MCA, AECIM y ASEPA presentan casos de éxito en digitalización el 6 de noviembre

Madrid Clúster de Automoción (MCA), la Asociación de Profesionales de la Automoción (ASEPA) y AECIM, como miembro del European Innovation Digital Hub Madrid Region (EDIH MR), han colaborado en la organización de este primer taller de transferencia de conocimiento para la industria del automóvil. Este taller se ha organizado conjuntamente con Bosch, Iveco y Defta. Se trata también del 37 webinar de ASEPA.

El objetivo de la iniciativa se enfoca a ayudar e inspirar a las pymes industriales de la mano de dos grandes empresas, Bosch e Iveco, y una mediana, Defta, para implantar diferentes tecnologías digitales y mejorar sus procesos productivos. Compañías punteras explicarán su realidad empresarial, tanto desde el punto de vista estratégico como práctico, para que las pymes industriales puedan conocer qué dificultades han experimentado a la hora de implementar una determinada solución, así como las mejoras y beneficios que han obtenido. Además, los asistentes podrán participar activamente, preguntando a los ponentes, sirviéndoles de referencia para que ellos mismos acometan la digitalización.

La sesión será de 17:00 a 19:00, hora peninsular española y archipiélago balear, y se podrá simultanear con Latinoamérica (Ciudad de México 10:00 h, Bogotá 11:00 h, Caracas, La Habana 12:00 h,  Buenos Aires, Brasilia y Santiago Chile 13:00 h ). También se podrá seguir en las Islas Canarias, asñi como en Portugal a partir de las 16:00 h.

El programa estará conformado por:

Javier Ealo, responsable en Bosch Industry Consulting y presidente de la Comisión Técnica 9 de Digitalización de la Producción de ASEPA como moderador

Rafael Herrero, responsable de Industria 4.0 de IVECO Valladolid, con  ‘Estrategia de Digitalización’,

Óscar Hernández, Senior Manager de Industria 4.0, de Bosch Madrid, con ‘Robotización, Realidad Virtual e Inteligencia Artificial en Logística y Producción’

Diego Ortega, responsable de I+D+i, de Defta Spain, con ‘Desarrollo e Implementación de un Sistema de Verificación de Defectos Basado en Redes Neuronales Convolucionales (CNN)’