http://hdl.handle.net/10498/6758 2026-05-09T20:47:20Z http://hdl.handle.net/10498/39171 Ohmic contacts on (111)-oriented phosphorus-doped diamond fabricated by FIB transformation and surface Ga+ implantation Mesas Peña, Gabriel; Lloret Vieira, Fernando Manuel; Freire de Rivas, Antonio; Millán Barba, Josué; Alba Muñoz, Gonzalo; Suzuki, M.; Villar Castro, María del Pilar; Araújo Gay, Daniel Among the ultra-wide bandgap (UWBG) materials, diamond has unique properties for high power device applications and can deliver p-type and n-type doping. However, the achievement of low resistive ohmic contacts on n-type diamond limits the fabrication of bipolar devices. This study investigates the use of focused Ga+ion beam (FIB) to fabricate metal-free ohmic contacts on phosphorus-doped diamond, with a doping concentration of ∼5 × 1018 cm−3estimated by cathodoluminescence. FIB irradiation was used to locally modify the diamond surface, resulting in a conductive channel with ohmic, albeit highly resistive, behaviour. Using the circular Transfer Length Method (cTLM), a specific contact resistance of 4.3·104 Ω·cm2was obtained. This value is consistent with state-of-the-art results at similar doping levels, demonstrating that FIB is a viable and efficient technique for contact formation in diamond-based electronic devices. 2026-02-01T00:00:00Z http://hdl.handle.net/10498/38753 BPSmart-CARE: a Framework for Managing Contextualized Actions in IoT Systems through the Integration of Business Process Modelling and Complex Event Processing Bazán Muñoz, Adrián; Cesare, Pautasso; Ortiz Bellot, Guadalupe; García de Prado Fontela, Alfonso The exponential growth of Internet of Things (IoT) sensors and data has led to multiple software applications which aim at collecting, monitoring, controlling, and automating decisions based on such data in several domains such as smart cities. Even though early IoT frameworks and software architectures relied on correlating data from a single application domain, missing opportunities to improve contextualisation; in the last years several Complex Event Processing (CEP)-based frameworks and applications have been provided to improve the correlation of data from heterogenous domains, facilitating context-aware decision making. However, several issues remain unsolved: on the one hand, frameworks should not only provide the means for data correlation and contextualisation, but also for the definition of customisable real-time actions based on the context. On the other hand, CEP patterns update remains static in these frameworks, while there is a need for dynamically updating CEP pattern logic to adapt to changing contexts in real time. Even more, CEP patterns logic understanding might also be a handicap for developers. To face these challenges, in this paper, we enhance an existent CEP-based framework and software architecture by incorporating Business Process Modelling (BPM) to facilitate the definition of CEP patterns rationale, manage interdependencies between patterns, define and handle contextualised user actions, and enable real-time updating of CEP pattern logic based on detected situations. The proposed approach is illustrated through a case study, assessed via usability and performance evaluations, which show improvements in comprehensibility, maintainability, and updatability of CEP-based software applications for context-aware IoT scenarios.; El crecimiento exponencial de los sensores y los datos del Internet de las Cosas (IoT) ha dado lugar a múltiples aplicaciones software cuyo objetivo es recopilar, monitorizar, controlar y automatizar decisiones basadas en dichos datos en diversos dominios, como las ciudades inteligentes. Aunque los primeros marcos de IoT y arquitecturas de software se basaban en correlacionar datos de un único dominio de aplicación —perdiendo oportunidades de mejorar la contextualización—, en los últimos años se han propuesto varios marcos y aplicaciones basados en Procesamiento de Eventos Complejos (CEP) para mejorar la correlación de datos procedentes de dominios heterogéneos, facilitando la toma de decisiones consciente del contexto. Sin embargo, siguen quedando varios problemas sin resolver: por un lado, los marcos no deberían proporcionar únicamente los medios para la correlación y la contextualización de datos, sino también para la definición de acciones personalizables en tiempo real basadas en el contexto. Por otro lado, la actualización de los patrones CEP permanece estática en estos marcos, cuando existe la necesidad de actualizar dinámicamente la lógica de los patrones CEP para adaptarse a contextos cambiantes en tiempo real. Además, la comprensión de la lógica de los patrones CEP también puede suponer un obstáculo para los desarrolladores. Para afrontar estos retos, en este artículo mejoramos un marco y una arquitectura de software existentes basados en CEP incorporando Modelado de Procesos de Negocio (BPM) para facilitar la definición del razonamiento de los patrones CEP, gestionar las interdependencias entre patrones, definir y manejar acciones de usuario contextualizadas, y habilitar la actualización en tiempo real de la lógica de los patrones CEP en función de las situaciones detectadas. El enfoque propuesto se ilustra mediante un caso de estudio y se evalúa mediante análisis de usabilidad y rendimiento, que muestran mejoras en la comprensibilidad, la mantenibilidad y la capacidad de actualización de aplicaciones software basadas en CEP para escenarios IoT sensibles al contexto. 2026-02-09T00:00:00Z http://hdl.handle.net/10498/38744 SEADETEC: Advanced Service for Early Detection of Cybersecurity Events Domínguez Jiménez, Juan José; Sánchez, G.; Medina Bulo, María Inmaculada; Boubeta Puig, Juan; Rodríguez García, María Mercedes; Muñoz-Ortega, A.; Balderas Díaz, Sara; Guerrero Contreras, Gabriel José; Silva Ramírez, Esther Lydia; Rosa Bilbao, Jesús; Luna-Ramos, P.; Henares, C. J. J.; Cabrera, M. A. J.; Landi, F. G.; Gómez, T. P. The transition towards Industry 4.0 has intensified interconnectivity by incorporating advanced technologies in industrial networks, servers, and the cloud. As a result, these systems are exposed to critical security challenges, such as unauthorized access to sensitive data and sabotage. In this scenario, current systems, including intrusion detection systems and security information and event management systems, face limitations in detecting new threats and in their compatibility with architectures other than x64/x86. To address these challenges, complex event processing (CEP) emerges as an effective solution, enabling early and real-time detection of cyberattacks in operational technology (OT) and Internet of Things (IoT) environments, adapting to the resource constraints of these devices. This study presents the design of an architecture aimed at OT and IoT, implementing CEP on ARM devices to enhance early detection of cyberattacks. The proposed system captures network traffic and processes it through a CEP engine to automatically identify anomalous patterns. Additionally, the system incorporates machine learning to detect new anomalies in realtime, improving both security and operational efficiency. The validation of the system will be demonstrated in a real environment by integrating it into MINERVA navigation and bridge system from Navantia S.M.E., illustrating its practical applicability in critical infrastructures. 2025-01-01T00:00:00Z http://hdl.handle.net/10498/38386 Técnicas de análisis exploratorio de datos y estrategias de visualización multidimensional del suministro eléctrico basadas en estadísticos de orden superior: indicadores globales para instrumentación moderna Remigio Carmona, Paula Esta tesis doctoral propone un enfoque multidimensional para el análisis de la calidad del suministro eléctrico, integrando indicadores tradicionales y no tradicionales, herramientas de visualización avanzadas y técnicas de inteligencia artificial, con el objetivo principal de desarrollar nuevos métodos de medición que permitan caracterizar y clasificar eventos eléctricos complejos que surgen en redes modernas, marcadas por la creciente incorporación de energías renovables y comportamientos no lineales. La investigación comienza con una revisión exhaustiva de la literatura, identificando lagunas en los enfoques tradicionales, particularmente en la detección y diferenciación de eventos híbridos. A partir de este análisis, se seleccionaron indicadores tradicionales clave de calidad del suministro eléctrico (factor de cresta, THD, SNR), y se complementaron con estadísticos de orden superior. Posteriormente, se utilizó un indicador global para combinarlos, proporcionando una visión unificada del estado de la red eléctrica. Además, se desarrollaron gráficos radar como herramientas visuales optimizadas para facilitar la interpretación de fenómenos eléctricos tanto a expertos como a usuarios con menor experiencia técnica, así como impedir interpretaciones subjetivas del sistema objeto de estudio. Los métodos desarrollados se validaron utilizando, en primer lugar, señales sintéticas que modelan perturbaciones eléctricas puras, es decir, eventos aislados. Estas perturbaciones proceden de set de datos previamente publicados en bases de datos de prestigio, como la plataforma IEEE DataPort. Además, se utilizaron señales reales obtenidas por el grupo de investigación PAIDI-TIC-168, que monitoriza la instalación eléctrica de la Universidad. Los resultados demostraron una precisión cercana al 100% en la detección de eventos sintéticos y de eventos reales como sags, y del 29.79% para transitorios impulsivos reales. En comparación con métodos tradicionales, las herramientas desarrolladas ofrecieron mejoras significativas en la detección de eventos como notches (73%), transitorios impulsivos (54%) y spikes (38%). Asimismo, la tasa de éxito en la clasificación de las perturbaciones, a través de un árbol de decisiones diseñado en base a los indicadores, osciló entre el 90% y el 100%, en función de la perturbación analizada. En resumen, la tesis demuestra que combinaciones seleccionadas de indicadores, técnicas y herramientas de procesamiento de señales, junto con herramientas de IA y visualización, mejoran el análisis de PQ, facilitando la detección de perturbaciones específicas.; This doctoral thesis proposes a multidimensional approach to power supply quality analysis, integrating traditional and non-traditional indicators, advanced visualization tools, and artificial intelligence techniques. The general objective consists of developing new measurement methods for characterizing and classifying complex electrical events that arise in modern electrical networks, marked by the growing incorporation of renewable energies and nonlinear behaviours. The research begins with an exhaustive literature review, identifying gaps in traditional approaches, particularly in the detection and differentiation of hybrid events. Based on this analysis, key traditional power quality indicators were selected (crest factor, THD, SNR) and complemented by higher-order statistics. Subsequently, a global indicator has been used to combine them all, providing a unified view of the electrical network’s state. Additionally, radar charts were developed as optimized visual tools to facilitate the interpretation of electrical phenomena for both experts and users with less technical experience, and also to avoid subjective interpretations of the system under test. The developed methods have been validated using, first, synthetic signals that model pure electrical disturbances, that is, isolated disturbances. These disturbances come from previously published data sets, in prestigious databases, such as the IEEE Data-Port platform. Additionally, real signals were used, obtained by the PAIDI-TIC-168 research group monitoring the University's electrical installation. The results demonstrated nearly 100% accuracy in detecting synthetic events and real-life events like sags, and 29.79% for real impulsive transients. Compared to traditional methods, the developed tools showed significant improvement in detecting events such as notches (73%), impulsive transients (54%) and spikes (38%). Furthermore, the success rate in classifying disturbances, using a decision tree based on the indicators, ranged from 90% to 100%, depending on the disturbance under test. To sum up, the thesis demonstrates that selected combinations of indicator, signal processing techniques and tools, along with AI and visualization tools improves PQ analysis, making easier the detection of specific disturbances. 2025-10-31T00:00:00Z