Evento

Innovation Day: soluciones de talento

El Parc de Recerca UAB con el Ayuntamiento de Molins de Rei y el Ayuntamiento de Castellar del Vallès organizamos el Innovation Day: soluciones de talento, una iniciativa para conectar estudiantes con empresas que buscan soluciones innovadoras a sus retos empresariales en los ámbitos de las tecnologías 4.0 y la economía circular.

Fecha de inicio
Martes 30, Septiembre 2025
Fecha de finalización
Viernes 19, Diciembre 2025
Organizers

Ayuntamiento de Molins de Rei, el Ayuntamiento de Castellar del Vallès y Parc de Recerca UAB

El Innovation Day: soluciones de talento es una iniciativa impulsada por el Ayuntamiento de Molins de Rei, el Ayuntamiento de Castellar del Vallès y la Universidad Autónoma de Barcelona, ​​con el apoyo de la Diputación de Barcelona, ​​que pretende poner la tecnología al servicio de la comunidad universitaria para dar respuesta, gracias a la innovación abierta y la colaboración, a los nuevos contextos, necesidades y retos de las empresas.

La actividad se dirige a toda la comunidad de la UAB, sobre todo a alumnado, que a partir de retos concretos de empresas del territorio, tendrán la oportunidad de crear equipos, obtener herramientas de ideación y/o de prototipado y aprender técnicas y recursos para presentar con impacto una idea de proyecto. 

¿Como funciona?

A partir de retos de diferentes empresas, el programa busca dotar a los participantes de competencias emprendedoras y técnicas de ideación y prototipado para el desarrollo de soluciones innovadoras.

Sesión de ideación

30 de septiembre de 2025

Sesión de generación de ideas a partir de retos de empresas. Los participantes trabajarán en equipos de 4 a 10 personas para desarrollar una propuesta de solución al reto que hayan escogido. 

Desarrollo y prototipado

De octubre a diciembre

Dos meses para desarrollar y prototipar el proyecto, según el reto escogido. Cada grupo tendrá asignado un mentor que le acompañará durante el proyecto.

Pitch Day

11 o 12 de diciembre

El programa cerrará con un evento final, en el que los proyectos se presentarán en directo, para la posterior evaluación de jurado. Se comunicará al proyecto ganador y se dará el premio.

Retos

  • SCHNEIDER: Implementar una solución técnica robusta que permita identificar las piezas de premsado mediante etiquetas RFID y asegurar que esta información se lee correctamente a la fase de montado, integrándose finalmente en la etiqueta del producto acabado. Objectivos específicos: incorporar etiquetas RFID a las piezas de premsado. · Leer automáticamente estas etiquetas en la fase de montado. · Integrar la información en tiempo real en la etiqueta final del producto (construir un dataset para validar la trazabilidad y optimizar el sistema). Amplia todos los detalles del reto >
  • MUSEU DEL RENAIXEMENT: ¿Cómo nos pueden ayudar las tecnologías 4.0 y la IA a proponer la visita a un museo y sus colecciones de forma personalizada y más accesible, teniendo en cuenta a priori no sólo las preferencias de los visitantes sino también su posible diversidad funcional y necesidades en términos de accesibilidad? Amplia todos los detalles del reto >
  • ELADIET: El reto consiste en proponer alternativas para optimizar el proceso de control de calidad del producto fabricado a partir de la integración de técnicas de inteligencia artificial para analizar y comparar las imágenes de un producto con su ficha de referencia. Amplia todos los detalles del reto >
  • ELADIET: Observamos que en estos momentos están en auge las soluciones de Business Intelligence que recogen el dato, no sólo para reporting, sino también para definir alertas. El reto, pues, es el de coger uno de nuestros PLC, el que más facilidades dé, y podamos extraer los datos con el objetivo de poder relacionarlos con nuestras máquinas. Amplia todos los detalles del reto >
  • ADEC GLOBAL: Investigar aplicaciones industriales para la remediación de suelos contaminados, identificando tecnologías, materiales y casos de éxito implementados a gran escala. Dentro del análisis, se incluirá la evaluación del uso de escorias siderúrgicas como posible solución en el marco de un enfoque de economía circular. Amplia todos los detalles del reto >
  • MARTIDERM: Desarrollar una herramienta que permita simular la acción de un cosmético en la piel del consumidor a partir de una fotografía actual y aplicando los resultados estadísticos obtenidos en el estudio de eficacia del producto. Amplia todos los detalles del reto >
  • GEOAMBIENT: Análisis cuantitativo o semicuantitativo de hidrocarburos totales derivados del petróleo en agua mediante métodos rápidos y portátiles.Búsqueda y determinación de posibles metodologías de análisis y equipos para tener un diagnóstico preliminar de la concentración de hidrocarburos en el agua in situ. Amplia todos los detalles del reto >
  • MENSHEN: Desplegar una IA, sin conexión a Internet para asegurar la privacidad y confidencialidad de los datos, que sea capaz de, a partir de los datos acumulados en un sistema de gestión de mantenimiento (GMAO) de mercado, actualmente operativo y funcional, sea capaz de, por un lado, proponer posibles orígenes de los problemas que los operarios puedan experimentar en también las máquinas de producción a partir de lenguaje natural, y de lenguaje natural; escrita, pueda verse de qué forma se puede resolver el problema. De esta forma se minimiza por un lado la intervención del personal de mantenimiento, porque pequeños errores se pueden resolver de forma autónoma e inmediata, y también puede servir para el personal de mantenimiento para localizar y resolver el problema más rápidamente gracias a las propuestas que dé la IA. Amplia todos los detalles del reto >
  • TEB: Optimización del proceso de detección de errores a tiempo y agilizar el trabajo de los monitores. Considerando la importancia de mantener los puestos de trabajo. Amplia todos los detalles del reto >
  • CELO: Desarrollo de una plataforma de simulación de estructuras metálicas utilizadas en la industria de la automoción (ej. baterías de vehículos eléctricos). Creación de una base de datos y entrenamiento de un modelo de Machine Learning capaz de predecir el comportamiento y la resistencia de los tornillos roscantes durante el montaje. Relevancia directa en la eficiencia y seguridad de futuros vehículos eléctricos. Amplia todos los detalles del reto >

Bases de participación

Puedes consultar las bases de participación del Innovation Day: Soluciones de Talento siguiendo los siguientes enlaces:

Más información