Combinación de Subtemas de Inteligencia Artificial y Algoritmos de
Optimización para el Mejoramiento del Rendimiento y la eficiencia de los Sistemas

La combinación de modelos de Inteligencia Artificial, específicamente las Redes
Neuronales Artificiales (ANN), con algoritmos de optimización, ha mostrado eficacia en resolver problemas complejos en diversos campos de la energía y la ingeniería.

Este enfoque se destaca en el análisis y procesamiento eficiente de datos generados por sistemas de energía renovable, como los colectores solares de canal parabólico (PTSC).

En este estudio, se desarrolló un modelo de ANN para predecir la eficiencia térmica de un PTSC, utilizando variables como el ángulo del borde, la temperatura de entrada, el caudal volumétrico de agua, entre otros. Se emplearon funciones de transferencia no lineales en las capas ocultas y el algoritmo de entrenamiento de Levenberg-Marquardt.

Posteriormente, se combinó el modelo inverso de ANN con los algoritmos de optimización para optimizar las variables de entrada.

Este enfoque muestra promesa para mejorar la eficiencia térmica en tiempo real, siendo una herramienta valiosa para optimizar y controlar procesos térmicos de
manera eficiente.

Semblanza

     Wassila Ajbar es ingeniera química y posee una maestría en Ingeniería

Ambiental y Gestión del Medio Industrial, obtenida en su país natal, Marruecos, en la Facultad de Ciencias y Técnicas de Tánger.
En 2016, se trasladó a México para cursar una segunda maestría en Ingeniería y Ciencias Aplicadas en el Centro de Investigación en Ingeniería y Ciencias Aplicadas, perteneciente a la Universidad Autónoma del Estado de Morelos (CIICAp-UAEM), gracias a una beca de excelencia otorgada por la Secretaría de Relaciones Exteriores en el marco del programa de intercambio México-Marruecos.

En julio de 2022, obtuvo su Doctorado en Ingeniería y Ciencias Aplicadas
en el mismo centro de investigación (CIICAp-UAEM). Su tesis se enfocó en
el mejoramiento del rendimiento térmico del sistema de colectores solares de
canal parabólico mediante la inteligencia artificial.

Actualmente, está llevando a cabo una estancia postdoctoral en el Instituto de Ingeniería de la Universidad Nacional Autónoma de México (IIUNAM), financiada con la beca de DGAPA, donde desarrolla un proyecto de investigación centrado en el uso de redes neuronales convolucionales para caracterizar y analizar el flujo bifásico intermitente en tuberías de presión horizontal.

Ha publicado 7 artículos en revistas indexadas en el JCR de renombre, un
capítulo de libro, ha presentado una solicitud de patente y ha participado con
5 artículos en congresos, además de dar varias conferencias de divulgación en
diferentes instituciones como el CINVESTAV y el CIICAp, entre otros.

Además, es candidata en el Sistema Nacional de Investigadores del CONACYT y ejerce como profesora honorífica de asignatura en el CIICAp-UAEM y en el IIMAS-UNAM. También es revisora en las revistas JCR de Elsevier, tales como el Journal of Applied Energy, Applied Thermal Engineering, Case Studies in Thermal Engineering, Renewable and Sustainable Energy Reviews y Engineering Applications of Artificial Intelligence

Metodología de control óptimo sobre la ecuación de onda clásica y sobre la ecuación de onda clásica y sobre la ecuación de onda semilineal cúbica

<Dr. Carlos Barrón Romero/Ing. Salvador Castillo Álvarez>

En honor a Roland Glowinski(1937-2022), distinguido Matemático del Cómputo Científico de renombre internacional, se describe brevemente su metodología y Aportaciones al Control Óptimo sobre Ecuaciones Diferenciales Parciales y se presenta la aplicación de su metodología en el desarrollo de la Tesis de Maestría en Ciencias de la Computación: Generador de Señales con Control Óptimo para la Ecuación Clásica y Semilineal Cúbica, que incluye dos Adecuaciones para la eficiencia del Manejo de señales arbitrarias: uso del Método de Cardano y la discretización óptima de memoria usando buffers.

Criel Merino López