inteligencia artificial.

La presente tesis aborda el desarrollo de métodos de explicabilidad (xAI) y mitigación aplicados a modelos de detección de anomalías (AD) en entornos industriales, en el marco de la transición hacia la Industria 5.0. En estos escenarios, la proliferación de sensores y sistemas interconectados genera grandes volúmenes de datos que posibilitan la detección temprana de fallos y ataques, pero también plantean retos asociados a la transparencia, la interpretabilidad y la confianza operativa. A pesar del progreso de las técnicas de aprendizaje automático y profundo, su adopción en planta se ve limitada por la falta de conjuntos de datos industriales realistas, la opacidad de los modelos y la ausencia de entornos seguros para su validación y entrenamiento humano.

El trabajo propone un enfoque integral que combina un Cyber Range industrial de alta fidelidad con el diseño de nuevos métodos de xAI específicamente adaptados a sistemas ciberfísicos. Este entorno permite generar trazas realistas con etiquetado exhaustivo, reproducir condiciones normales y anómalas, e integrar modelos de AD junto con métodos de explicabilidad basados en atribución, relevancia temporal y ejemplos contrafactuales físicamente plausibles. La experimentación controlada en este contexto facilita la evaluación rigurosa de la coherencia física, la fidelidad explicativa y la utilidad operativa de las explicaciones, asegurando que las recomendaciones derivadas sean seguras y accionables bajo las restricciones del proceso industrial.

Como resultado, la tesis contribuye a cerrar el ciclo completo "alerta; explicación; decisión; acción", garantizando que cada predicción del modelo se traduzca en una respuesta verificable y segura. Además de los avances científicos en el campo de la xAI aplicada al dominio industrial, el trabajo ofrece a la industria una herramienta práctica para generar datos realistas, evaluar modelos y capacitar operarios sin comprometer la producción. Este enfoque impulsa la confianza en los sistemas inteligentes, reduce el riesgo operativo y favorece la transferencia efectiva de la inteligencia artificial explicable a entornos industriales reales.

Despite the multiple health benefits, participation in a physically demanding sport such as football may also lead to an increased injury risk. The great efforts made in recent years have not reached the reduction of the number and severity of football-related injuries. The inefficacy of the preventive measures implemented might be partly caused by the limitations present in the current literature. To help overcome these limitations, this doctoral thesis aims (a) to establish the extent of the injury problem in male youth football players, (b) to improve the understanding regarding the aetiology and mechanisms of injury, and (c) to develop a robust prediction model of injuries. The main findings (a) corroborate a high incidence of injury, (b) show the interaction between maturation and other injury risk factors, and (c) provide an injury prediction model capable of identifying one in two and four in five young players at high and low risk of sustaining a soft tissue injury.

La práctica del fútbol puede incrementar el riesgo de sufrir una lesión deportiva. A pesar de los grandes esfuerzos realizados en los últimos años, la frecuencia y severidad de las lesiones que acontecen entre los jóvenes jugadores no se ha visto reducida. La ineficacia de las medidas preventivas aplicadas podría deberse a las limitaciones existentes actualmente en la literatura científica. Para ayudar a superar estas limitaciones, la presente tesis doctoral trata de (a) establecer el alcance del problema de las lesiones en jóvenes futbolistas, (b) mejorar la comprensión respecto a la etiología y los mecanismos de lesión, y (c) desarrollar un modelo de predicción de lesiones. Los hallazgos obtenidos (a) corroboran una alta incidencia de lesiones, (b) muestran la interacción entre maduración y otros factores de riesgo, y (c) proporcionan un modelo predictivo capaz de identificar a uno de cada dos y a cuatro de cada cinco jugadores con alto y bajo riesgo de sufrir una lesión deportiva.