| Study programme competencies |
| Code | Study programme competences |
| A2 | Capacidade para planificar, presupostar, organizar, dirixir e controlar tarefas, persoas e recursos. |
| A3 | Capacidade para realizar medicións, cálculos, valoracións, taxacións, peritaxes, estudos e informes. |
| A4 | Capacidade de xestión da información, manexo e aplicación das especificacións técnicas e da lexislación necesarias no exercicio da profesión. |
| A5 | Capacidade para analizar e valorar o impacto social e medioambiental das solucións técnicas actuando con ética, responsabilidade profesional e compromiso social, e buscando sempre a calidade e mellora continua. |
| A10 | Coñecementos básicos sobre o uso e programación dos ordenadores, sistemas operativos, bases de datos e programas informáticos con aplicación en enxeñaría. |
| A17 | Coñecer os fundamentos dos automatismos e métodos de control. |
| A30 | Coñecer e ser capaz de modelar e simular sistemas. |
| A31 | Coñecementos de regulación automática e técnicas de control e a súa aplicación á automatización industrial. |
| A32 | Coñecer os principios e aplicacións dos sistemas robotizados. |
| A33 | Coñecemento aplicado de informática industrial e comunicacións. |
| A34 | Capacidade para deseñar sistemas de control e automatización industrial. |
| B1 | Capacidade de resolver problemas con iniciativa, toma de decisións, creatividade e razoamento crítico. |
| B2 | Capacidade de comunicar e transmitir coñecementos, habilidades e destrezas no campo da enxeñaría industrial. |
| B3 | Capacidade de traballar nun contorno multilingüe e multidisciplinar. |
| B4 | Capacidade de traballar e aprender de forma autónoma e con iniciativa. |
| B5 | Capacidade para empregar as técnicas, habilidades e ferramentas da enxeñaría necesarias para a práctica desta. |
| B6 | Capacidade de usar adecuadamente os recursos de información e aplicar as tecnoloxías da información e as comunicacións na enxeñaría. |
| C3 | Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
| C6 | Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| Capacidade para investigar, analizar e caracterizar a representación do coñecemento aplicando técnicas e métodos afins á intelixencia artificial (redes neuronais, lóxica borrosa, sistemas expertos, etc..) como algoritmos de aprendizaxe, axuste e supervisión para a sua aplicación en problemas de control e automatización. | A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 |
B1 B2 B3 B4 B5 B6 |
C3 C6 |
| Contents |
| Topic | Sub-topic |
| Módulo I: Control Intelixente | 1.1.- Fundamentos do control intelixente. 1.2.- Búsqueda Heurística. 1.3.- Planificación. 1.4.- Aplicación a tareas de control. |
| Módulo II: Sistemas Expertos | 2.1.- Fundamentos dos sistemas expertos. 2.2.- Estratexias e modelos de control. |
| Módulo III: Lóxica e Control Borroso | 3.1.- Fundamentos de Lóxica borrosa. 3.2.- Modelado e identificación de sistemas mediante lóxica borrosa. 3.3.- Deseño de controladores borrosos. |
| Módulo IV: Redes Neuronais. | 4.1.- Fundamentos de redes neuronais. 4.2.- Identificación de sistemas con redes neuronais. 4.3.- Modelado de sistemas con redes neuronais. 4.4.- Control de sistemas con redes neuronais. |
| Modulo V: Algoritmos Xenéticos. | 5.1.- Fundamentos de algoritmos xenéticos. 5.2.- Optimización de sistemas mediante algoritmos xenéticos. |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Guest lecture / keynote speech | A4 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 C3 C6 | 21 | 30 | 51 |
| Laboratory practice | A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 | 21 | 32 | 53 |
| Supervised projects | A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 | 9 | 24 | 33 |
| Objective test | A10 A17 A30 A31 A32 A33 A34 B1 B5 B6 C3 C6 | 3 | 0 | 3 |
| Personalized attention | 10 | 0 | 10 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Guest lecture / keynote speech | Nas sesions maxistrais desenrolaranse os contidos da asignatura tanto a nivel teórico coma práctico. |
| Laboratory practice | Estudio e utilización dun entorno de traballo / lenguaxe de programación que permita a resolución de diferentes problemas de enxeñería mediante solución informáticas. |
| Supervised projects | Nas sesions maxistrais e nas prácticas de laboratorio plantexaranse diferentes problemas practicos de maior complexidade para a sua resolución como traballo independente polo alumno, tanto de forma individual uns coma colectiva outros. Nesta resolución vaise fomentar a participación do alumno como ferramenta de autoaprendizaxe valorando o seu esforzo e os seus resultados cara á valoración final da asignatura. |
| Objective test | Proba escrita/práctica mediante ordenador utilizada para a evaluación da aprendizaxe e a comprensión dos conceptos e metodoloxías aprendidas na asignatura aplicadas á resolución dun conxunto de preguntas e supostos técnicos. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Laboratory practice | A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 | Estudo e utilización dun entorno de traballo / linguaxe de programación que permita a resolución de diferentes problemas de enxeñaría mediante solucións informáticas. A sua realización e presentación diante do profesor será obligatoria para poder aprobar a asignatura, sendo evaluable ata un máximo dun 20% da nota final. | 20 |
| Objective test | A10 A17 A30 A31 A32 A33 A34 B1 B5 B6 C3 C6 | A proba obxetiva dividirase en duas partes, unha teórica e outra practica, que tratará de comprobar si o alumno adquiriu as competencias fixadas como obxectivo da asignatura. Será necesario obter a lo menos unha nota mínima de 1.5 puntos en cada parte (ata un máximo de 3 puntos en cada parte) e ter presentado todalas prácticas e traballos para poder aprobar a asignatura. | 60 |
| Supervised projects | A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 | Nas sesions maxistrais e nas prácticas de laboratorio plantearanse diferentes problemas prácticos de maior complexidade para a sua resolución como traballo independente polo alumno, tanto de forma individual uns coma colectiva outros. Nesta resolucion vaise fomentar a participación do alumno como ferramenta de autoaprendizaxe valorando o seu esforzo e os seus resultados cara á valoración final da asignatura. A sua realización e presentación diante do profesor será obligatoria para poder aprobar a asignatura, sendo evaluable ata un máximo dun 20% da nota final. | 20 |
| Assessment comments | |||
| Sources of information |
| Basic |
Shin, Yung C. (2009). Intelligent systems : modeling, optimization, and control. CRC Press
F. Prieto (). Apuntes / Presentaciones Asignatura.
Fausett, Laurene V. (1994). Fundamentals of neural networks: architectures, algorithms and applications. Englewood cliffs: Prentice Hall
Pinto Bermúdez, Enrique (2010). Fundamentos de control con MATLAB. Pearson Educacion
Nils J. Nilsson (2000). Inteligencia Artificial. Una nueva sintesis. McGrawHill
Ponce-Cruz, Pedro (2010). Intelligent control systems with LabVIEW. Springer
Martin del Brío, B (2001). Redes Neuronales y Sistemas Borrosos. Ra-Ma |
|
|
|
| Complementary | |
|
|
| Recommendations | |||
| Subjects that it is recommended to have taken before | |||
|
| Subjects that are recommended to be taken simultaneously | |
|
| Subjects that continue the syllabus | |
|
| Other comments | |