El objetivo de esta actividad es:

• Informar a los interesados sobre la Convocatoria a Becas Internas de Investigación 2026 UTN.
• Presentar a los estudiantes de últimos años de Ingeniería en Sistemas de Información (ISI) posibles líneas para desarrollar Proyectos Finales de Carrera (PFC).

Proyectos que se presentarán:

1. Framework para el diseño de Sistemas Ciber-Físicos industriales – Director: Silvio Gonnet
2. Integración vertical de datos mediante una red de ontologías – Directora: Marcela Vegetti
3. Especialización en Lenguaje Computacional para el Formalismo de Simulación DEVS – Directora: Maria Julia Blas
4. Marcos de trabajo para realizar defensa en profundidad en sistemas – Directora: Maria Luciana Roldán
5. Prosumidores usando gemelos digitales – Director: Ernesto Martínez
6. Sistemas multiagente e inferencia activa para redes eléctricas – Director: Gonzalo Álvarez

Lugar: INGAR – Avellaneda 3657
Fecha y hora: 9 de marzo de 2026 | 16:00 hs
Confirma tu asistencia o solicita más info al contacto del INGAR (*mail protegido*)

Ingenieros Químicos, Ingenieros Industriales, Licenciados en Matemática, Licenciados en Biotecnología, Ingenieros Ambientales, Bioingenieros, Ingenieros/Licenciados en Sistemas de Información, Ingenieros en Materiales, carreras afines.

Inscripción de aspirantes a becas doctorales hasta 16 Agosto de 2024.

Áreas y temas de interés

Aprendizaje Computacional y Sistemas Inteligentes

1. Aprendizaje computacional de conocimiento heurístico para rescheduling de sistemas de producción
2. Negociación automatizada de contratos inteligentes (Smart Contracts) en mercados Peer-to-Peer de Prosumidores
3. Aprendizaje por refuerzos con representaciones profundas para scheduling y planificación industrial
4. Programación probabilística de sistemas inteligentes usando inferencia activa
5. Selección Autónoma de Hiper-Parámetros en Algoritmos para Aprendizaje por Refuerzos
6. Agentes Inteligentes para la Negociación Automatizada usando Grafos de Conocimiento y Modelos de Lenguaje a Gran Escala

Ingeniería de Procesos y Bioprocesos

1. Modelos cibernéticos de biorreactores para optimización, monitoreo y control
2. Desarrollo de un proceso para la producción de dextran en reactores de membranas
3. Rutas óptimas de procesamiento de aceites
4. Diseño on-line de experimentos en el marco de la industria 4.0
5. Optimización bayesiana aplicada a la ingeniería de procesos
6. Integración material de oxígeno en procesos de gasificación, reformado y en gasificación integrada en ciclo combinado
7. Planificación de la expansión en sistemas eléctricos de generación y transmisión de energía eléctrica: modelado matemático y optimización
8. Captura y utilización de CO2: combinación de procesos de producción de H2 verde, electricidad y captura de CO2 para la producción de CH4 verde
9. Producción, purificación y almacenamiento de Hidrógeno. Modelado y optimización
10. Economía e impactos ambientales de la producción de biocombustibles líquidos y gaseosos. Optimización basada en modelos matemáticos
11. Evaluación ambiental de procesos y productos mediante la metodología de Análisis de Ciclo de Vida (LCA)
12. Diseño y optimización de procesos de refrigeración por absorción y de sistema híbridos compresión-absorción usando fuentes de energía renovables o calor residual de procesos
13. Simulación y Optimización Distribuida de Estrategias en Mercados de Prosumidores de Energía Eléctrica
14. Diseño Conceptual de procesos Híbridos Basados en Membranas
15. Modelos de Optimización para la Producción Eficiente de Bioenergía
16.  Tecnología “membrane-distillation” (MD) para desalinización de agua.
17.  Captura y Utilización de CO2. Modelado matemático y optimización de procesos para la producción de hidrógeno azul.
18.  Captura y utilización de CO2. Modelado matemático y optimización de procesos para la producción de e-fuel.
19.  Modelado matemático y optimización de procesos de desalinización de agua de mar y captura de CO2.
20.  Procesos sustentables de desalinización de agua de mar: Descarga cero (Zero Liquid Discharge) y re-uso de salmuera mediante cristalización.
21.  Optimización de procesos sustentables para la generación simultanea de electricidad y agua dulce combinando unidades de separación de aire, gasificación, ciclos de potencia y sistemas de desalinización
22.  Producción Renovable (verde) de Hidrógeno, Amoníaco, Metanol, e-Fuels y Fertilizantes (Power to X). El despliegue de Energía Solar, Eólica, Hidráhulica y su combianción.
23.  Modelado y optimización de Celdas de Combustibles y Electrolizadores para el despliegue de energías renovables.

Modelado y Simulación

1. Formalización de un simulador basado en eventos multi-formalismo
2. Identificación de patrones y anti-patrones jerárquicos en modelos basados en eventos discretos
3. Infraestructura de modelado conceptual para la simulación de eventos discretos
4. Modelado conceptual y definición de lenguajes de especificación de gemelos digitales para activos de la Industria 4.0

Requisitos para becas doctorales

Dirigidas a Ingenieros Químicos, Ingenieros Industriales, Licenciados en Matemática, Licenciados en Biotecnología, Ingenieros Ambientales, Bioingenieros, Ingenieros/Licenciados en Sistemas de Información, Ingenieros en Materiales, carreras afines, o estudiantes próximos a finalizar los grados indicados. Las becas se otorgan a estudiantes con un destacable desempeño académico.

Enviar:

• Currículum vitae: incluir domicilio, correo electrónico y teléfono.
• Certificado analítico de notas (incluyendo aplazos y promedio) de la carrera universitaria. En caso de no poseerlo, enviar listados de notas incluyendo aplazos.
• Promedio histórico de la carrera (imprescindible para la presentación final).
• Citar tema(s) de interés.

Informes

INGAR
Avellaneda 3657. Ciudad de Santa Fe (CP 3000). Argentina
Tel: (+54-342) 4535568 / 4534451

*mail protegido*

https://cifras.conicet.gov.ar/publica/

En el siguiente video de youtube se pueden ver los datos falsos de Viale y las desmentidas a tales afirmaciones:

Un activo (asset) es todo aquello que tiene valor para una empresa o industria (por ejemplo, el producto final, los equipos en una planta, y productos intangibles como un software o una idea). Diferentes iniciativas de la Industria 4.0  han propuesto metamodelos para representar digitalmente un activo, lo que se denomina “gemelo digital”. El objetivo de contar con gemelos digitales de los activos en una industria, es lograr la interoperabilidad con otros activos de la cadena de valor para la obtención de nuevas ventajas, nuevos negocios o aplicaciones en la industria.

Problemática:
La Industria 4.0 se construye sobre la base de la digitalización de activos y de la interoperabilidad de datos de diferentes fuentes y formatos. La investigación y desarrollo en la temática requiere de profesionales técnicamente cualificados, con formación multidisciplinar para entender y trabajar con la variedad de tecnologías que conforman una fábrica inteligente. Es necesario que los profesionales que participan de la industria 4.0 exhiban un conjunto de habilidades digitales nuevas, necesarias para interactuar de manera colaborativa e integrada.
Sucede en la práctica que los recursos humanos profesionales que poseen un mayor grado de conocimiento y comprensión de ciertos activos y procesos existentes en una industria o empresa, son quienes tienen, además, las habilidades para el desarrollo de los modelos de tales activos. Sin embargo, éstos muchas veces carecen de la formación necesaria para la implementación de los activos críticos en gemelos digitales. En la mayoría de los casos, la implementación de un digital twin a partir de un modelo conceptual requiere que los profesionales tengan conocimientos de lenguajes de programación de propósito general. Cuando quienes modelan un activo o proceso no son expertos en programación, los artefactos resultantes de la tarea de desarrollo pueden no ser consistentes con su definición formal, o bien estar incompletos, carecer de ciertas características requeridas, o tener una capacidad limitada para ofrecer o utilizar servicios.

Objetivo: la definición de una plataforma informática de modelado de activos de la Industria 4.0 que facilite su digitalización en base a diferentes lenguajes de dominio. La idea fundamental es, por un lado, brindar facilidad en la definición de modelos de activos de un dominio específico, empleando una notación de modelado o sintaxis concreta que sea cercana al dominio de los profesionales que deben definir dichos modelos, y por otro, brindar los mecanismos para transformar cada modelo en su gemelo digital en el ambiente computacional necesario que permita su integración con otros activos para lograr una solución o negocio nuevo.

Contacto: Dr. Silvio Gonnet, Dra. Lucian Roldán (*mail protegido*)

Ingenieros Químicos, Ingenieros Industriales, Licenciados en Matemática, Licenciados en Biotecnología, Ingenieros Ambientales, Bioingenieros, Ingenieros/Licenciados en Sistemas de Información, Ingenieros en Materiales, carreras afines.

Inscripción de aspirantes a becas doctorales hasta Agosto de 2023.

Áreas y temas de interés

Aprendizaje Computacional y Sistemas Inteligentes

1. Aprendizaje computacional de conocimiento heurístico para rescheduling de sistemas de producción
2. Negociación automatizada de contratos inteligentes (Smart Contracts) en mercados Peer-to-Peer de Prosumidores
3. Aprendizaje por refuerzos con representaciones profundas para scheduling y planificación industrial
4. Programación probabilística de sistemas inteligentes usando inferencia activa
5. Selección Autónoma de Hiper-Parámetros en Algoritmos para Aprendizaje por Refuerzos
6. Agentes Inteligentes para la Negociación Automatizada usando Grafos de Conocimiento y Modelos de Lenguaje a Gran Escala

Ingeniería de Procesos y Bioprocesos

1. Modelos cibernéticos de biorreactores para optimización, monitoreo y control
2. Desarrollo de un proceso para la producción de dextran en reactores de membranas
3. Rutas óptimas de procesamiento de aceites
4. Diseño on-line de experimentos en el marco de la industria 4.0
5. Optimización bayesiana aplicada a la ingeniería de procesos
6. Integración material de oxígeno en procesos de gasificación, reformado y en gasificación integrada en ciclo combinado
7. Planificación de la expansión en sistemas eléctricos de generación y transmisión de energía eléctrica: modelado matemático y optimización
8. Captura y utilización de CO2: combinación de procesos de producción de H2 verde, electricidad y captura de CO2 para la producción de CH4 verde
9. Producción, purificación y almacenamiento de Hidrógeno. Modelado y optimización
10. Economía e impactos ambientales de la producción de biocombustibles líquidos y gaseosos. Optimización basada en modelos matemáticos
11. Evaluación ambiental de procesos y productos mediante la metodología de Análisis de Ciclo de Vida (LCA)
12. Diseño y optimización de procesos de refrigeración por absorción y de sistema híbridos compresión-absorción usando fuentes de energía renovables o calor residual de procesos
13. Simulación y Optimización Distribuida de Estrategias en Mercados de Prosumidores de Energía Eléctrica
14. Diseño Conceptual de procesos Híbridos Basados en Membranas
15. Modelos de Optimización para la Producción Eficiente de Bioenergía

Modelado y Simulación

1. Formalización de un simulador basado en eventos multi-formalismo
2. Identificación de patrones y anti-patrones jerárquicos en modelos basados en eventos discretos
3. Infraestructura de modelado conceptual para la simulación de eventos discretos
4. Modelado conceptual y definición de lenguajes de especificación de gemelos digitales para activos de la Industria 4.0

Requisitos para becas doctorales

Dirigidas a Ingenieros Químicos, Ingenieros Industriales, Licenciados en Matemática, Licenciados en Biotecnología, Ingenieros Ambientales, Bioingenieros, Ingenieros/Licenciados en Sistemas de Información, Ingenieros en Materiales, carreras afines, o estudiantes próximos a finalizar los grados indicados. Las becas se otorgan a estudiantes con un destacable desempeño académico.

Enviar:

• Currículum vitae: incluir domicilio, correo electrónico y teléfono.
• Certificado analítico de notas (incluyendo aplazos y promedio) de la carrera universitaria. En caso de no poseerlo, enviar listados de notas incluyendo aplazos.
• Promedio histórico de la carrera (imprescindible para la presentación final).
• Citar tema(s) de interés.

Informes

INGAR
Avellaneda 3657. Ciudad de Santa Fe (CP 3000). Argentina
Tel: (+54-342) 4535568 / 4534451

*mail protegido*

El objetivo principal de esta beca será avanzar en la comprensión de la operación de parques eólicos mediante el desarrollo de algoritmos de predicción y control en tiempo real basados en los datos recopilados por los “Digital Twins”. Estos algoritmos permitirán optimizar el rendimiento del parque, minimizar el desgaste de los componentes y mejorar la eficiencia general del sistema. Se espera que los resultados de esta investigación contribuyan al avance de la industria de la energía eólica y a la adopción de estrategias de operación más inteligentes y sostenibles.

El becario doctoral tendrá la oportunidad de adquirir y desarrollar habilidades técnicas y herramientas versátiles que te permitirán abordar de manera efectiva la simulación, la optimización y la aplicación de la inteligencia artificial en el contexto de la operación de parques eólicos. Lo que te permitirá desarrollar estrategias y algoritmos para maximizar la producción de energía y optimizar el rendimiento de los parques eólicos en tiempo real. Estas habilidades permitirán diseñar sistemas de monitoreo y control en tiempo real que se adapten a las condiciones cambiantes y mejoren continuamente el desempeño de los parques eólicos.

El becario doctoral, trabajará en estrecha colaboración con profesores e investigadores en el campo de la ingeniería de parques eólicos. Además, tendrás acceso a laboratorios y equipos de vanguardia, lo que te permitirá llevar a cabo experimentos y pruebas para validar tus propuestas y modelos teóricos. Esta beca doctoral representa una oportunidad para profundizar conocimientos en la operación de parques eólicos y contribuir al avance de la tecnología en este campo.

Si estás interesado en abordar desafíos científicos y técnicos de vanguardia, te invitamos a postularte.

Contacto:      Dr. Ernesto C. Martínez  –  Dr. Gonzalo Alvarez

(*mail protegido*)

A modo ilustrativo, se presenta a continuación un ejemplo de intercambio entre un agente A que necesita saber cómo actuar frente a otro agente B en una negociación automatizada (ver figura) con ChatGPT-4. Estos resultados pueden integrarse al grafo de conocimiento y dar nuevas perspectivas de acción al agente A en esta negociación particular y negociaciones futuras.

Pregunta:

Hay dos agentes, A y B, que quieren intercambiar energía eléctrica. Para eso, inician una negociación bilateral automatizada. Se espera un día nublado y vientos de unos 15 km/h. El agente A representa a un prosumidor con paneles solares instalados, y el agente B, a uno con generadores eólicos. Al iniciar la negociación, el agente A toma una postura obtusa y no cede en la negociación. ¿Qué puede hacer el agente B si utiliza teoría de la mente artificial?

Respuesta del ChatGPT:

Los agentes con teoría de la mente artificial tendrán la capacidad de inferir y modelar los estados mentales y las creencias del otro agente en la negociación. Esto puede ser útil para el agente B al enfrentar la postura obtusa del agente A. A continuación, se exploran algunas posibles acciones que el agente B podría tomar:

• Análisis de la postura: el agente B puede intentar comprender las razones detrás de la postura inflexible del agente A. ¿Está defendiendo un interés particular? ¿Existen limitaciones o preocupaciones que el agente B no haya considerado?

• Analizar variables contextuales: Dado que se espera un día nublado y vientos de unos 15 km/h, el agente B puede utilizar esa información para resaltar al agente A la importancia de contar con una fuente de energía complementaria.

• Explorar alternativas: El agente B puede buscar otras opciones disponibles en el mercado energético, como la compra de energía a terceros o la utilización de almacenamiento de energía.

• Estrategias de persuasión personalizadas: al conocer las creencias y los estados mentales del agente A, el agente B puede adaptar sus estrategias de persuasión de manera más precisa con argumentos y razones que resuenen con las perspectivas del agente A, lo que aumenta las posibilidades de influir en su toma de decisiones.

Contacto: Dr. Dan E. Krohling

                   Dr. Ernesto C. Martínez

(*mail protegido*)

La evaluación del ciclo de vida (ECV), considerada como una herramienta de análisis que enriquece el enfoque convencional del diseño conceptual de procesos, se está convirtiendo en una tarea fundamental en el proceso de toma de decisiones. Su incorporación abarca áreas muy diversas de la Ingeniería de Procesos como el análisis de alternativas de tratamiento de solventes, el cribado de tecnologías en la desalcoholización parcial de extractos amargos y la evaluación ambiental de tecnologías para la desalcoholización total o parcial de bebidas como la cerveza y el vino.

El tema de Tesis propuesto abordará la problemática del diseño conceptual en tres áreas de interés:

• Recuperación se solventes en industrias farmacéuticas:

Para casos específicos se contrastarán aspectos económicos y ambientales tanto de la incineración de solventes como de su recuperación vía un proceso híbrido compuesto por una columna de destilación seguida de una membrana cerámica hidrofílica de pervaporación.

• Control del contenido de azúcar de mostos de uva:

Se analizará el rendimiento de varias membranas de nanofiltración en el control del contenido de azúcar del mosto de uva para el caso de un vino Malbec. El objetivo es disminuir levemente el grado alcohólico de este vino que, debido al cambio climático, se elabora a con uvas demasiado maduras dando lugar a vinos con un grado alcohólico que afecta negativamente la calidad sensorial del vino. Se propone un proceso de nanofiltración en dos etapas con una remezcla del primer retenido con el segundo permeado que debería alcanzar una composición muy similar al mosto original tanto en compuestos bajo peso molecular como en especies de alto peso molecular con menor concentración de azúcares.

• Concentración de bebidas alcohólicas:

Con el objetivo de disminuir los costos de transporte a granel de bebidas alcohólicas se analizará la extracción neta de agua de un vino Malbec mediante un proceso híbrido compuesto por una membrana cerámica hidrofílica de pervaporación seguida por una columna de destilación. Mientras que el proceso de membrana obtiene un producto concentrado, el proceso de destilación recupera por cabeza el alcohol contenido en el permeado del proceso de membrana para su re-inserción en el producto concentrado.

Por las temáticas abordadas, se considerarán postulaciones de profesionales en Ingeniería Química e Ingeniería en Alimentos.

Ver enfoque experimental en https://youtu.be/iYRyXs6102U

Contacto: José Espinosa (*mail protegido*)

Ingenieros Químicos, Ingenieros Industriales, Licenciados en Matemática, Licenciados en Biotecnología, Ingenieros Ambientales, Bioingenieros, Ingenieros/Licenciados en Sistemas de Información, Ingenieros en Materiales, carreras afines.

Inscripción de aspirantes a becas posdoctorales hasta el 3 de marzo de 2023.

Áreas y temas de interés

Aprendizaje Computacional y Sistemas Inteligentes

1. Aprendizaje computacional de conocimiento heurístico para rescheduling de sistemas de producción
2. Negociación automatizada de contratos inteligentes (Smart Contracts) en mercados Peer-to-Peer de Prosumidores
3. Aprendizaje por refuerzos con representaciones profundas para scheduling y planificación industrial
4. Programación probabilística de sistemas inteligentes usando inferencia activa
5. Selección Autónoma de Hiper-Parámetros en Algoritmos para Aprendizaje por Refuerzos

Ingeniería de Procesos y Bioprocesos

1. Modelos cibernéticos de biorreactores para optimización, monitoreo y control
2. Desarrollo de un proceso para la producción de dextran en reactores de membranas
3. Rutas óptimas de procesamiento de aceites
4. Diseño on-line de experimentos en el marco de la industria 4.0
5. Producción de bioetanol y biomasa a partir de lactosuero aplicando procesos basados en membranas
6. Optimización bayesiana aplicada a la ingeniería de procesos
7. Integración material de oxígeno en procesos de gasificación, reformado y en gasificación integrada en ciclo combinado
8. Planificación de la expansión en sistemas eléctricos de generación y transmisión de energía eléctrica: modelado matemático y optimización
9. Captura y utilización de CO2: combinación de procesos de producción de H2 verde, electricidad y captura de CO2 para la producción de CH4 verde
10. Producción, purificación y almacenamiento de Hidrógeno. Modelado y optimización
11. Economía e impactos ambientales de la producción de biocombustibles líquidos y gaseosos. Optimización basada en modelos matemáticos
12. Evaluación ambiental de procesos y productos mediante la metodología de Análisis de Ciclo de Vida (LCA)
13. Diseño y optimización de procesos de refrigeración por absorción y de sistema híbridos compresión-absorción usando fuentes de energía renovables o calor residual de procesos
14. Simulación y Optimización Distribuida de Estrategias en Mercados de Prosumidores de Energía Eléctrica

Modelado y Simulación

1. Formalización de un simulador basado en eventos multi-formalismo
2. Identificación de patrones y anti-patrones jerárquicos en modelos basados en eventos discretos
3. Infraestructura de modelado conceptual para la simulación de eventos discretos

Requisitos para becas posdoctorales

Los postulantes deberán ser egresados de doctorados en ingeniería o afines, o próximos a obtener el título indicado.

Enviar:

• Currículum vitae: incluir domicilio, correo electrónico y teléfono.
• Título de Doctorado y/o constancia de alumno regular del doctorado.
• Citar tema(s) de interés.

Informes

INGAR
Avellaneda 3657. Ciudad de Santa Fe (CP 3000). Argentina
Tel: (+54-342) 4535568 / 4534451

*mail protegido*