluació de la solució proposada per les metaheuristiques per al problema de la localització estàtica.

Algoritmo LMS utilizado en los filtros adaptativos. Obtiene los coeficientes de un filtro FIR (Finite Impulse Response) que actúa de forma similar a un filtro óptimo, pero basándose en las muestras de la señal.

En este vídeo se presenta una introducción sobre los algoritmos genéticos, explicando su estructura genérica y su aplicación.

En este objeto de aprendizaje se muestra cómo se puede implementar la metaheurística de Recocido Simulado para resolver un problema de secuenciación en una máquina con tiempos de preparación

En este objeto de aprendizaje se explica una aplicación de la metaheurística Iterated Greedy a un problema de secuenciación en una máquina con tiempos de preparación

El objeto de aprendizaje muestra una aplicación de la metaheurística denominada Búsqueda Tabú a un problema de secuenciación de trabajos en una máquina con tiempos de preparación

Algoritmo de descenso por gradiente utilizado en los filtros adaptativos y que obtiene los mismos coeficientes de un filtro FIR (Finite Impulse Response) que el filtro óptimo, también llamado filtro de Wiener.

Algoritmo LMS utilizado en los filtros adaptativos. Obtiene los coeficientes de un filtro FIR (Finite Impulse Response) que actúa de forma similar a un filtro óptimo, pero basándose en las muestras de la señal.

En este vídeo se presenta una introducción sobre los algoritmos genéticos, explicando su estructura genérica y su aplicación.

En este objeto de aprendizaje se explica una aplicación de la metaheurística Iterated Greedy a un problema de secuenciación en una máquina con tiempos de preparación

En este objeto de aprendizaje se muestra cómo se puede implementar la metaheurística de Recocido Simulado para resolver un problema de secuenciación en una máquina con tiempos de preparación

En este objeto de aprendizaje se muestra cómo se puede implementar la metaheurística de Recocido Simulado para resolver un problema de secuenciación en una máquina con tiempos de preparación

Algoritmo de descenso por gradiente utilizado en los filtros adaptativos y que obtiene los mismos coeficientes de un filtro FIR (Finite Impulse Response) que el filtro óptimo, también llamado filtro de Wiener.

El objeto de aprendizaje muestra una aplicación de la metaheurística denominada Búsqueda Tabú a un problema de secuenciación de trabajos en una máquina con tiempos de preparación

En este objeto de aprendizaje se explica una aplicación de la metaheurística Iterated Greedy a un problema de secuenciación en una máquina con tiempos de preparación

[EN] Diatebes mellitus type 1 (T1DM) requires an strict control for insulin delivery to avoid severe consequences derived from hiperglycemia and hipoglycemia. The concept of an artificial pancreas allows the automation of the threatment of patients with this disease. However, capable control algorithms are required to operate efficiently such devices in order to maintain the blood glucose concentration (GC) in appropriate levels. Such GC levels together with the incapability of controller to eliminate insulin from system indicates that input and output are bounded, which is taken into account in the controller design to provide a better performance. Owing to the presence of uncertainty and external perturbations, the design of a robust bounded controller based on an Enhanced Generalized Extended State Observer (EGESO) is proposed to ensure an appropriate operation that avoids hiperglycemia and hipoglycemia scenarios. Estimation of states and disturbance is provided by EGESO, which eliminates the neccessity of information related to meal times and carbohydrate content. Closed loop system stability with the proposed controller is guaranteed by means of the Attractive Ellipsoid Method and the solution of a BMI optimization problem. The performance of the proposal is verified by simulations in Simulink, which shows thatthe proposal emulates the open-loop therapy where the patient delivers a bolus of insulin in parallel form with every meal., [ES] La diabetes mellitus tipo 1 requiere de un estricto control en la administración de insulina para evitar consecuencias graves derivadas de la hiperglucemia y la hipoglucemia. El concepto de páncreas artificial permite la automatización en el tratamiento de pacientes con esta enfermedad, sin embargo, requiere de algoritmos de control capaces de operar eficientemente para mantener la concentración de glucosa en la sangre en niveles apropiados. Estos niveles apropiados en conjunto con el hecho de que el controlador no puede eliminar insulina del sistema nos indican que la salida y la entrada se encuentran acotadas, lo cual es considerado en el diseño del controlador para mejorar su desempeño. Debido a la presencia de incertidumbres y perturbaciones externas se propone el uso de un controlador robusto basado en un observador de estados extendidos generalizado (EGESO) que asegure una operación eficiente que evite episodios de hiperglucemia e hipoglucemia. Con el uso del EGESO se pueden estimar tanto los estados del sistema como las perturbaciones, lo cual elimina la necesidad de conocer información sobre las horas de ingesta, así como las cantidades a ingerir. La estabilidad del sistema de control propuesto es asegurada mediante el método del elipsoide atractivo y la solución de un problema de optimización basado en desigualdades matriciales bilineales (BMI). El desempeño del esquema de control propuesto es verificado mediante pruebas de simulación en Simulink, donde se observa que el controlador propuesto emula la terapia de bucleabierto en la cual el paciente debe administrar un bolo de insulina de forma paralela a cada ingesta..

[EN] Diatebes mellitus type 1 (T1DM) requires an strict control for insulin delivery to avoid severe consequences derived from hiperglycemia and hipoglycemia. The concept of an artificial pancreas allows the automation of the threatment of patients with this disease. However, capable control algorithms are required to operate efficiently such devices in order to maintain the blood glucose concentration (GC) in appropriate levels. Such GC levels together with the incapability of controller to eliminate insulin from system indicates that input and output are bounded, which is taken into account in the controller design to provide a better performance. Owing to the presence of uncertainty and external perturbations, the design of a robust bounded controller based on an Enhanced Generalized Extended State Observer (EGESO) is proposed to ensure an appropriate operation that avoids hiperglycemia and hipoglycemia scenarios. Estimation of states and disturbance is provided by EGESO, which eliminates the neccessity of information related to meal times and carbohydrate content. Closed loop system stability with the proposed controller is guaranteed by means of the Attractive Ellipsoid Method and the solution of a BMI optimization problem. The performance of the proposal is verified by simulations in Simulink, which shows thatthe proposal emulates the open-loop therapy where the patient delivers a bolus of insulin in parallel form with every meal., [ES] La diabetes mellitus tipo 1 requiere de un estricto control en la administración de insulina para evitar consecuencias graves derivadas de la hiperglucemia y la hipoglucemia. El concepto de páncreas artificial permite la automatización en el tratamiento de pacientes con esta enfermedad, sin embargo, requiere de algoritmos de control capaces de operar eficientemente para mantener la concentración de glucosa en la sangre en niveles apropiados. Estos niveles apropiados en conjunto con el hecho de que el controlador no puede eliminar insulina del sistema nos indican que la salida y la entrada se encuentran acotadas, lo cual es considerado en el diseño del controlador para mejorar su desempeño. Debido a la presencia de incertidumbres y perturbaciones externas se propone el uso de un controlador robusto basado en un observador de estados extendidos generalizado (EGESO) que asegure una operación eficiente que evite episodios de hiperglucemia e hipoglucemia. Con el uso del EGESO se pueden estimar tanto los estados del sistema como las perturbaciones, lo cual elimina la necesidad de conocer información sobre las horas de ingesta, así como las cantidades a ingerir. La estabilidad del sistema de control propuesto es asegurada mediante el método del elipsoide atractivo y la solución de un problema de optimización basado en desigualdades matriciales bilineales (BMI). El desempeño del esquema de control propuesto es verificado mediante pruebas de simulación en Simulink, donde se observa que el controlador propuesto emula la terapia de bucleabierto en la cual el paciente debe administrar un bolo de insulina de forma paralela a cada ingesta..

[EN] Diatebes mellitus type 1 (T1DM) requires an strict control for insulin delivery to avoid severe consequences derived from hiperglycemia and hipoglycemia. The concept of an artificial pancreas allows the automation of the threatment of patients with this disease. However, capable control algorithms are required to operate efficiently such devices in order to maintain the blood glucose concentration (GC) in appropriate levels. Such GC levels together with the incapability of controller to eliminate insulin from system indicates that input and output are bounded, which is taken into account in the controller design to provide a better performance. Owing to the presence of uncertainty and external perturbations, the design of a robust bounded controller based on an Enhanced Generalized Extended State Observer (EGESO) is proposed to ensure an appropriate operation that avoids hiperglycemia and hipoglycemia scenarios. Estimation of states and disturbance is provided by EGESO, which eliminates the neccessity of information related to meal times and carbohydrate content. Closed loop system stability with the proposed controller is guaranteed by means of the Attractive Ellipsoid Method and the solution of a BMI optimization problem. The performance of the proposal is verified by simulations in Simulink, which shows thatthe proposal emulates the open-loop therapy where the patient delivers a bolus of insulin in parallel form with every meal., [ES] La diabetes mellitus tipo 1 requiere de un estricto control en la administración de insulina para evitar consecuencias graves derivadas de la hiperglucemia y la hipoglucemia. El concepto de páncreas artificial permite la automatización en el tratamiento de pacientes con esta enfermedad, sin embargo, requiere de algoritmos de control capaces de operar eficientemente para mantener la concentración de glucosa en la sangre en niveles apropiados. Estos niveles apropiados en conjunto con el hecho de que el controlador no puede eliminar insulina del sistema nos indican que la salida y la entrada se encuentran acotadas, lo cual es considerado en el diseño del controlador para mejorar su desempeño. Debido a la presencia de incertidumbres y perturbaciones externas se propone el uso de un controlador robusto basado en un observador de estados extendidos generalizado (EGESO) que asegure una operación eficiente que evite episodios de hiperglucemia e hipoglucemia. Con el uso del EGESO se pueden estimar tanto los estados del sistema como las perturbaciones, lo cual elimina la necesidad de conocer información sobre las horas de ingesta, así como las cantidades a ingerir. La estabilidad del sistema de control propuesto es asegurada mediante el método del elipsoide atractivo y la solución de un problema de optimización basado en desigualdades matriciales bilineales (BMI). El desempeño del esquema de control propuesto es verificado mediante pruebas de simulación en Simulink, donde se observa que el controlador propuesto emula la terapia de bucleabierto en la cual el paciente debe administrar un bolo de insulina de forma paralela a cada ingesta..

[EN] Diatebes mellitus type 1 (T1DM) requires an strict control for insulin delivery to avoid severe consequences derived from hiperglycemia and hipoglycemia. The concept of an artificial pancreas allows the automation of the threatment of patients with this disease. However, capable control algorithms are required to operate efficiently such devices in order to maintain the blood glucose concentration (GC) in appropriate levels. Such GC levels together with the incapability of controller to eliminate insulin from system indicates that input and output are bounded, which is taken into account in the controller design to provide a better performance. Owing to the presence of uncertainty and external perturbations, the design of a robust bounded controller based on an Enhanced Generalized Extended State Observer (EGESO) is proposed to ensure an appropriate operation that avoids hiperglycemia and hipoglycemia scenarios. Estimation of states and disturbance is provided by EGESO, which eliminates the neccessity of information related to meal times and carbohydrate content. Closed loop system stability with the proposed controller is guaranteed by means of the Attractive Ellipsoid Method and the solution of a BMI optimization problem. The performance of the proposal is verified by simulations in Simulink, which shows thatthe proposal emulates the open-loop therapy where the patient delivers a bolus of insulin in parallel form with every meal., [ES] La diabetes mellitus tipo 1 requiere de un estricto control en la administración de insulina para evitar consecuencias graves derivadas de la hiperglucemia y la hipoglucemia. El concepto de páncreas artificial permite la automatización en el tratamiento de pacientes con esta enfermedad, sin embargo, requiere de algoritmos de control capaces de operar eficientemente para mantener la concentración de glucosa en la sangre en niveles apropiados. Estos niveles apropiados en conjunto con el hecho de que el controlador no puede eliminar insulina del sistema nos indican que la salida y la entrada se encuentran acotadas, lo cual es considerado en el diseño del controlador para mejorar su desempeño. Debido a la presencia de incertidumbres y perturbaciones externas se propone el uso de un controlador robusto basado en un observador de estados extendidos generalizado (EGESO) que asegure una operación eficiente que evite episodios de hiperglucemia e hipoglucemia. Con el uso del EGESO se pueden estimar tanto los estados del sistema como las perturbaciones, lo cual elimina la necesidad de conocer información sobre las horas de ingesta, así como las cantidades a ingerir. La estabilidad del sistema de control propuesto es asegurada mediante el método del elipsoide atractivo y la solución de un problema de optimización basado en desigualdades matriciales bilineales (BMI). El desempeño del esquema de control propuesto es verificado mediante pruebas de simulación en Simulink, donde se observa que el controlador propuesto emula la terapia de bucleabierto en la cual el paciente debe administrar un bolo de insulina de forma paralela a cada ingesta..

[EN] Since 2000 the Zentrum f¨ur Mathematik in Bensheim (ZFM) and the Technical University Darmstadt (TUDa) have organized an annual autumn school for mathematically highly talented pupils in their last year of school. For one week, the participants work in groups on application problems, which first need to be transformed into mathematics and then be solved by mathematical analyzation and numerical approximation and implementation on a computer. Finally, the results are presented. The problems are very realistic. Only minor details may be skipped, to make the problem easier to handle and to focus on the main issue at hand, but only if they do not affect the basic result. For some of the problems there exist similar, but much simpler, counterparts that can be solved in a shorter time period even in a usual school setting. Solving those simple problems opens the outlook to the hard problems if they are mentioned before. This paper examines two applications that led to mathematical problems from analysis and geometry., [ES] Desde el año 2000, el Zentrum für Mathematik de Bensheim (ZFM) y la Universidad Darmstadt (TUDa) organizan anualmente una escuela de otoño para alumnos con gran talento matemático que cursan el último año de estudios. Durante una semana, los participantes trabajan en grupos sobre problemas de aplicación, que primero hay que matematizar y luego resolver mediante análisis matemático y aproximación numérica. Finalmente, se presentan los resultados. Los problemas son muy realistas. Sólo se pueden omitir detalles menores, para facilitar el manejo del problema y centrarse en la cuestión principal, solo si no afectan al resultado básico. Para algunos de los problemas existen versiones más sencillas, que pueden resolverse en un periodo de tiempo más corto, incluso en un entorno escolar habitual. La resolución de esos problemas sencillos abre la perspectiva a los problemas difíciles si se introducen antes. En este trabajo se examinan dos aplicaciones que llevaron a problemas matemáticos problemas de análisis y geometría.

[EN] Since 2000 the Zentrum f¨ur Mathematik in Bensheim (ZFM) and the Technical University Darmstadt (TUDa) have organized an annual autumn school for mathematically highly talented pupils in their last year of school. For one week, the participants work in groups on application problems, which first need to be transformed into mathematics and then be solved by mathematical analyzation and numerical approximation and implementation on a computer. Finally, the results are presented. The problems are very realistic. Only minor details may be skipped, to make the problem easier to handle and to focus on the main issue at hand, but only if they do not affect the basic result. For some of the problems there exist similar, but much simpler, counterparts that can be solved in a shorter time period even in a usual school setting. Solving those simple problems opens the outlook to the hard problems if they are mentioned before. This paper examines two applications that led to mathematical problems from analysis and geometry., [ES] Desde el año 2000, el Zentrum für Mathematik de Bensheim (ZFM) y la Universidad Darmstadt (TUDa) organizan anualmente una escuela de otoño para alumnos con gran talento matemático que cursan el último año de estudios. Durante una semana, los participantes trabajan en grupos sobre problemas de aplicación, que primero hay que matematizar y luego resolver mediante análisis matemático y aproximación numérica. Finalmente, se presentan los resultados. Los problemas son muy realistas. Sólo se pueden omitir detalles menores, para facilitar el manejo del problema y centrarse en la cuestión principal, solo si no afectan al resultado básico. Para algunos de los problemas existen versiones más sencillas, que pueden resolverse en un periodo de tiempo más corto, incluso en un entorno escolar habitual. La resolución de esos problemas sencillos abre la perspectiva a los problemas difíciles si se introducen antes. En este trabajo se examinan dos aplicaciones que llevaron a problemas matemáticos problemas de análisis y geometría.

[ES] En pocas palabras, el trabajo consiste en, primeramente, modelar un ventilador real, mediante el uso de herramientas de escaneo 3D y programas CAD, con detalle pero con algunas simplificaciones. Más adelante, se utiliza el programa de ensayo de flujo de CFD denominado Star CCM+ para ensayar el modelo. Finalmente, se analizan los resultados de las simulaciones obtenidas., [EN] The project's objectives are to model a real centrifugal fan using 3D scanning and Autodesk's CAD program Fusion 360. The model's performance will be studied employing the CFD calculation, and different configurations will be examined. For this, the StarCCM + software from Siemens will be used.

[EN] Since 2000 the Zentrum f¨ur Mathematik in Bensheim (ZFM) and the Technical University Darmstadt (TUDa) have organized an annual autumn school for mathematically highly talented pupils in their last year of school. For one week, the participants work in groups on application problems, which first need to be transformed into mathematics and then be solved by mathematical analyzation and numerical approximation and implementation on a computer. Finally, the results are presented. The problems are very realistic. Only minor details may be skipped, to make the problem easier to handle and to focus on the main issue at hand, but only if they do not affect the basic result. For some of the problems there exist similar, but much simpler, counterparts that can be solved in a shorter time period even in a usual school setting. Solving those simple problems opens the outlook to the hard problems if they are mentioned before. This paper examines two applications that led to mathematical problems from analysis and geometry., [ES] Desde el año 2000, el Zentrum für Mathematik de Bensheim (ZFM) y la Universidad Darmstadt (TUDa) organizan anualmente una escuela de otoño para alumnos con gran talento matemático que cursan el último año de estudios. Durante una semana, los participantes trabajan en grupos sobre problemas de aplicación, que primero hay que matematizar y luego resolver mediante análisis matemático y aproximación numérica. Finalmente, se presentan los resultados. Los problemas son muy realistas. Sólo se pueden omitir detalles menores, para facilitar el manejo del problema y centrarse en la cuestión principal, solo si no afectan al resultado básico. Para algunos de los problemas existen versiones más sencillas, que pueden resolverse en un periodo de tiempo más corto, incluso en un entorno escolar habitual. La resolución de esos problemas sencillos abre la perspectiva a los problemas difíciles si se introducen antes. En este trabajo se examinan dos aplicaciones que llevaron a problemas matemáticos problemas de análisis y geometría.

[ES] La logística se puede definir como un conjunto de medios y métodos necesarios para llevar a cabo la organización de una empresa, o de un servicio, especialmente de distribución. La competitividad y productividad del comercio exterior de un país se potencia con procesos logísticos seguros, como almacenamiento, seguridad, transportación, facilidad en trámites aduaneros y aeroportuarios. Bajo esta línea es necesario incorporar en los países proyectos y guías de actuaciones primordiales que se puedan ejecutar al corto y mediano plazo. Dichas medidas deberán estar desarrolladas con representantes de entidades públicas y privadas. Por lo antes mencionado el Trabajo de fin de máster que se desarrollara tiene como propósito la creación de un procedimiento tipo que optimice la toma de decisiones en la elección de que empresa logística contratar. Para el cumplimiento del objetivo planteado se determinarán y analizarán a los agentes involucrados - stakeholders en el transporte de mercancías por vía aérea de la provincia de Pichincha., [EN] Logistics can be defined as a set of means and methods necessary to carry out the organization of a company, or a service, especially distribution. The competitiveness and productivity of a country's foreign trade is enhanced with safe logistics processes, such as storage, security, transportation, ease of customs and airport procedures. Along these lines, it is necessary to incorporate projects and guides for essential actions that can be carried out in the short and medium term. Said measures must be developed with representatives of public and private entities. For the aforementioned, the purpose of the Master's Final Project is to create a standard procedure that optimizes decision-making when choosing which logistics company to hire. For the fulfillment of the proposed objective, the agents involved - stakeholders in the transport of goods by air in the province of Pichincha will be determined and analyzed.