Estudio del efecto "rana" en carrocerías de automóvil mediante IA
| Director | CUETO PRENDES, ELIAS |
|---|
| Titulaciones | |
|---|---|
|
Master Universitario en Robótica, Gráficos y Visión por Computador Máster Universitario en Ingeniería Electrónica Máster Universitario en Ingeniería Industrial Máster Universitario en Ingeniería Informática Máster Universitario en Ingeniería Mecánica |
| Duracion | 6 meses |
|---|---|
| Lugar | SEAT/Martorell-UZ |
| Fecha Alta | 2025-10-21 |
| Fecha Baja | 2026-10-21 |
| Resumen | Oferta de prácticas con la posibilidad de realizar el TFM en SEAT Martorell (Centro Técnico) y en UZ FroGNN: Un Enfoque Basado en GNN para el Efecto Rana SEAT S.A. MOTIVACIÓN: El Efecto Rana también se conoce como "oil canning" (abolladura) o prueba de abolladura. Es un tipo de comportamiento de pandeo que ocurre en componentes de panel como puertas, capós, techos, y guardabarros debido a una combinación de resistencia del material, espesor, características geométricas y ensamblaje del panel interior. El Efecto Rana es un fenómeno no deseado. Tiene un impacto negativo en algunos procesos de producción y afecta la sensación de calidad que los usuarios pueden tener sobre el producto final. La Herramienta del Efecto Rana (Frog Effect Tool) es una herramienta automatizada que permite un escaneo muy fino para encontrar todos los puntos críticos susceptibles a este tipo de comportamiento en el componente analizado. PROCESO ACTUAL Simulación FEM Gráfico: Fuerza vs Desplazamiento Eje Y: Fuerza (kN) Eje X: Desplazamiento (mm) Predicción GNN OBJETIVOS CLAVE: Implementar una solución basada en Redes Neuronales de Grafos (GNNs) que permita predecir la aparición del Efecto Rana ("oil canning" o abolladura) en paneles de automoción como puertas, capós, techos y guardabarros. Comenzar entrenando en una única geometría de puerta utilizando el modelo sustituto GNN. Extender el enfoque a una amplia variedad de geometrías para generalizar las predicciones a componentes no vistos. Este enfoque permitirá: - Detectar áreas críticas en paneles que son susceptibles al Efecto Rana sin depender únicamente del modelo sustituto GNN. - Reducir el tiempo de evaluación al valorar nuevas geometrías de paneles, materiales o condiciones de ensamblaje. - Apoyar la optimización del diseño proporcionando predicciones rápidas durante las fases tempranas de desarrollo. - Complementar la herramienta existente, ofreciendo un método basado en IA que mejora la evaluación de la robustez geométrica y proporciona valor añadido durante la fase de diseño. Condiciones de las prácticas: - 6,75€/h + Comida Gratis + Transporte Colectivo grátis - Jornadas de 25h o 40h (por lo que la jornada parcial son 675€ y jornada completa son 1080€) |
| Detalles/Contacto | Elías Cueto, ecueto@unizar.es |