Ingeniería Electrónica

Browse

Recent Submissions

Now showing 1 - 20 of 115
  • Item
    Automatización del crecimiento de plantas con iluminación artificial proveniente de Neopixels
    (Universidad Industrial de Santander, 2023-11-15) Castellanos Espitia, Carolay; Leal Benítez, Marco Antonio; Rico López, Marisol; Barrero Pérez, Jaime Guillermo; Garzón Gutiérrez, Luz Nayibe; Rodríguez Ferreira, Julián Gustavo; Botero Londoño, Julián Mauricio
    Se desarrolló un prototipo de sistema de iluminación con luz artificial proveniente de Neopixels, el cual permitió automatizar el crecimiento de plantas de lechuga. Para lograr esto, se implementó un sistema que consistió en la exposición de las plantas a luz artificial con un patrón específico utilizando LEDs RGB y se controló el tiempo de exposición a la luz. Además, se automatizó el riego por medio de un sensor de humedad del suelo y una pequeña bomba de agua controlada por un microcontrolador, que permitió suministrar la cantidad adecuada de agua a las plantas. También se desarrolló el cultivo en dos escenarios más, una cámara de crecimiento vegetal por medio de cultivo in vitro y un cultivo que fue desarrollado bajo condiciones de luz natural y riego por lluvia, para de esta manera comparar que tan efectivo resultó el metodo principal del proyecto. Se utilizó una ESP32-CAM para tomar registros fotográficos del crecimiento de las plantas con iluminación artificial de Neopixels y se recopilaron datos del crecimiento de las hojas, tallo y raíz para realizar análisis estadísticos de crecimiento en los tres escenarios.
  • Item
    DISEÑO DE UN SISTEMA MODULAR DE SIMULACIÓN DE UN PROCESO DE PRODUCCIÓN A ESCALA CON INSTRUMENTACIÓN PARA LOS LABORATORIOS DE CONTROL, INSTRUMENTACIÓN Y AUTOMATIZACIÓN DE LA ESCUELA DE INGENIERÍA ELÉCTRICA, ELECTRÓNICA Y DE TELECOMUNICACIONES
    (Universidad Industrial de Santander, 2023-11-15) Rivera Gómez, Angela Yulieth; Amaya Camargo, Luis Felipe; Castillo Bohorquez, Jeison Arley; Barrero Pérez, Jaime Guillermo; Anturi OñateE, Edwar Fabián; Acevedo Picón, Alfredo Rafael; Rodríguez Ferreira, Julian Gustavo
    Un sistema modular de simulación de un proceso es una estrategia que divide un sistema o proceso complejo en módulos más pequeños y manejables, lo que facilita el modelado, la simulación y la colaboración entre expertos en diferentes disciplinas. Esta técnica es valiosa para comprender y analizar sistemas complejos antes de implementarlos y para mejorar la eficiencia en el desarrollo de modelos de simulación. Para tener una experiencia más cercana a lo encontrado en la industria, y aplicar conceptos de instrumentación industrial, automatización y control, se plantea diseñar un banco de pruebas basado en un sistema modular de simulación de un proceso de producción a escala. Donde el estudiante podrá observar, simular y medir en tiempo real un proceso de mezclado, filtrado y envasado de un líquido por medio de la programación de un PLC. La selección de la instrumentación y los actuadores se realizará teniendo en cuenta características como el costo, precisión, requerimientos de calibración y disponibilidad en el mercado colombiano. Se realizó un análisis de factibilidad sobre la construcción de este diseño y los beneficios que le puede brindad a la Escuela de Ingeniería Eléctrica, Electrónica y de Telecomunicaciones. Adicionalmente se desarrolló un manual de uso y ensamble que proporciona una guía detallada y comprensible sobre cómo ensamblar el sistema de producción modular diseñado.
  • Item
    SISTEMA DE CONTEO DE PERSONAS POR MEDIO DE INTELIGENCIA ARTIFICIAL
    (Universidad Industrial de Santander, 2023-11-14) Rincon Saavedra, Yulieth Vanesa; Bastidas Pedrozo, Cristian de Jesús; Garzón Torres, Jorge Alejandro; Barrero Pérez, Jaime Guillermo; Sepulveda Sepulveda, Franklin Alexander; Tijaro Rojas, Omar Javier
    Este trabajo se centra en la aplicación de redes neuronales para solucionar o facilitar problemas cotidianos, como es el caso del conteo de personas. Se exploraron algunas técnicas necesarias en el campo de la inteligencia artificial que abordan algoritmos alternativos con los que se pueda construir dicho sistema. En este trabajo se utilizó la tarjeta Raspberry Pi 4 para implementar el sistema de conteo de personas. Se aprovechan los avances en visión por computadora, procesamiento de imágenes y reconocimiento de patrones para lograr esta tarea. El objetivo consistió en desarrollar un sistema capaz de detectar y mantener una información cuantitativa de las personas que entran y salen de un establecimiento.
  • Item
    CÁLCULO DE LOS TIEMPOS DE VIAJE DE PRIMEROS ARRIBOS PARTÍCIPES EN EL PROCESO DE TOMOGRAFÍA SÍSMICA DE ONDA CONVERTIDA PS SOBRE UN MODELO ESPACIAL USANDO REDES NEURONALES
    (Universidad Industrial de Santander, 2023-11-08) Meza Montañez, Maria Alejandra; Madero Jiménez, Fernando Javier; Sandoval León, Cristhian Alberto; Niño Niño, Carlos Andrés; Duarte Gualdrón, Cesar Antonio; Serrano Luna, Jheyston Omar; Ramírez Silva, Ana Beatríz
    En el proceso de tomografía sísmica, aprovechamos el reciente auge en el campo de la inteligencia artificial y sus capacidades para resolver problemas complejos utilizando derivadas parciales, especialmente en el contexto geofísico para simulaciones basadas en física. Proponemos Eiko 4P-S, un enfoque que permite calcular los tiempos de viaje de los primeros arribos de las ondas P, PP y PS sobre modelos espaciales con diferentes formas de reflector y estructuras de velocidades homogéneas. Para lograrlo, se interconectaron tres redes neuronales, que calcula los tiempos desde una fuente de onda P, hacia cualquier punto sobre o por encima del reflector, posteriormente de un postprocesamiento de los datos predichos se reconstruyó la matriz de tamaño 79 × 79 píxeles que representa un espacio de 2 km de ancho por 2 km de profundidad. Se aplicó un procedimiento similar para las redes de tiempos PP y PS, pero esta vez, la fuente está representada como los tiempos P en la posición del reflector y los receptores son todos los puntos sobre el reflector hasta la superficie gamma (Γ). Las solución propuesta para estimar los tiempos de viaje violan los principios de la ecuación diferencial (J. D. Smith et al., 2021). Cuando una ecuación diferencial es resuelta, se buscan soluciones que satisfagan exactamente la ecuación. Sin embargo, en el aprendizaje profundo, se permite que las soluciones propuestas no cumplan exactamente con la ecuación, convirtiéndolo en un problema de optimización con el objetivo de encontrar parámetros que minimicen el grado en el que esta ecuación se ve afectada. Se aprovechó la capacidad de diferenciación de la red para encontrar gradientes, los cuales son utilizados para ajustar los pesos y sesgos con el fin de minimizar la función de pérdida, evitando el uso de métodos de diferenciación finita. Tanto el entrenamiento como la inferencia se llevaron a cabo mediante cómputo altamente paralelizable, utilizando GPU. Además, se sometió Eiko 4P-S a rigurosas pruebas variando los modelos de velocidad y reflector, demostrando su versatilidad y robustez. Eiko 4P-S elimina la necesidad de crear modelos de reflector utilizando el enfoque de level set con ϕ = 0 después del entrenamiento. Esto conlleva una notable reducción en el tiempo total para calcular los tiempos, al evitar el ajuste de contorno y su correspondiente tiempo de procesamiento. No obstante, en términos de procesamiento, una vez que el modelo analítico tiene los parámetros geométricos necesarios para calcular los tiempos, se ha observado que la solución analítica (C.A.Niño et al., 2022) supera a Eiko 4P-S en tiempos de cálculo durante esta etapa, siendo de 3 a 6 veces más rápida. Este enfoque representa un avance significativo en el problema directo de la tomografía sísmica, abriendo nuevas posibilidades para su implementación, mejora y abordaje. Se propone que el algoritmo podría mejorar aún más mediante la adopción de un enfoque de muestreo en espacios de igual dimensión pero con mayor resolución en las distancias entre píxeles.
  • Item
    Mejora de resolución en imágenes de ultrasonido de seno usando redes GAN.
    (Universidad Industrial de Santander, 2023-11-10) Solano Torres, Juan Carlos; Vega Cortés, Edward Andrés; Ramírez Silva, Ana Beatriz; Abreo Carrillo, Sergio Alberto; Serrano Luna, Jheyston Omar; Fajardo Ariza, Carlos Augusto
    El cáncer de seno es una de las principales causas de muerte en mujeres. La detección temprana del cáncer de seno representa un factor fundamental en la lucha por eliminar este mal y esto se realiza mediante un correcto análisis diagnóstico en función de las pruebas o métodos preventivos. La radiografía de mama o mamografía, el examen de ultrasonido y la resonancia magnética nuclear, son los métodos que se emplean para el diagnóstico temprano de cáncer de seno. El enfoque en este trabajo apunta hacia el método de ultrasonido, particularmente sobre sus imágenes. La baja resolución en las imágenes de ultrasonido de seno, constituye la principal falencia al momento de efectuar un correcto diagnóstico por parte del especialista médico. La corrección o la mejora de resolución de dichas imágenes representa el reto a resolver en este trabajo de investigación, válido como trabajo de grado. Por este motivo, se plantea implementar un modelo de red neuronal artificial basado en arquitecturas de tipo GAN (Generative Adversarial Network por sus siglas en inglés) (Goodfellow et al., 2014), que logre entregar imágenes de ultrasonido de seno con mejor resolución. El diseño parte de una arquitectura y topología de red base ya existente desarrollada por (Ledig et al., 2017), la cual consiste en una red SRGAN o GAN de súper resolución. Este modelo presenta resultados de inferencia en imágenes a un factor x4 de ampliación, con una valoración en sus métricas de desempeño más cercanas al resultado de las imágenes fotorrealistas de entrada, comparadas con cualquier otro modelo generativo.
  • Item
    Caracterización y predicción de la demanda energética a corto plazo usando técnicas de aprendizaje máquina aplicado al MC - Santander
    (Universidad Industrial de Santander, 2023-10-11) Uribe Gómez, Sergio Alejandro; Sarmiento Gómez, Juan Camilo; Rey López, Juan Manuel; Dominguez Jiménez, Juan Antonio; Duarte Gualdrón, Cesar Antonio; Blanco Solano, Jairo; Jiménez Manjarres, Yulieth
    La energía eléctrica es un recurso indispensable en el día a día de la sociedad, pues prácticamente la totalidad de los procesos cotidianos, a nivel residencial e industrial dependen de esta. Por esta razón, es necesario un sistema de distribución robusto y confiable, con una alta capacidad de planeación en la generación, despacho y transporte de la energía eléctrica, cuyo pilar fundamental es un correcto pronóstico en la demanda energética. En este trabajo de grado se propone el desarrollo de un modelo predictivo de tres fases para la predicción de demanda energética en el departamento de Santander: extracción de características de las entradas de la máquina, selección de predictores, y predicción, donde se optó por métodos de aprendizaje automático por conjuntos basados en arboles de decisión. Finalmente, el desempeño de los modelos se midió bajo las métricas MAPE y RMSE.
  • Item
    DESIGN OF A BANDGAP VOLTAGE REFERENCE IN A 28 NM CMOS PROCESS
    (Universidad Industrial de Santander, 2023-11-10) Acevedo Velasquez, Jeison Herney; Caballero Barajas, Eduardo; Rueda Gómez, Sergio Andrés; Ardila Ochoa, Javier Ferney; Barrero Pérez, Jaime Guillermo; Dovale Vargas, Luisa Fernanda
    En el grupo de investigación Onchip se han fabricado en los últimos cinco años tres generaciones de SoC en un proceso CMOS de 180 nm. La nueva familia de microcontroladores que está desarrollando OnChip se implementará en un nodo de proceso CMOS más avanzado, concretamente en 28 nm. Esto implica nuevos desafíos en el diseño de bloques analógicos y digitales. La integración de bloques como LDO, ADC/DAC, comparadores, DC/DC y muchos más bloques requiere una referencia de voltaje estable y constante. Si la referencia de voltaje varía con el proceso, temperatura, carga, etc, el desempeño de todos los bloques dependientes, y consecuentemente el desempeño de todo el sistema, se verá comprometido. Por lo tanto, el diseño de una fuente de referencia de voltaje bandgap (BGR) es esencial para cualquier SoC, ya que el principio de funcionamiento detrás de este bloque le permite entregar un voltaje constante, cercano a la energía de banda prohibida del silicio, que es en gran medida independiente de las variaciones de PVT cuando adecuadamente diseñado. Esta es la razón por la que este bloque se diseñará en el microcontrolador, que será desarrollado por Onchip.
  • Item
    Implementation and analysis of the post-quantum algorithm NTRU Prime on an FPGA
    (Universidad Industrial de Santander, 2023-11-02) Marín Mojica, Josue Kaleb; Salamanca Becerra, William Alexander; Fajardo Ariza, Carlos Augusto; Garcia Arenas, Hans Yecid; Ardila Ochoa, Javier Ferney
    Así como la tecnología avanza a un paso rápido, también lo hace la necesidad de mantener comunicaciones seguras. Los computadores actuales tienen una defensa eficiente contra ataques cibernéticos gracias a los algoritmos criptográficos, pero, el riesgo a la seguridad de los datos es cada vez más fuerte, especialmente en la era de los computadores cuánticos los métodos de encriptación actuales están en riesgo de ser comprometidos. Por lo tanto, últimamente se ha visto la necesidad de revisar nuevos algoritmos capaces de soportar ataques de este estilo. A estos se les da el nombre de algoritmos post-cuánticos. Teniendo en cuenta lo anterior, debido a que los computadores cuánticos representan un posible problema de seguridad, los algoritmos post-cuánticos han ganado bastante interés en los últimos años, tanto así que National Institute of Standards and Technology (NIST) de Estados Unidos creó un concurso con el fin de estandarizarlos. Este concurso cuenta con tres fases ya realizadas, actualmente entrando a la cuarta, y entre los finalistas de la fase tres se encontró NTRU PRIME, siendo este, el algoritmo a estudiar e implementar en el marco de este proyecto. NTRU PRIME es una derivación de un algoritmo post-cuántico llamado NTRU; ambos están basados en anillos algebraicos, siendo la principal diferencia, como el nombre lo dice, que NTRU PRIME se asegura de usar números primos para la mayor parte de sus parámetros. Este algoritmo fue inicialmente propuesto en 2016 y se vio como una buena alternativa a NTRU debido a la reducción del campo de ataque que tiene a comparación con su original. Con lo anterior en mente, con la amenaza constante de la computación cuántica es más importante que nunca seguir investigando algoritmos post-cuanticos, la seguridad de nuestros datos es más importante en esta nueva era y la implementación de estos algoritmos es un paso en la dirección correcta para asegurarse de la seguridad y confiabilidad de nuestra información teniendo al frente al campo de la computación cuántica avanzando a paso rápido. Por esto en este proyecto se estudiará el comportamiento de NTRU PRIME en una FPGA para poder ayudar al entendimiento de este algoritmo y, a su vez, revisar que tan útil seria en una implementación de este estilo a comparación con otras ya realizadas anteriormente
  • Item
    IMPLEMENTACIÓN DE UN ALGORITMO DE IMPUTACIÓN DE DATOS DE SÍNTESIS DE CELDAS SOLARES DE PEROVSKITA UTILIZANDO EL CRITERIO DE BAYESIAN LINEAR REGRESSION (BLR)
    (Universidad Industrial de Santander, 2023-11-08) Cruz Calderón, Joseph Matheo; Calderón Osorio, Francy Jessenia; Sepúlveda Sepúlveda, Franklin Alexánder; Botero Londoño, Mónica Andrea; Fajardo Ariza, Carlos Augusto; Velez Sánchez, Jeisson Emilio
    El cambio climático ha impulsado el uso de energías renovables, como la solar, para reducir las emisiones de gases de efecto invernadero y la dependencia de los combustibles fósiles. Las celdas solares de perovskita tienen altas expectativas, debido a la mejora en pocos años de su eficiencia de conversión de potencia, PCE, que para 2009 fue de 3.8 % , y para el presente año, de 26.1 %. A pesar del progreso que han logrado, el reporte de la información incompleta respecto a los datos de síntesis de estas celdas ha resultado en carencias significativas en la información científica disponible. En este trabajo se desarrolla una solución a este problema, la metodología desarrollada implementa un algoritmo de imputación de datos basado en el modelo de regresión lineal Bayesiana, realizado en Python, aplicándolo en una base de datos depurada de 63 observaciones. Los resultados demuestran el potencial de combinar nuevas tecnologías como las celdas solares de perovskita con metodologías y estadísticas avanzadas y no convencionales como lo es la estadística bayesiana y generar conocimientos en áreas emergentes. Futuros trabajos podrán usar este algoritmo para imputar y estimar datos de otras fuentes y campos de investigación.
  • Item
    Diseño De Un Modelo Funcional-Portátil Para La Adquisición Y Almacenamiento De Señales ECG Con Conexión Inalámbrica Bluetooth
    (Universidad Industrial de Santander, 2023-11-08) Afanador Díaz, Yerlin Dayana; Moreno Cruz, Liceth Natalia; Fajardo Ariza, Carlos Augusto; Castillo Bohorquez, Jeison Arley; Barrero Pérez, Jaime Guillermo; Niño Niño, Carlos Andrés
    Las enfermedades cardiovasculares representan una creciente amenaza para la salud, con un significativo impacto en el sistema de salud debido a los elevados costos de tratamiento. Este artículo aborda la necesidad de tecnologías accesibles para el monitoreo de señales ECG, que son importantes para el diagnóstico y seguimiento de estas enfermedades. Se presenta la propuesta de un dispositivo de bajo costo que captura, transmite y almacena señales ECG a través de Bluetooth LE, con el propósito de mejorar la accesibilidad a la atención médica. El artículo detalla la investigación y desarrollo de este dispositivo, desde la selección de hardware hasta la validación clínica, destacando su contribución a la accesibilidad de la atención médica y su papel en la creación de una tecnología de fabricación nacional. Este proyecto no solo busca mejorar la detección temprana de enfermedades cardíacas, sino también promover la innovación en el campo de la salud y la economía en Colombia.
  • Item
    SISTEMA PARA LA SEGMENTACIÓN Y CLASIFICACIÓN DEL TEJIDO DENSO EN IMÁGENES MAMOGRÁFICAS USANDO APRENDIZAJE AUTOMÁTICO
    (Universidad Industrial de Santander, 2023-11-07) Bravo Bravo, Maria Angelica; Cabeza Gutiérrez, Natalia Johana; Pertuz Arroyo, Said David; Africano Ardila, Gerson Fernando; Arguello Fuentes, Henry; Ramírez Silva, Ana Beatriz
    La densidad mamaria es uno de los factores de riesgo más importantes para estimar el cáncer de seno. Una mayor densidad indica una mayor probabilidad de desarrollar esta enfermedad y además, hace que sea más propenso que un radiólogo pase por alto lesiones pequeñas. Actualmente, existen técnicas basadas en aprendizaje automático y aprendizaje profundo para estimar la densidad mamaria. Sin embargo, la mayoría de estas técnicas se encuentran en etapa de desarrollo, lo que dificulta su uso por no expertos en el área de análisis computacional de imágenes. El objetivo de este trabajo es integrar desarrollos recientes encontrados en el estado del arte a través de una interfaz de software independiente que pueda ser usada por médicos para la segmentación y estimación de la densidad mamaria en imágenes de mamografía digital de campo completo. La interfaz de software se diseñó usando Qt Designer para aspectos gráficos y el lenguaje de programación Python, específicamente su módulo PyQt5, para el manejo de estas herramientas. Se realizó un estudio en lectores no expertos con cuarenta participantes para evaluar el desempeño de la interfaz de software diseñada. El análisis cuantitativo de los resultados de segmentación obtenido por los usuarios con las segmentaciones manuales hechas por lectores expertos obtuvo PD-errors entre 7.5% y 10.1%. Además, se evaluaron aspectos cualitativos de la interfaz, tales como disposición, eficiencia y satisfacción del usuario, concluyendo que el software desarrollado es considerado intuitivo, fácil de usar, completo y se desempeña de acuerdo a las expectativas del usuario. Con este trabajo, se pretende servir de base para una futura validación clínica de biomarcadores basados en densidad para la evaluación del riesgo de cáncer de seno.
  • Item
    Diseño De Una Estación De Monitoreo De Variables Medioambientales Y Material Particulado De Bajo Costo
    (Universidad Industrial de Santander, 2023-11-03) Trujillo Sanguino, Jair Fernando; Calderón Quintero, Elian; Rojas Sánchez, Andrés Francisco; Rodríguez Ferreira, Julián Gustavo; Barrero Pérez, Jaime Guillermo; Ortega Boada, Homero; Rubio Toloza, Andrés Felipe
    Las preocupaciones por la salud humana han generado que los ingenieros, médicos e investigadores estén creando nuevas herramientas que permitan obtener datos sobre la calidad del medio ambiente, estén diseñando instrumentos de medición como sensores para obtener datos en diferentes entornos ambientales; por lo cual la combinación de varios sensores puede contribuir a la creación de una estación de monitoreo de variables medioambientales. La investigación se realizó a partir del estudio de las variables en el ámbito local que afectan en gran medida la salud humana, como son: el material particulado, la temperatura, la humedad, la radiación solar y el dióxido de carbono; se hizo el ajuste de los requerimientos en el mercado de los sensores a implementar de acuerdo con su alta precisión y bajo costo, por lo cual el proyecto se desarrolló teniendo en cuenta 3 sistemas importantes: hardware, software y estructura. Para cada sistema se llevó un proceso de selección que cumplió con los requerimientos de lectura adecuada y el funcionamiento del sistema con el menor margen de error posible; adicionalmente, se realizaron pruebas de cada uno de los sensores para la obtención de datos que permitieron lecturas coherentes para su correcto análisis. Finalmente, se realizó el proceso de la integración de los 3 sistemas para un diseño final comprobando el funcionamiento en diferentes zonas de la ciudad de Bucaramanga y Páramo de Berlín que permitieron la validación y lectura final de la información para su lectura comprensible y adecuada para la comunidad.
  • Item
    Algoritmo para la predicción del delito al patrimonio económico en la ciudad de Bucaramanga mediante el uso de machine learning.
    (Universidad Industrial de Santander, 2023-10-30) Plaza Quintero, Diego Julian; Tarazona Rios, Santiago; Castillo Bohorquez, Jeison Arley; Barrero Perez, Jaime Guillermo; Abreo Carrillo, Sergio Alberto; Sepulveda Sepulveda, Franklin Alexander
    Este proyecto se centra en la aplicación de técnicas de aprendizaje de maquina para predecir delitos relacionados con el patrimonio económico en la ciudad de Bucaramanga, con el objetivo de mejorar la seguridad de la población. El enfoque de este trabajo aborda la variedad de datos que pueden influir en el rendimiento del modelo. Para lograr una mayor eficacia en la predicción, se dividió el tiempo en ventanas de 15 días, generando así un total de 24 a 25 ventanas por año. Cada ventana se compone de vectores de datos que incluyen información de latitud, longitud y un conjunto de datos preseleccionados, con la variación de 3 a 5 ventanas temporales que contribuyen a formar el vector correspondiente a la ventana siguiente. La arquitectura de la red neuronal con mejores resultados que fue el modelo de capas sencillas, consta de una capa de entrada con 512 neuronas y función de activación Relu, seguida de una capa de dropout con una tasa de 0.2 y una capa de salida con función sigmoid. El estudio evalúa el rendimiento de la predicción en diferentes escenarios de entrenamiento, considerando cambios en el tamaño de la entrada, el tamaño del vector de datos, la salida de la red y el tipo de datos resultante, incluyendo valores normalizados y valores clasificados en 5 clases por los autores. Los resultados revelan un modelo de capas neuronales con un error promedio de 1,5254 y un error cuadrático medio de 0,0024 para los datos clasificados por los autores.
  • Item
    DISEÑO, DESARROLLO E IMPLEMENTACIÓN DE UN SISTEMA DE INFORMACIÓN PARA LA GESTIÓN DE PERMISOS DE PUBLICIDAD EXTERIOR DEL MUNICIPIO DE BUCARAMANGA
    (Universidad Industrial de Santander, 2023-11-01) La Rotta Espinosa, Adriana Lorena; Serrano Luna, Jheyston Omar; Amaya Palacio, José Alejandro; Ortega Boada, Homero; Riaño Velandia, Dario Alejandro
    En respuesta a los desafíos actuales en la gestión de permisos de publicidad exterior en el municipio de Bucaramanga, presentamos un proyecto innovador destinado a simplificar y optimizar este proceso. Nuestra iniciativa se centra en el diseño y desarrollo de un sistema de información revolucionario que transformará la manera en que los ciudadanos solicitan y obtienen permisos para anuncios publicitarios en espacios públicos, especialmente aquellos que exceden los 8 metros cuadrados. La esencia de nuestra propuesta radica en la creación de una plataforma integral y de fácil uso que permitirá a los ciudadanos solicitar permisos para anuncios de manera sencilla y rápida. Esta plataforma no solo es intuitiva, sino que también está diseñada para abordar una amplia gama de necesidades individuales, garantizando una experiencia personalizada para cada usuario. La plataforma mejora la calidad de vida al reducir anuncios sin permiso y aumentar ingresos municipales. La interacción ciudadana se optimiza, mejorando la estética y el desarrollo sostenible. Nuestro enfoque se basa en la personalización y consideración de casos individuales. A través de una plataforma a medida, transformamos la experiencia de solicitud de permisos, buscando eficiencia y satisfacción tanto ciudadana como del personal involucrado.
  • Item
    Asignación de Precios Minoristas en Sistemas de Distribución con Múltiples Microrredes Usando Aprendizaje por Refuerzo
    (Universidad Industrial de Santander, 2023-10-30) Carrillo Valera, Camilo Esteban; Sandoval Manrique, Jhon Héctor; Rey López, Juan Manuel; Luna Chacón, Andrés Felipe; Serna Súarez, Ivan David; Galvis Díaz, Oscar Alexis
    En esta investigación se propone desarrollar un algoritmo para la asignación de los precios minoristas en un sistema de distribución con múltiples microrredes usando la técnica de aprendizaje por refuerzo. Para esto, se plantea una topología en específico de un sistema de distribución con 4 microrredes conectadas que tienen la posibilidad de comprar o vender energía a la red principal para satisfacer su demanda. Desde la perspectiva del OR, el objetivo es maximizar las ganancias por compra/venta de energía mientras se minimiza la PAR de la demanda. Las microrredes compuestas por fuentes renovables y fuentes despachables, determinan la potencia intercambiada con la red a través del planteamiento de un problema de optimización en el que se busca minimizar sus costos operativos. Para el análisis de flujos de potencia del sistema de distribución se utiliza la librería PandaPower de Python. Se entrena una estrategia de aprendizaje por refuerzo mediante el método de Monte Carlo con el fin de seleccionar una política de precios diarios. Finalmente, los resultados se comparan con políticas de precio constante, evaluando y concluyendo sobre las mejoras obtenidas.
  • Item
    Diseño e implementación de una red neuronal convolucional para la estimación de mecanismos focales a partir de datos sismológicos sintéticos basados en la región del Valle Medio del Magdalena
    (Universidad Industrial de Santander, 2023-08-12) Peña Cala, Cristian Alberto; Gil Moreno, Sergio Andres; Serrano Luna, Jheyston Omar; Ramirez Silva, Ana Beatriz; Abreo Carrillo, Sergio Alberto; Barrero Perez, Jaime Guillermo
    En este artículo se presenta el diseño e implementación de un Modelo de Red Neuronal Convolucional (CNN) para estimar los mecanismos focales basado en la forma de onda de mediciones de velocidad sísmica. Este enfoque se propone como una alternativa novedosa a los métodos tradicionales de estimación de mecanismos focales. La aplicación de inteligencia artificial y aprendizaje automático ofrece nuevas oportunidades y contribuciones significativas en el campo de la sismología. En particular, las CNN son capaces de extraer características relevantes y reconocer patrones complejos en los datos sísmicos, lo que las convierte en una herramienta prometedora para la estimación de mecanismos focales. En el entrenamiento de la CNN, se utilizaron datos sintéticos generados con base en la topología del área de estudio y modelos teóricos establecidos. Esto permite tener un control preciso sobre los parámetros de entrada y los mecanismos focales conocidos, lo que facilita el proceso de aprendizaje del modelo.
  • Item
    Implementación de técnicas heurísticas para evaluar el desempeño de redes de distribución ante el impacto de rayos indirectos.
    (Universidad Industrial de Santander, 2023-08-10) Leal Torres, Carlos Enrique; Flórez Orjuela, Nelson Fernando; Soto Ríos, Edison Andrés; Chacón Velasco, Julio Cesar; Serna Suarez, Ivan David
    En este artículo, utilizamos tres técnicas heurísticas diferentes aplicadas al análisis de desempeño de tres topologías de red cuando se ven afectados por el impacto indirecto de rayos como nuestro tema de estudio. Las técnicas seleccionadas incluyen la técnica heurística de Borghetti et al, la técnica de Rusck-Fórmula, y una técnica de regresión multivariable no lineal presentada por Soto et al. Los casos de prueba propuestos son una configuración de red de línea recta, una en forma de T y una en forma de H, con tres conductividades del suelo típicas. El principal objetivo es implementar cada técnica para reducir el número total de simulaciones inicialmente obtenidas usando el método de Monte Carlo para estimar la tasa de fallas de cada caso incluido en este estudio. Luego, los resultados se comparan en términos de esfuerzo computacional y precisión. Como resultado de la implementación de las técnicas heurísticas mencionadas, entre el 74% y el 97,5% de los eventos fueron descartados del número total de simulaciones con un error medio mínimo y máximo de 0% y 17%, respectivamente.
  • Item
    DISEÑO Y ENSAMBLAJE DE UN MODELO FUNCIONAL DE GUANTE BIÓNICO PARA REHABILITACIÓN DE MANO BASADO EN ESTIMULACIÓN ELÉCTRICA FUNCIONAL (FES)
    (Universidad Industrial de Santander, 2023-08-11) Arcos Cuadros, Carlos Antonio; Balaguera Daza, Kevin Santiago; Pérez Jurado, Daniela Patricia; Quintero Muñoz, Jorge Eduardo; Barrero Pérez, Jaime Guillermo; Castro Jaluba, William Razvan; Carreño Zagarra, Jose Jorge
    Cuando se padece una limitación en la movilidad debido a una enfermedad neurológica, un accidente cerebrovascular (ACV) o un trauma craneoencefálico, se ve afectada significativamente la calidad de vida del paciente. Para mitigar esta limitación, uno de los tratamientos posibles es la Estimulación Eléctrica Funcional (FES), que consiste en causar contracciones musculares mediante pulsos bifásicos de corrientes eléctricas. Este estudio tiene como objetivo diseñar y ensamblar un modelo funcional de un guante biónico para la rehabilitación de mano, basado en la Estimulación Eléctrica Funcional (FES), con la particularidad de incorporar un dispositivo de control en forma de auricular, ubicado en la cabeza y, en consecuencia, crear un estimulador eléctrico funcional portátil, fácil de usar y práctico, que sea también una alternativa de bajo costo mediante la implementación de un microcontrolador de 32 bits (ESP32). El proyecto comienza con el diseño completo del prototipo de guante biónico, que incluye dos partes: el diseño estructural para definir la forma y dimensiones del guante, y el diseño del circuito a utilizar, incluyendo la forma de alimentación. Una vez diseñado y ensamblado el prototipo de guante, se crea el prototipo auricular, donde se define su forma estética y los circuitos a utilizar. Al finalizar ambos elementos, se desarrolla una aplicación móvil para variar los parámetros FES, este será el último elemento del sistema, por lo que, seguido a su terminación se realizarán pruebas para comprobar el funcionamiento y la efectividad de los prototipos.
  • Item
    Predicción de eventos de hiperglucemia e hipoglucemia en pacientes con diabetes tipo 1 mediante algoritmos de aprendizaje supervisado
    (Universidad Industrial de Santander, 2023-08-09) Malaver Fonseca, Wilson Danilo; Reyes Carreño, Andrea Paola; Narváez Guerra, Manuel José; Villamizar Mejía, Rodolfo; Rodríguez Moreno, Edward Alfonso; Sepulveda Sepulveda, Franklin Alexander; Pertuz Arroyo, Said David
    Este proyecto tiene como objetivo utilizar técnicas de aprendizaje automático para predecir eventos de hiperglicemia e hipoglicemia en pacientes diabéticos, a partir de datos de ingesta de carbohidratos, glucosa e insulina generados por el simulador UVA Padova. La utilización de estas técnicas permitirá predecir el comportamiento de la glucosa en un tiempo determinado. Para llevar a cabo el proyecto, se realiza un preprocesamiento del conjunto de mediciones generados por el simulador con el fin de mejorar la calidad de los datos de entrada y a su vez la precisión y eficiencia de la red neuronal. Se entrenan tres algoritmos de aprendizaje automático: GAN, GRU y SVM. La Red Generativa Antagónica (GAN) es un algoritmo de aprendizaje profundo que se utiliza para generar nuevos datos similares a los datos de entrenamiento. La Unidad Recurrente Cerrada (GRU) es un tipo de red neuronal recurrente que se utiliza para procesar secuencias de datos. La Máquina de Vector Soporte (SVM) es un algoritmo de aprendizaje supervisado que se utiliza para clasificar datos en dos grupos. Los resultados obtenidos de este proyecto podrían tener un impacto significativo en la prevención de sucesos desfavorables en pacientes diabéticos, mejorando su calidad de vida y su tratamiento médico.
  • Item
    Enfoque de aprendizaje de distancias para la detección de cambios de micrófono en archivos de audio
    (Universidad Industrial de Santander, 2023-08-10) Calderón Ardila, Elkin Fabian; Sepúlveda Sepúlveda, Franklin Alexander; Barrero Pérez, Jaime Guillermo; Pertuz Arroyo, Said David
    En el presente trabajo se lleva a cabo la implementación y evaluación de dos algoritmos para la detección de cambios o inconsistencias de micrófono en grabaciones de audio para aplicaciones forenses mediante un enfoque basado en el aprendizaje de distancias. El primer algoritmo consiste en el cálculo de la Distancia de Mahalanobis mediante los métodos LMNN (Large Margin Nearest Neighbor), NCA (Neighbourhood Components Analysis) e ITML (Information Theoretic Metric Learning) a partir de vectores de información espectral extraídos de ventanas de audio. Estos vectores se obtienen del cálculo de los MFCC (Coeficientes Cepstrales en las Frecuencias de Mel), omitiendo el último paso que consiste en la aplicación de la DCT (Transformada de Coseno Discreta) y, utilizando un banco de 128 filtros en la escala mel con límites entre 0 y 8000 Hz. Por otro lado, el segundo algoritmo consiste en hallar la Divergencia de Jensen-Shannon mayor entre los conjuntos de filtros número 1 a 6 y, 99 a 128 del banco de filtros en escala mel mencionado. Para la evaluación de estos algoritmos se utiliza la base de datos AVSpoof, creada por Ergünay et al. El análisis de los resultados tanto individuales como en conjunto obtenidos tras la implementación de estos dos algoritmos se realiza mediante tres diferentes tipos de clasificadores: SVM (máquinas de vectores de soporte), ANN (redes neuronales artificiales) y k-NN (k vecinos más cercanos).