POSTLowCIT: Low-noise and low-carbon freight delivery for Postal Operators to ensure last mile connections through optimized urban and long distance transport

El 12º International Symposium on Intelligent Distributed Computing (IDC 2018) (http://idc2018.jrlab.science/) tuvo lugar en Bilbao del 15 al 17 de octubre. Esta serie de simposios tiene como objetivo fomentar el debate sobre los últimos resultados, avances e ideas en el área de la Computación Inteligente Distribuida, reuniendo a investigadores y profesionales en las áreas de Computación Inteligente y Computación Distribuida. El simposio contó con la participación de unos 50 asistentes, 38 ponencias y cinco investigadores de reconocido prestigio en el área como ponentes invitados: José A. Lozano, David Camacho, Josu Ceberio, Eleni I Vlahogianni y Albert Bifet.
Como parte de este simposio y con el patrocinio del proyecto PostlowCIT, la Unidad de Smart Mobility de DeustoTech otorgó un premio de 400€ para el mejor trabajo relacionado con la reducción de emisiones de CO2 de entre los presentados en este simposio. El Comité del Premio, formado por Antonio D. Masegosa (DeustoTech/IKERBASQUE), Pedro López (DeustoTech), Andrés Masegosa (Universidad de Almería), Ignacio Angulo (DeustoTech) y Pilar Elejoste (DeustoTech), tuvo en cuenta tanto la calidad del trabajo como el impacto social de la aportación. De los 38 artículos, siete fueron elegibles para el premio por estar relacionados con la reducción de CO2, y los tres siguientes fueron nominados como finalistas:
Cornejo-Bueno L., Acevedo-Rodríguez J., Prieto L., Salcedo-Sanz S. (2018) A Hybrid Ensemble of Heterogeneous Regressors for Wind Speed Estimation in Wind Farms. In: Del Ser J., Osaba E., Bilbao M., Sanchez-Medina J., Vecchio M., Yang XS. (eds) Intelligent Distributed Computing XII. IDC 2018. Studies in Computational Intelligence, vol 798. Springer, Cham
Olivares-Rodríguez C., Castillo-Calzadilla T., Kamara-Esteban O. (2018) Bio-inspired Approximation to MPPT Under Real Irradiation Conditions. In: Del Ser J., Osaba E., Bilbao M., Sanchez-Medina J., Vecchio M., Yang XS. (eds) Intelligent Distributed Computing XII. IDC 2018. Studies in Computational Intelligence, vol 798. Springer, Cham
Martinez I., Viles E., Cabrejas I. (2018) Labelling Drifts in a Fault Detection System for Wind Turbine Maintenance. In: Del Ser J., Osaba E., Bilbao M., Sanchez-Medina J., Vecchio M., Yang XS. (eds) Intelligent Distributed Computing XII. IDC 2018. Studies in Computational Intelligence, vol 798. Springer, Cham
Finalmente, el trabajo ganador resultó “Labelling Drifts in a Fault Detection System for Wind Turbine Maintenance” . Este documento presenta un enfoque para mejorar las estrategias de mantenimiento predictivo de los aerogeneradores que puede conducir a la reducción de costes en el mantenimiento de estos sistemas. Concretamente, los autores proponen una metodología para identificar cambios estadísticos impredecibles en las variables medidas que pueden deteriorar el rendimiento de las técnicas de machine learning cuando se aplican para detectar fallos incipientes y anomalías en el funcionamiento de los aerogeneradores.
Co-financed by the European Union. Connecting Europe Facility

Información relacionada