Hola, soy Antonio Saldaña

Objetivos

• Desarrollar un sistema de IA agente capaz de interpretar consultas en lenguaje natural sobre datos industriales SCADA.
• Implementar razonamiento temporal para análisis de series temporales industriales.
• Diseñar una arquitectura basada en herramientas (tool-calling) para ejecutar operaciones complejas sobre datos en tiempo real.

Resultados

• Proyecto en desarrollo activo – resultados preliminares en fase de validación.
• Arquitectura multi-agente funcional con integración de múltiples fuentes de datos SCADA.
• Prototipo de interfaz conversacional para consultas técnicas en entornos industriales.

Descripción detallada

Este proyecto investiga la aplicación de agentes de IA con capacidades de razonamiento temporal y ejecución basada en herramientas para la consulta inteligente de datos SCADA en entornos industriales. El sistema permite a operadores e ingenieros interactuar con datos complejos mediante lenguaje natural, simplificando el acceso a información crítica y mejorando la toma de decisiones operativas.

Objetivos

• Diseñar un sistema de detección automática de colusión en procesos de contratación pública.
• Aplicar Retrieval-Augmented Generation (RAG) para el análisis semántico de documentos de licitación.
• Utilizar Graph Neural Networks (GNNs) para modelar relaciones entre entidades y detectar patrones anómalos.

Resultados

• Proyecto en desarrollo activo con publicación científica asociada.
• Pipeline RAG dual (semántico + léxico) implementado para análisis de documentación pública.
• Modelo de grafos para representación de relaciones empresariales en licitaciones.

Descripción detallada

SMARTBIDRIGGING aborda el problema de la colusión en la contratación pública mediante técnicas avanzadas de IA. El sistema combina un motor de RAG para extraer y analizar información relevante de documentos de licitación con redes neuronales de grafos que modelan las relaciones entre empresas licitadoras, permitiendo identificar patrones sospechosos de coordinación fraudulenta.

Objetivos

• Crear un sistema web de trazabilidad basado en Verifiable Credentials para la huella de carbono de equipos de calderería pesada.
• Garantizar la integridad y verificabilidad de los datos medioambientales en la cadena de suministro.
• Implementar tecnologías de identidad auto-soberana (SSI) en un contexto industrial real.

Resultados

• Sistema web completamente funcional desplegado en entorno de producción con Idesa.
• Publicación científica en conferencia internacional sobre el sistema desarrollado.
• Mejora significativa en la trazabilidad y transparencia del cálculo de huella de carbono.

Descripción detallada

METALCHAIN es un proyecto de colaboración industria-academia con Idesa que desarrolló un sistema web innovador basado en Verifiable Credentials para optimizar y asegurar la trazabilidad en el cálculo de la huella de carbono de equipos de calderería pesada. El sistema utiliza tecnologías de identidad descentralizada para garantizar la integridad de los datos medioambientales a lo largo de toda la cadena de suministro.

Objetivos

• Diseñar y optimizar gemelos digitales (digital twins) para escenarios de sostenibilidad industrial.
• Implementar modelos predictivos basados en redes LSTM para series temporales industriales.
• Apoyar la toma de decisiones predictivas en colaboración con Gonvarri Industries.

Resultados

• Modelos LSTM entrenados con datos reales de producción industrial con métricas de predicción competitivas.
• Digital twins funcionales integrados en el flujo de trabajo de la empresa.
• Contribución al proceso de toma de decisiones sostenibles en Gonvarri Industries.

Descripción detallada

FARM 4 FUTURE es un proyecto de investigación aplicada en colaboración con Gonvarri Industries, centrado en el diseño y optimización de gemelos digitales que utilizan modelos de machine learning basados en LSTM. Estos modelos permiten realizar predicciones sobre variables industriales clave, apoyando la toma de decisiones en escenarios de sostenibilidad y eficiencia productiva.

Objetivos

• Desarrollar un modelo de datos especializado para la optimización de hincado de pilotes en plantas solares.
• Crear una interfaz visual intuitiva para la visualización y análisis de datos geotécnicos.
• Reducir tiempos y costes en la fase de instalación de plantas solares a gran escala.

Resultados

• Modelo de datos operativo utilizado por Gonvarri Solar Steel en proyectos reales.
• Interfaz de visualización que simplifica el análisis de profundidades de hincado.
• Optimización del proceso de planificación de instalaciones solares fotovoltaicas.

Descripción detallada

El proyecto HINCADO, en colaboración con Gonvarri Solar Steel, se centra en la optimización del proceso de hincado de pilotes en instalaciones de plantas solares a gran escala. Se desarrolló un modelo de datos dedicado junto con una interfaz visual que permite a los ingenieros analizar y optimizar las profundidades de hincado, teniendo en cuenta variables geotécnicas y de diseño para maximizar la eficiencia de la instalación.

Objetivos

• Explorar el uso de sensores ultrasónicos montados en drones como alternativa a sensores LiDAR para generación de nubes de puntos.
• Desarrollar software de procesamiento y visualización 3D de nubes de puntos en tiempo real.
• Evaluar aplicaciones potenciales en navegación autónoma y análisis espacial.

Resultados

• Publicación científica sobre la viabilidad de sensores ultrasónicos para mapping 3D.
• Prototipo funcional de sistema de adquisición y procesamiento de datos 3D.
• Validación experimental en entornos controlados en Luleå University of Technology.

Descripción detallada

Este proyecto de investigación, desarrollado durante el intercambio ERASMUS+ en Luleå University of Technology (Suecia), exploró el uso de sensores ultrasónicos montados en drones para la generación de nubes de puntos 3D. El trabajo investigó la viabilidad de esta tecnología como alternativa más económica a los sensores LiDAR, con aplicaciones potenciales en navegación autónoma, cartografía y análisis espacial.