Ingeniería de Visión, metrología & IA en el borde

2.2 Rotorcraft 202: fundamentos, historia y tipologías (multirotor, helicópteros, eVTOL)
2.2 Arquitecturas de propulsión: eléctrica, híbrida y de hidrógeno
2.3 Aerodinámica de rotores: teoría básica y rendimiento
2.4 Modelado y simulación de rotorcraft: herramientas, metodologías y MBSE
2.5 Diseño de rotores: geometría, paso variable y optimización de rendimiento
2.6 Control de vuelo y estabilidad: sistemas de control, sensores y estimación
2.7 Seguridad, normativas y certificación básica para rotorcraft
2.8 Integración de sistemas a bordo: energía, gestión térmica y distribución eléctrica
2.9 IA, Visión y Metrología aplicadas al rotorcraft: inspección, detección de fallas y mantenimiento en borde
2.20 Casos de estudio y clínica de proyectos rotorcraft: evaluación de viabilidad y toma de decisiones

3.3 Fundamentos de rotorcraft: aerodinámica de rotores, tipologías de plataformas y dinámica de vuelo
3.2 Normativa y marcos regulatorios clave: EASA/FAA, certificación de aeronavegabilidad, CS-27/CS-29, Part 23
3.3 Ruta de certificación: type certificate, component certificate, modificaciones y requisitos de elegibilidad
3.4 Seguridad y fiabilidad en sistemas de rotor: redundancias, fallo seguro y gestión de riesgos
3.5 Energía y gestión térmica en propulsión de rotorcraft: baterías, inversores, gestión de calor y autonomía
3.6 Diseño para mantenibilidad y swaps modulares: facilidad de servicio, módulos intercambiables y eficiencia en mantenimiento
3.7 Análisis de ciclo de vida (LCA) y coste del ciclo de vida (LCC) en rotorcraft y eVTOL: huella ambiental y coste total
3.8 Operaciones y vertiports: integración en el espacio aéreo, gestión de tráfico y operaciones en entornos urbanos
3.9 Data & Digital Thread: MBSE/PLM para control de cambios, trazabilidad y gobernanza de información
3.30 Caso práctico: go/no-go con matriz de riesgos y criterios de aceptación

4.4 Fundamentos de Rotores: geometría, palas y tipos para aplicaciones navales
4.2 Dinámica de rotor y control de vibraciones: modos, excitaciones y mitigación
4.3 Modelado y simulación de rotores: métodos BEM, CFD y aeroelasticidad
4.4 Rendimiento de rotor: empuje, potencia requerida, eficiencia y curvas de operación
4.5 Transmisión y tren de rotor: ejes, engranajes, cojinetes, lubricación y confiabilidad
4.6 Regulación y certificación de sistemas de rotor en entornos navales: normas (ABS, DNV-GL, SOLAS) y requisitos de seguridad
4.7 Seguridad operativa y RAMS para rotor: análisis de riesgos, seguridad funcional y mantenibilidad
4.8 Integración de rotores en sistemas de propulsión naval: hélices, propulsores azimutales y control de velocidad
4.9 Mantenimiento y diseño para mantenibilidad: modularidad, reemplazo rápido y disponibilidad
4.40 Caso práctico: estudio de caso de selección de rotor para plataforma naval y toma de decisiones go/no-go con matriz de riesgos

**Módulo 5 — Diseño, Modelado y Rendimiento de Rotores**

5. 5 Principios de Aerodinámica de Rotores: fundamentos y análisis.
5. 5 Diseño Conceptual de Rotores: selección y configuración inicial.
3. 3 Modelado CFD de Rotores: simulación numérica y validación.
4. 4 Optimización de Rotores: búsqueda de rendimiento óptimo.
5. 5 Materiales y Fabricación de Rotores: selección y procesos.
6. 6 Análisis Estructural de Rotores: resistencia y durabilidad.
7. 7 Diseño Acústico de Rotores: minimización del ruido.
8. 8 Pruebas en Túnel de Viento: experimentación y calibración.
9. 9 Control y Estabilidad de Rotores: dinámicas de vuelo.
50. 50 Estudios de Caso: ejemplos de diseño y rendimiento.

**Módulo 6 — Introducción a la IA en el Borde y Metrología**

6.6 Fundamentos de la IA en el Borde (Edge AI)
6.2 Principios de Visión Artificial y Procesamiento de Imágenes
6.3 Conceptos Clave de Metrología y Sensores
6.4 Arquitecturas de Hardware para Edge AI
6.5 Introducción a los Algoritmos de IA para Análisis en el Borde
6.6 Diseño de Sistemas de Visión y Metrología para Entornos Industriales
6.7 Consideraciones de Rendimiento y Optimización en el Borde
6.8 Aplicaciones Introductorias: Control de Calidad y Monitoreo
6.9 Herramientas y Plataformas para el Desarrollo en el Borde
6.60 Caso de Estudio: Implementación de un Sistema Básico de IA en el Borde

**Módulo 2 — Diseño y Optimización de Rotores: Modelado y Rendimiento**

2.7 Principios de Aerodinámica de Rotores: Fundamentos y Teoría.
2.2 Modelado CFD de Rotores: Simulación y Análisis.
2.3 Diseño de Perfiles Alares para Rotores: Selección y Optimización.
2.4 Análisis Estructural de Rotores: Resistencia y Durabilidad.
2.7 Diseño Geométrico de Rotores: Dimensiones y Configuración.
2.6 Optimización del Rendimiento de Rotores: Eficiencia y Empuje.
2.7 Diseño de Rotores para Diferentes Aplicaciones: Helicópteros, Drones.
2.8 Fabricación de Rotores: Materiales y Procesos.
2.9 Pruebas de Rotores: Ensayos y Validación.
2.70 Consideraciones de Coste y Escalabilidad en el Diseño de Rotores.

**Módulo 8 — Introducción al análisis Edge con IA**

8.8 Fundamentos del análisis Edge: concepto y ventajas
8.8 Arquitecturas Edge computing: hardware y software
8.3 Introducción a la Inteligencia Artificial en el borde (Edge AI)
8.4 Visión computacional básica: conceptos y técnicas
8.5 Metrología en el borde: principios y aplicaciones
8.6 Herramientas y plataformas para el desarrollo Edge
8.7 Selección de hardware y software para análisis Edge
8.8 Casos de uso: ejemplos de análisis Edge en diversas industrias
8.8 Desafíos y limitaciones del análisis Edge
8.80 Futuro del análisis Edge con IA

**Módulo 8 — Diseño y optimización de rotores**

8.8 Principios de aerodinámica de rotores
8.8 Modelado y simulación de rotores: CFD y elementos finitos
8.3 Diseño de perfiles aerodinámicos para rotores
8.4 Análisis de rendimiento de rotores: empuje, eficiencia y ruido
8.5 Optimización de rotores: técnicas y herramientas
8.6 Materiales y fabricación de rotores
8.7 Diseño y análisis de sistemas de control de rotores
8.8 Análisis de vibraciones y fatiga en rotores
8.8 Integración de rotores en sistemas complejos
8.80 Tendencias en el diseño de rotores

**Módulo 3 — Implementación de IA en dispositivos Edge**

3.8 Selección de modelos de IA para el borde
3.8 Optimización de modelos para dispositivos Edge
3.3 Frameworks y bibliotecas para despliegue Edge
3.4 Compilación y cuantización de modelos
3.5 Diseño de pipelines de inferencia en el borde
3.6 Implementación de visión computacional en Edge
3.7 Integración con sensores y actuadores
3.8 Seguridad y privacidad en el borde
3.8 Monitoreo y gestión de dispositivos Edge
3.80 Casos de estudio: implementación de IA en dispositivos Edge

**Módulo 4 — Aplicaciones Edge de visión e IA**

4.8 Detección y clasificación de objetos en el borde
4.8 Segmentación de imágenes en tiempo real
4.3 Reconocimiento facial y biometría Edge
4.4 Análisis de comportamiento y detección de anomalías
4.5 Inspección visual industrial con IA
4.6 Robótica y automatización con visión Edge
4.7 Aplicaciones de visión Edge en agricultura
4.8 Aplicaciones de visión Edge en el sector salud
4.8 Desarrollo de aplicaciones Edge personalizadas
4.80 Tendencias en aplicaciones Edge de visión e IA

**Módulo 5 — Despliegue de IA y visión en el Borde**

5.8 Estrategias de despliegue Edge: on-premise, cloud y híbrido
5.8 Selección de plataformas de despliegue Edge
5.3 Contenedorización y virtualización de aplicaciones Edge
5.4 Gestión de dispositivos Edge: despliegue, actualización y monitoreo
5.5 Optimización del rendimiento en el borde
5.6 Seguridad en el despliegue Edge
5.7 Escalabilidad y disponibilidad en el borde
5.8 Integración con la nube y otras plataformas
5.8 Casos de éxito: despliegue de IA y visión en el borde
5.80 Desafíos y mejores prácticas para el despliegue Edge

**Módulo 6 — Control Edge: IA, Visión y Metrología**

6.8 Sensores y adquisición de datos en el borde
6.8 Diseño de sistemas de control con IA
6.3 Integración de visión y metrología para el control
6.4 Algoritmos de control basados en IA
6.5 Control predictivo basado en modelos
6.6 Optimización del control en tiempo real
6.7 Diseño de interfaces hombre-máquina (HMI) para el control Edge
6.8 Seguridad y robustez en sistemas de control Edge
6.8 Casos de estudio: control Edge en diferentes industrias
6.80 Futuro del control Edge

**Módulo 7 — Aplicaciones Edge de Visión y IA**

7.8 Inspección de calidad con visión e IA
7.8 Mantenimiento predictivo con visión e IA
7.3 Seguridad y vigilancia con visión e IA
7.4 Retail: Análisis de comportamiento y conteo de personas
7.5 Agricultura de precisión: monitorización y control
7.6 Salud: Diagnóstico asistido por visión e IA
7.7 Transporte: control de tráfico y detección de incidentes
7.8 Ciudades inteligentes: gestión de recursos y servicios
7.8 Desarrollo de aplicaciones Edge personalizadas
7.80 Tendencias futuras en aplicaciones Edge de visión e IA

**Módulo 8 — Ingeniería de Visión e IA en el Borde**

8.8 Diseño de sistemas de visión artificial: selección de hardware y software
8.8 Calibración y procesamiento de imágenes
8.3 Diseño de algoritmos de visión: detección, reconocimiento y seguimiento
8.4 Integración de IA en sistemas de visión: aprendizaje automático y deep learning
8.5 Optimización de modelos de IA para el borde
8.6 Diseño de sistemas de metrología con visión e IA
8.7 Desarrollo de aplicaciones Edge integrales
8.8 Validación y verificación de sistemas de visión e IA
8.8 Consideraciones de seguridad y privacidad
8.80 Tendencias en ingeniería de visión e IA en el borde

**Módulo 9 — Introducción a la Metrología Edge**

9. 9 Fundamentos de la Metrología: Principios y conceptos clave.
9. 9 Arquitectura Edge Computing: Componentes y ventajas.
3. 3 Sensores y Dispositivos Edge: Selección y configuración.
4. 4 Calibración y Validación: Asegurando la precisión de los datos.
5. 5 Protocolos de Comunicación: Integración de dispositivos.
6. 6 Procesamiento de Datos en el Borde: Técnicas básicas.
7. 7 Almacenamiento de Datos Edge: Estrategias y consideraciones.
8. 8 Ejemplos de Aplicaciones: Casos de estudio relevantes.
9. 9 Desafíos y Soluciones: Optimización y eficiencia en Edge.
90. 90 Tendencias Futuras: Innovación en metrología Edge.

**Módulo 9 — Diseño y Optimización de Rotores**

9. 9 Principios de Aerodinámica de Rotores: Fundamentos clave.
3. 9 Modelado de Rotores: Software y herramientas de simulación.
4. 3 Diseño Paramétrico: Optimización de perfiles y geometrías.
5. 4 Análisis de Rendimiento: Métricas y evaluaciones.
6. 5 Diseño Estructural: Resistencia y durabilidad.
7. 6 Materiales: Selección y propiedades para rotores.
8. 7 Técnicas de Optimización: Ajuste de variables de diseño.
9. 8 Modelado de Ruido: Reducción y análisis.
90. 9 Integración de Sensores: Monitorización del rendimiento.
99. 90 Casos de Estudio: Diseño y optimización en la práctica.

**Módulo 3 — IA y Visión: Implementación Edge**

3. 9 Fundamentos de Visión Artificial: Conceptos y técnicas.
4. 9 Arquitectura de Sistemas Edge Vision: Componentes y diseño.
5. 3 Selección de Hardware: Cámaras y procesadores.
6. 4 Aprendizaje Automático: Modelos y algoritmos.
7. 5 Entrenamiento y Ajuste de Modelos: Técnicas avanzadas.
8. 6 Optimización de Modelos: Eficiencia en el borde.
9. 7 Despliegue de Modelos: Estrategias y herramientas.
90. 8 Integración con Sensores: Datos y sincronización.
99. 9 Control en Tiempo Real: Aplicaciones prácticas.
99. 90 Desafíos y Soluciones: Implementación exitosa.

**Módulo 4 — Aplicaciones Edge de Visión e IA**

4. 9 Control de Calidad: Inspección visual automatizada.
5. 9 Mantenimiento Predictivo: Detección de fallos.
6. 3 Robótica: Navegación y manipulación en el borde.
7. 4 Seguridad: Detección de anomalías y reconocimiento.
8. 5 Agricultura de Precisión: Análisis y monitoreo.
9. 6 Ciudades Inteligentes: Gestión de tráfico y seguridad.
90. 7 Automatización Industrial: Optimización de procesos.
99. 8 Casos de Estudio: Aplicaciones específicas.
99. 9 Integración de Datos: Plataformas y herramientas.
93. 90 Tendencias Futuras: Innovación en aplicaciones edge.

**Módulo 5 — Despliegue Eficaz de IA en el Borde**

5. 9 Estrategias de Despliegue: Optimización y eficiencia.
6. 9 Herramientas de Despliegue: Docker, Kubernetes.
7. 3 Optimización de Modelos: Cuantización y compresión.
8. 4 Aceleración de Hardware: GPUs, TPUs, y otros.
9. 5 Gestión de Recursos: Memoria, CPU y energía.
90. 6 Monitoreo y Gestión: Herramientas y métricas.
99. 7 Seguridad: Protección de modelos y datos.
99. 8 Actualizaciones y Mantenimiento: Control de versiones.
93. 9 Integración con Plataformas: IoT y sistemas existentes.
94. 90 Casos de Estudio: Despliegue exitoso.

**Módulo 6 — Control Edge: IA, Visión y Metrología**

6. 9 Arquitectura de Control: Estructura y componentes.
7. 9 Diseño de Sistemas de Control: Lógica y estrategias.
8. 3 Retroalimentación y Control: Integración de datos.
9. 4 Modelado de Sistemas: Simulación y validación.
90. 5 Control Predictivo: Implementación y ajuste.
99. 6 Monitorización y Ajuste: Herramientas y técnicas.
99. 7 Seguridad en Sistemas de Control: Protocolos y mitigación.
93. 8 Integración con Hardware: Controladores y actuadores.
94. 9 Casos de Estudio: Sistemas de control en la práctica.
95. 90 Tendencias Futuras: Innovación en control edge.

**Módulo 7 — Aplicaciones Edge: Visión y IA**

7. 9 Robótica Industrial: Automatización y optimización.
8. 9 Inspección de Calidad: Detección de defectos en tiempo real.
9. 3 Seguridad y Vigilancia: Análisis de video inteligente.
90. 4 Retail Inteligente: Análisis de comportamiento y conteo de personas.
99. 5 Agricultura de Precisión: Monitoreo y análisis de cultivos.
99. 6 Transporte Inteligente: Gestión de tráfico y seguridad vial.
93. 7 Energía: Monitoreo y optimización de redes.
94. 8 Casos de Estudio: Ejemplos de aplicaciones específicas.
95. 9 Integración de Sistemas: Plataformas y herramientas.
96. 90 Desafíos y Soluciones: Implementación exitosa.

**Módulo 8 — Ingeniería Edge de Visión e IA**

8. 9 Diseño de Sistemas: Requisitos y planificación.
9. 9 Selección de Hardware: Componentes y plataformas.
90. 3 Desarrollo de Software: Lenguajes y frameworks.
99. 4 Integración de Hardware y Software: Proceso y herramientas.
99. 5 Pruebas y Validación: Métodos y estrategias.
93. 6 Optimización del Rendimiento: Técnicas y herramientas.
94. 7 Implementación y Despliegue: Estrategias y mejores prácticas.
95. 8 Mantenimiento y Actualización: Ciclo de vida del sistema.
96. 9 Gestión de Proyectos: Metodologías y herramientas.
97. 90 Tendencias Futuras: Innovación en ingeniería edge.

**Módulo 1 — IA, Visión y Metrología: Análisis Edge**

1.1 Introducción a la IA, Visión y Metrología en el Borde.
1.2 Fundamentos de la Visión Artificial: Principios y técnicas.
1.3 Introducción a la Metrología: Medición y calibración en el borde.
1.4 Arquitecturas Edge Computing: Implementación y desafíos.
1.5 Herramientas de análisis de datos en el borde: TensorFlow Lite, OpenVINO.
1.6 Integración de IA y Visión para análisis en tiempo real.
1.7 Diseño de sistemas de análisis edge: Hardware y software.
1.8 Estudio de casos: Aplicaciones en la industria.
1.9 Optimización de modelos para el borde: eficiencia y rendimiento.
1.10 Desafíos y oportunidades en el análisis edge.

**Módulo 2 — Diseño y Optimización de Rotores**

2.1 Introducción al diseño de rotores: Principios aerodinámicos.
2.2 Modelado 3D y simulación de rotores: Software y técnicas.
2.3 Análisis de rendimiento de rotores: eficiencia y estabilidad.
2.4 Optimización de diseño de rotores: técnicas de mejora.
2.5 Materiales y fabricación de rotores: selección y procesos.
2.6 Diseño y análisis de vibraciones en rotores.
2.7 Métodos de reducción de ruido en rotores.
2.8 Diseño de rotores para diferentes aplicaciones: drones, turbinas eólicas.
2.9 Pruebas y validación de rotores: túneles de viento y pruebas de campo.
2.10 Tendencias futuras en el diseño de rotores.

**Módulo 3 — Implementación de IA en Edge**

3.1 Introducción a la implementación de IA en dispositivos Edge.
3.2 Selección de hardware para la implementación de IA en el borde.
3.3 Optimización de modelos de IA para el rendimiento en el borde.
3.4 Uso de frameworks de IA para el borde: TensorFlow Lite, PyTorch Mobile.
3.5 Desarrollo de aplicaciones de IA en el borde: casos prácticos.
3.6 Técnicas de inferencia en el borde: optimización y aceleración.
3.7 Gestión de datos y preprocesamiento en el borde.
3.8 Seguridad y privacidad en la implementación de IA en el borde.
3.9 Monitoreo y mantenimiento de sistemas de IA en el borde.
3.10 Tendencias futuras en la implementación de IA en el borde.

**Módulo 4 — Aplicaciones de Visión e IA Edge**

4.1 Introducción a las aplicaciones de visión e IA en el borde.
4.2 Visión artificial para inspección visual y control de calidad.
4.3 Detección y reconocimiento de objetos en el borde.
4.4 Seguimiento de objetos en tiempo real.
4.5 Análisis de datos de vídeo en el borde.
4.6 Aplicaciones en robótica: navegación y control autónomo.
4.7 Aplicaciones en agricultura: monitoreo y análisis de cultivos.
4.8 Aplicaciones en salud: diagnóstico y análisis de imágenes médicas.
4.9 Estudios de casos: implementación y resultados.
4.10 Desafíos y oportunidades en las aplicaciones de visión e IA edge.

**Módulo 5 — Despliegue de IA en el Borde**

5.1 Introducción al despliegue de modelos de IA en el borde.
5.2 Selección y configuración del entorno de despliegue.
5.3 Contenedorización de modelos de IA: Docker y Kubernetes.
5.4 Optimización del rendimiento del despliegue.
5.5 Gestión del ciclo de vida de los modelos en el borde.
5.6 Actualización y monitoreo de modelos desplegados.
5.7 Seguridad en el despliegue de IA en el borde.
5.8 Despliegue en dispositivos de baja potencia: edge computing.
5.9 Integración con sistemas existentes: API y protocolos.
5.10 Casos prácticos: despliegue en diferentes industrias.

**Módulo 6 — Control Edge con IA, Visión y Metrología**

6.1 Introducción al control edge con IA, visión y metrología.
6.2 Diseño de sistemas de control basados en el borde.
6.3 Integración de la visión artificial para el control de procesos.
6.4 Uso de la metrología para la retroalimentación en tiempo real.
6.5 Aplicaciones en robótica: control de robots y sistemas autónomos.
6.6 Aplicaciones en manufactura: control de calidad y optimización.
6.7 Sensores y adquisición de datos en el borde.
6.8 Análisis y procesamiento de datos en el borde.
6.9 Estudio de casos: implementación y resultados en diversas industrias.
6.10 Desafíos y tendencias futuras en el control edge.

**Módulo 7 — Aplicaciones Edge: Visión, IA & Metrología**

7.1 Introducción a las aplicaciones edge en visión, IA y metrología.
7.2 Aplicaciones en la industria manufacturera: inspección, ensamblaje y control de calidad.
7.3 Aplicaciones en agricultura: monitoreo, detección de plagas y optimización de cultivos.
7.4 Aplicaciones en salud: diagnóstico médico y análisis de imágenes.
7.5 Aplicaciones en retail: análisis de comportamiento del cliente y gestión de inventario.
7.6 Aplicaciones en seguridad: vigilancia, reconocimiento facial y detección de anomalías.
7.7 Arquitecturas de hardware y software para aplicaciones edge.
7.8 Consideraciones de seguridad y privacidad.
7.9 Estudio de casos: implementación y resultados.
7.10 Tendencias futuras en las aplicaciones edge.

**Módulo 8 — Ingeniería de Visión, IA y Metrología Edge**

8.1 Introducción a la ingeniería de visión, IA y metrología edge.
8.2 Diseño de sistemas de visión artificial: componentes y selección.
8.3 Desarrollo de algoritmos de IA para análisis de imágenes.
8.4 Integración de la metrología en sistemas edge.
8.5 Diseño y desarrollo de hardware para aplicaciones edge.
8.6 Arquitectura y despliegue de sistemas edge.
8.7 Optimización del rendimiento y eficiencia energética.
8.8 Gestión del ciclo de vida de los sistemas edge.
8.9 Estudio de casos: diseño e implementación de sistemas edge.
8.10 Desafíos y oportunidades en la ingeniería edge.