Project Header
no-repeat;left top;;
auto
20px
El proyecto Hospitales 4.0 \u2013 Machine learning para una gesti\u00f3n m\u00e1s efectiva, en el que participa el Grupo de Investigaci\u00f3n Accionamientos El\u00e9ctricos y Aplicaciones Industriales (MCIA)<\/a> de la Universitat Polit\u00e8cnica de Catalunya \u00b7 BarcelonaTech (UPC)<\/a>, tiene como principal objetivo la construcci\u00f3n de un digital twin que permita monitorizar, visualizar y gestionar el estado de mantenimiento de los equipamientos hospitalarios.\r
Este \u201cgemelo digital\u201d representa con exactitud la actuaci\u00f3n de un entorno hospitalario real en un escenario simulado. La simulaci\u00f3n permite al equipo de gesti\u00f3n prepararse ante posibles situaciones reales y anticiparse a actuaciones futuras mediante la recopilaci\u00f3n de datos de utilizaci\u00f3n y desgaste de los sistemas.\r
Mediante la optimizaci\u00f3n de la disponibilidad de recursos, y del mantenimiento de estos dentro del entorno hospitalario, se garantiza la disponibilidad de los equipos m\u00e9dicos cuando son necesarios. La anticipaci\u00f3n evitar\u00e1 la escasez de estos o posibles problemas con tiempo suficiente como para poder buscar y empezar a activar soluciones.
Main Text
no-repeat;left top;;
auto
![\"smartech-cluster-hospital-4-0\"](\"https:\/\/cit.upc.edu\/wp-content\/uploads\/2022\/05\/smartech-cluster-hospital-4-0.png\")
large
center
Piloto sobre una instalaci\u00f3n real ya en marcha<\/h4>
Project Header
no-repeat;left top;;
auto
20px
Hospitales 4.0 es un proyecto de corta duraci\u00f3n (aproximadamente entre 9 y 10 meses) y actualmente se encuentra en la fase de recolecci\u00f3n de datos del Hospital de Terrassa<\/a>. Adem\u00e1s, se est\u00e1n realizando los primeros dise\u00f1os BIM (Building Information Modeling) de la zona que se pretende monitorizar.\r
Bajo este piloto se podr\u00e1n validar la concordancia y la funcionalidad de las diversas tecnolog\u00edas habilitadoras dentro de la Industria 4.0 que hacen posible este proyecto, entre ellas la simulaci\u00f3n de sistemas, los gemelos digitales, el machine learning, la inteligencia artificial, el internet de las cosas (IoT) y la interconexi\u00f3n de sistemas.\r
Como siguiente paso se comenzar\u00e1 a dise\u00f1ar la parte \u201cl\u00f3gica\u201d del simulador de uso de las instalaciones. En este punto, MCIA se responsabiliza de la creaci\u00f3n del algoritmo de machine learning que, junto al dise\u00f1o de los flujos de datos del simulador que est\u00e1 desarrollando CT Solutions Group<\/a> y la base de datos con los hist\u00f3ricos cl\u00ednicos, permitir\u00e1 un sistema de gesti\u00f3n de equipos predictivo y correctivo.
Main Text
no-repeat;left top;;
auto
![\"diagrama-desarrollo-proyecto-hospitales-40\"](\"https:\/\/cit.upc.edu\/wp-content\/uploads\/2022\/05\/diagrama-desarrollo-proyecto-hospitales-40.png\")
large
center
\u00bfQu\u00e9 ventajas tendr\u00e1n los hospitales o centros de salud que cuenten con esta soluci\u00f3n?<\/h4>
Project Header
no-repeat;left top;;
auto
20px
\r
\tReducir los costes mejorando la eficiencia del uso de equipos del hospital. Gracias al mantenimiento predictivo se podr\u00e1n anticipar imprevistos y, con ello, gastos indeseados. Tambi\u00e9n ser\u00e1n capaces de buscar el rendimiento \u00f3ptimo de los mismos.\r
\tMejorar las operaciones. La anticipaci\u00f3n de los posibles errores facilitar\u00e1 el dise\u00f1o y gesti\u00f3n del calendario de mantenimientos preventivos, y minimizar\u00e1 los retrasos en las operaciones peri\u00f3dicas ocasionados por las incidencias que requieran soluci\u00f3n urgente.\r
\tMejorar la sostenibilidad y medio ambiente. Gracias a la mejora del consumo energ\u00e9tico de los sistemas implicados en la operativa del hospital, se estar\u00e1 contribuyendo consecuentemente a la mejora del medio ambiente y la sostenibilidad.\r
\tMitigar los riesgos. Permite ejecutar simulaciones que ayudar\u00e1n a determinar y optimizar la operaci\u00f3n de la instalaci\u00f3n y su uso, as\u00ed como determinar si el mantenimiento preventivo establecido es el correcto.\r
\tComprender las interacciones del sistema. Los gemelos digitales de diferentes sistemas se pueden combinar para prever c\u00f3mo se relacionan entre s\u00ed. Esta funci\u00f3n es muy \u00fatil en el caso de productos y servicios que proceden de diferentes proveedores.\r
\t\tAfinar la predicci\u00f3n. El modelo de machine learning recopila todos los datos necesarios para crear algoritmos predictivos. Estos sistemas de inteligencia artificial permiten prevenir fallos y mejorar el funcionamiento de los sistemas.\r
\t\tMejorar la capacidad de atenci\u00f3n al paciente. La incorporaci\u00f3n de algoritmos de machine learning a la gesti\u00f3n de mantenimiento permitir\u00e1 disponer de un mecanismo de predicci\u00f3n de fallos, posibilitando la programaci\u00f3n de acciones adicionales para evitar la indisponibilidad de los equipos. A su vez, el incremento de la disponibilidad de los equipos m\u00e9dicos permitir\u00e1 mejorar la capacidad y calidad de atenci\u00f3n al paciente.\r
\t\tPredecir las necesidades de personal y recursos adicionales. Mediante el simulador de operaci\u00f3n de la instalaci\u00f3n, se podr\u00e1 predecir y determinar el n\u00famero de personal requerido ante diversas situaciones, tambi\u00e9n si habr\u00e1 equipos suficientes, e incluso anticiparse a la falta de ciertos medicamentos.\r
Main Text
no-repeat;left top;;
auto
Miembros del proyecto y soporte estatal<\/h4>
Project Header
no-repeat;left top;;
auto
20px
El proyecto est\u00e1 financiado mediante la l\u00ednea de ayudas de apoyo a las Agrupaciones Empresariales Innovadoras (AEI)<\/a> del Ministerio de Industria, Comercio y Turismo<\/a> con un importe de 32.351 euros. Su liderazgo recae en el cl\u00faster Smartech Cluster<\/a> y cuenta con la participaci\u00f3n de la Asociaci\u00f3n Cl\u00faster Salud Mental de Catalu\u00f1a<\/a>, MCIA UPC<\/a>, BIM6D<\/a>, Fundaci\u00f3n Joan Costa Roma<\/a> y Cadtech Ib\u00e9rica<\/a>.
Main Text
no-repeat;left top;;
auto
![\"logos\"](\"https:\/\/cit.upc.edu\/wp-content\/uploads\/2022\/05\/logos.png\")
large
center
Tecnolog\u00eda<\/h5>\r
TIC<\/a>\r
Salud<\/a>
Tecnolog\u00eda
no-repeat;left top;;
auto
0px
25
Sector<\/h5>\r
Sector Salud<\/a>
Sector
no-repeat;left top;;
auto
0px
25
Tema<\/h5>\r
Inteligencia Artificial<\/a>\r
Internet of Things<\/a>\r
Smart City<\/a>
Tema
no-repeat;left top;;
auto
30px
40
\u00bfQuieres saber m\u00e1s?<\/h5>
Contact Button
no-repeat;left top;;
auto
0px
\n\r
Project Header
no-repeat;left top;;
auto
20px
\r
\tReducir los costes mejorando la eficiencia del uso de equipos del hospital. Gracias al mantenimiento predictivo se podr\u00e1n anticipar imprevistos y, con ello, gastos indeseados. Tambi\u00e9n ser\u00e1n capaces de buscar el rendimiento \u00f3ptimo de los mismos.\r
\tMejorar las operaciones. La anticipaci\u00f3n de los posibles errores facilitar\u00e1 el dise\u00f1o y gesti\u00f3n del calendario de mantenimientos preventivos, y minimizar\u00e1 los retrasos en las operaciones peri\u00f3dicas ocasionados por las incidencias que requieran soluci\u00f3n urgente.\r
\tMejorar la sostenibilidad y medio ambiente. Gracias a la mejora del consumo energ\u00e9tico de los sistemas implicados en la operativa del hospital, se estar\u00e1 contribuyendo consecuentemente a la mejora del medio ambiente y la sostenibilidad.\r
\tMitigar los riesgos. Permite ejecutar simulaciones que ayudar\u00e1n a determinar y optimizar la operaci\u00f3n de la instalaci\u00f3n y su uso, as\u00ed como determinar si el mantenimiento preventivo establecido es el correcto.\r
\tComprender las interacciones del sistema. Los gemelos digitales de diferentes sistemas se pueden combinar para prever c\u00f3mo se relacionan entre s\u00ed. Esta funci\u00f3n es muy \u00fatil en el caso de productos y servicios que proceden de diferentes proveedores.\r
\t\tAfinar la predicci\u00f3n. El modelo de machine learning recopila todos los datos necesarios para crear algoritmos predictivos. Estos sistemas de inteligencia artificial permiten prevenir fallos y mejorar el funcionamiento de los sistemas.\r
\t\tMejorar la capacidad de atenci\u00f3n al paciente. La incorporaci\u00f3n de algoritmos de machine learning a la gesti\u00f3n de mantenimiento permitir\u00e1 disponer de un mecanismo de predicci\u00f3n de fallos, posibilitando la programaci\u00f3n de acciones adicionales para evitar la indisponibilidad de los equipos. A su vez, el incremento de la disponibilidad de los equipos m\u00e9dicos permitir\u00e1 mejorar la capacidad y calidad de atenci\u00f3n al paciente.\r
\t\tPredecir las necesidades de personal y recursos adicionales. Mediante el simulador de operaci\u00f3n de la instalaci\u00f3n, se podr\u00e1 predecir y determinar el n\u00famero de personal requerido ante diversas situaciones, tambi\u00e9n si habr\u00e1 equipos suficientes, e incluso anticiparse a la falta de ciertos medicamentos.\r
Main Text
no-repeat;left top;;
auto
Miembros del proyecto y soporte estatal<\/h4>
Project Header
no-repeat;left top;;
auto
20px
El proyecto est\u00e1 financiado mediante la l\u00ednea de ayudas de apoyo a las Agrupaciones Empresariales Innovadoras (AEI)<\/a> del Ministerio de Industria, Comercio y Turismo<\/a> con un importe de 32.351 euros. Su liderazgo recae en el cl\u00faster Smartech Cluster<\/a> y cuenta con la participaci\u00f3n de la Asociaci\u00f3n Cl\u00faster Salud Mental de Catalu\u00f1a<\/a>, MCIA UPC<\/a>, BIM6D<\/a>, Fundaci\u00f3n Joan Costa Roma<\/a> y Cadtech Ib\u00e9rica<\/a>.
Main Text
no-repeat;left top;;
auto
large
center
Tecnolog\u00eda<\/h5>\r
TIC<\/a>\r
Salud<\/a>
Tecnolog\u00eda
no-repeat;left top;;
auto
0px
25
Sector<\/h5>\r
Sector Salud<\/a>
Sector
no-repeat;left top;;
auto
0px
25
Tema<\/h5>\r
Inteligencia Artificial<\/a>\r
Internet of Things<\/a>\r
Smart City<\/a>
Tema
no-repeat;left top;;
auto
30px
40
\u00bfQuieres saber m\u00e1s?<\/h5>
Contact Button
no-repeat;left top;;
auto
0px
\n\r
TIC<\/a>\r
Salud<\/a>
Tecnolog\u00eda
no-repeat;left top;;
auto
0px
25
Sector<\/h5>\r
Sector Salud<\/a>
Sector
no-repeat;left top;;
auto
0px
25
Tema<\/h5>\r
Inteligencia Artificial<\/a>\r
Internet of Things<\/a>\r
Smart City<\/a>
Tema
no-repeat;left top;;
auto
30px
40
\u00bfQuieres saber m\u00e1s?<\/h5>
Contact Button
no-repeat;left top;;
auto
0px
\n\r
Inteligencia Artificial<\/a>\r
Internet of Things<\/a>\r
Smart City<\/a>
Tema
no-repeat;left top;;
auto
30px
40