11332 research outputs found
Sort by
Diagnosis and treatment of reactive inventory management and Its hidden costs in supply Chains: the case of heavy machinery equipment
No full textEn Ferrari Crane SAS se identificó un problema técnico que afecta la operación: el inventario se maneja de manera reactiva. Esto genera faltantes en materiales críticos, acumulación de piezas que no se usan y un gasto constante en compras urgentes que elevan los costos y frenan el flujo de los proyectos. Todo esto termina creando cuellos de botella y un uso poco eficiente de los recursos, además de afectar la capacidad de la empresa para cumplir con los tiempos establecidos.
La propuesta del proyecto se enfocó en mejorar ese uso de los recursos y reducir los puntos donde el proceso se tranca, principalmente a través de una trazabilidad más clara del proceso de compras. Para lograrlo se aplicó una clasificación ABC–D–E ajustada a la importancia real de cada ítem, se organizó y depuró el maestro de referencias y se integró la gestión entre SIESA y Monday.com para que las solicitudes, validaciones y compras puedan seguirse paso a paso sin depender de comunicaciones informales. El objetivo no fue construir un sistema complejo, sino uno que permita anticiparse a las necesidades y disminuir la cantidad de urgencias.
El diseño del proyecto combinó análisis de datos internos, entrevistas con el personal y herramientas básicas como puntos de reorden, stock de seguridad y estandarización de códigos. Entre las principales limitaciones estuvieron la falta de datos históricos confiables, el trabajo manual necesario para revisar miles de ítems y la dificultad natural de cambiar la forma de trabajar entre áreas.
Los resultados muestran una reducción en las compras urgentes, una mejor coordinación entre departamentos y un flujo más estable de materiales. En general, el proyecto permitió demostrar que con información ordenada y trazabilidad en compras es posible reducir cuellos de botella, controlar costos y avanzar hacia una gestión de inventarios más eficiente y predecible.Ferrari Crane SAS faces a recurring operational issue: its inventory is managed reactively, which leads to shortages of critical materials, an accumulation of unused items, and frequent urgent purchases that increase costs and delay project execution. These conditions create bottlenecks, reduce the efficient use of resources, and weaken the company’s ability to meet delivery deadlines.
The project focused on improving resource use and reducing bottlenecks by strengthening traceability in the purchasing process. To achieve this, an ABC–D–E classification was applied according to the real importance of each item, the item master was cleaned and reorganized, and the workflow of requests, validations, and purchases was integrated between SIESA and Monday.com. The intention was not to build a complex system, but a practical structure that allows the company to anticipate needs and reduce urgent purchases.
The methodology combined internal data analysis, interviews with staff, and basic tools such as reorder points, safety stock, and standardized coding rules. The main limitations were the lack of reliable historical information, the manual effort required to review thousands of items, and the natural resistance to modifying established work routines.
The results show fewer urgent purchases, better coordination between departments, and a more stable flow of materials. Overall, the project demonstrates that organized information and improved traceability in the purchasing process can reduce bottlenecks, control costs, and support a more efficient and predictable inventory management model
Design of an optimization model for planning functional menus based on food synergy aimed at the management of obesity, low-grade chronic Inflammation, and/or the improvement of eating habits in adults
No full textEl proyecto aborda la falta de modelos computacionales que integren evidencia de sinergia alimentaria en la planificación de menús funcionales para el manejo de obesidad, inflamación crónica de bajo grado y hábitos alimentarios en adultos. Para responder, se desarrolló SynFood, prototipo de optimización trofológica que genera menús semanales personalizados según el perfil del usuario (edad, sexo, nivel de actividad y objetivo nutricional), incorporando criterios de compatibilidad alimentaria basados en literatura científica.
El diseño se estructuró en cinco fases: (1) revisión de literatura y construcción de una base de conocimiento sobre combinaciones sinérgicas; (2) formulación de un modelo matemático multicriterio que pondera proteína, fibra, omega-3, capacidad antioxidante, carga glucémica y diversidad vegetal; (3) implementación en Python del algoritmo de scoring derivado del modelo, con interfaz web en Streamlit; (4) resolución del modelo en escenarios de prueba representativos; y (5) validación preliminar mediante revisión experta y análisis de sensibilidad, que verificaron coherencia nutricional y estabilidad de los resultados.
El prototipo presenta limitaciones como uso de datos secundarios, base alimentaria acotada, ausencia de pruebas clínicas y de evaluación cultural o sensorial de los menús. No obstante, la validación con nutricionistas dietistas y perfiles tipo evidenció mejoras frente a menús aleatorios equivalentes, reflejadas en mayor diversidad vegetal, menor carga glucémica y eliminación de combinaciones nutricionalmente incompatibles.
Como aporte, SynFood demuestra la viabilidad de traducir principios de sinergia alimentaria y trofología en un modelo de optimización reproducible y escalable, aplicable a futuros desarrollos digitales, y ofrecer una herramienta potencial para apoyar estrategias de prevención de enfermedades crónicas y promover decisiones alimentarias más informadas y coherentes con la evidencia disponible.The project addresses the lack of computational models that integrate evidence on food synergy in the planning of functional menus for managing obesity, low-grade chronic inflammation, and eating habits in adults. To respond, SynFood was developed, a trophological optimization prototype that generates personalized weekly menus according to the user’s profile (age, sex, activity level, and nutritional goal), incorporating food compatibility criteria based on scientific literature.
The design was structured in five phases: (1) literature review and construction of a knowledge base on synergistic combinations; (2) formulation of a multicriteria mathematical model that weights protein, fiber, omega-3, antioxidant capacity, glycemic load, and plant diversity; (3) implementation in Python of the scoring algorithm derived from the model, with a Streamlit web interface; (4) solving the model in representative test scenarios; and (5) preliminary validation through expert review and sensitivity analysis, which verified nutritional coherence and stability of the results.
The prototype presents limitations such as the use of secondary data, a restricted food database, lack of clinical trials, and absence of cultural or sensory evaluation of the menus. Nonetheless, validation with dietitian-nutritionists and archetypal user profiles showed improvements compared with equivalent random menus, reflected in greater plant diversity, lower glycemic load, and elimination of nutritionally incompatible combinations.
As a contribution, SynFood demonstrates the feasibility of translating principles of food synergy and trophology into a reproducible, scalable optimization model, applicable to future digital developments, offering a potential tool to support chronic disease prevention strategies and to promote more informed food decisions aligned with the available evidence
Eficacia y seguridad tratamiento analgésico en abdomen agudo en niños: revisión sistemática y Network-Metaanálisis
Full text linkIntroduction: In children older than 1 year of age, acute appendicitis is the most frequent cause of surgical diagnoses, representing approximately 64% of these cases. Its incidence is higher between ages 12 to 17. Currently, few people still believe that children perceive pain differently from adults or that pain has no negative consequences; on the contrary, awareness has increased regarding the impact that even minimally painful procedures can have on the long-term emotional well-being of pediatric patients. Despite this, children still are at high risk of undertreatment of pain, known as oligoanalgesia. Consequently, pediatric patients receive less analgesia than adults under similar clinical conditions, with younger children receiving even less analgesia than older ones. Therefore, this study aims to evaluate and rank the efficacy and safety of analgesic agents through a systematic review with network meta-analysis, including both opioids and non-opioids, to inform clinical practice and reduce the gap between evidence and its application in pediatric emergency services. Methods: A paired and network meta-analysis (NMA) was conducted to compare the efficacy and safety of analgesics in pediatric abdominal pain. Odds ratios were estimated for dichotomous variables, and weighted mean differences with 95% confidence intervals were calculated for continuous variables. Heterogeneity was assessed using I², and overall consistency was evaluated using the “design-by-treatment” approach. Principles of transitivity and coherence were applied, and sensitivity analyses were performed, excluding studies with high risk of bias and those with imputed data. We presented the results using network and forest plots. The analysis was performed in R Studio v4.3.2. Outcomes evaluated included analgesic efficacy in children with acute abdomen receiving analgesia (opioids or NSAIDs) compared to placebo, measured by the Visual Analog Scale (VAS) for pain. Secondary outcomes were appendicitis complications, number of missed appendicitis cases, and medication side effects. Results: A total of 2121 records were identified, and after the selection process, five randomized clinical trials (n = 531) evaluating the efficacy and safety of analgesics in children with acute abdominal pain were included. The interventions included opioids (morphine, tramadol, oxycodone), NSAIDs (ketorolac), and paracetamol. The paired meta-analysis found that opioids significantly reduced pain compared to placebo on the VAS scale (MD: –0.97; 95% CI: –1.52 to –0.42; p = 0.0006). No differences were found in the incidence of complicated appendicitis (OR: 1.02; 95% CI: 0.52– 2.00) or missed appendicitis. However, opioid use was associated with a 6.55 times higher risk of adverse effects compared to the placebo group, representing a statistically significant association (95% CI = 1.14 to 37.76, p = 0.04). The network meta-analysis confirmed the superiority of morphine over placebo, while oxycodone showed no significant difference. Conclusion: The findings indicate that, compared to placebo, opioids are associated with a statistically significant reduction in pain. This reduction remained consistent in the network metaanalysis, where morphine was shown to be significantly more effective than placebo. Although oxycodone also showed a trend toward pain reduction, it did not reach statistical significance, and no relevant differences were found between morphine and oxycodone.MaestríaMagister en Epidemiologia Clínic
An intelligent decision support system for risk assessment in transportation of hazardous materials
Full text linkRoad transportation of hazardous materials involves substantial risks and therefore must be addressed with real-time, adaptive evaluation and management approaches. This research proposes an Intelligent Decision Support System based on fuzzy logic and data collected from Google Maps, which provides a continuous visualization of the optimal route from origin to destination. To do so, the system gathers the estimated time of arrival (ETA) data from Google Maps and feeds it into a set of fuzzy rules defined by subjectmatter experts, promptly evaluating the environmental and contextual factors that influence risk levels. In addition, it monitors road conditions and, upon detecting significant changes, recalculates the routing solution using a multi-criteria evaluation that integrates three intelligent algorithms: the fuzzy interval estimator, the genetic optimizer, and the weighted conditional model. In this way, the algorithm simulates expert reasoning when making decisions and suggests common-sense responses to prevent accidents and improve emergency management. Several tests demonstrate that the system not only enhances the safety of hazardous materials transport but also improves logistics efficiency by providing flexibility in route.MaestríaMagister en Ingeniería Electrónic
Autonet AI: Computer Network Automation Based on Artificial Intelligence
No full textAutonet AI es un proyecto que aborda el crítico problema de la gestión manual de redes, principal causante del 40% al 70% de las fallas en infraestructuras complejas. Este sistema propone una solución innovadora y accesible: un asistente de red inteligente que automatiza por completo la detección y respuesta a amenazas de seguridad. Integrando el monitoreo en tiempo real (SNMP), modelos de inteligencia artificial y la herramienta de automatización Ansible, el sistema es capaz de distinguir entre el tráfico normal y un ataque específico de Denegación de Servicio (DoS) y uno de fuerza bruta. Tras su detección, genera y ejecuta automáticamente configuraciones de mitigación, reduciendo el tiempo de respuesta a incidentes y operando de forma autónoma y continua. Implementado y validado con éxito en un entorno controlado de laboratorio, Autonet AI demuestra que es posible transformar la administración de redes tradicional en un proceso proactivo, seguro y escalable, utilizando inteligencia artificial y herramientas de código abierto, sentando así las bases para su adopción en entornos organizacionales reales.Autonet AI is a project that addresses the critical problem of manual network management, which is the main cause of 40% to 70% failures in complex infrastructures. This system proposes an innovative and accessible solution: an intelligent network assistant that fully automates the detection and response to security threats. By integrating real-time monitoring (SNMP), artificial intelligence models, and the Ansible automation tool, the system can distinguish between normal traffic and specific attacks such as Denial-of-Service (DoS) and brute-force attempts. After detection, it automatically generates and executes mitigation configurations, reducing incident response time and operating autonomously and continuously. Implemented and successfully validated in a controlled laboratory environment, Autonet AI demonstrates that it is possible to transform traditional network administration into a proactive, secure, and scalable process using artificial intelligence and open-source tools, thus laying the foundations for its adoption in real organizational environments
Design of an institutional methodology to analyze and monitor retention and gender equity in STEM programs
No full textLas instituciones académicas enfrenta brechas persistentes en permanencia estudiantil y equidad de género en programas STEM, las cuales dificultan la identificación de perfiles de riesgo y limitan la formulación de políticas académicas efectivas. Para responder a esta necesidad, se diseñó una metodología institucional integral orientada al análisis y monitoreo de la permanencia y la equidad, empleando datos académicos, indicadores compuestos y técnicas multivariadas que permiten identificar patrones críticos y caracterizar perfiles estudiantiles diferenciados.
El diseño metodológico comprende etapas como la preparación y depuración de datos, la construcción de indicadores, el análisis factorial exploratorio, la segmentación de perfiles mediante clustering y la validación. Durante el desarrollo se enfrentaron limitaciones relativas a la calidad y cobertura de los datos, el uso de entornos gratuitos para el análisis en Python, la complejidad estadística y las normas de confidencialidad.
Como parte de la validación, se llevó a cabo una prueba piloto con encuestas institucionales, lo que permitió verificar tanto la aplicabilidad del instrumento como su capacidad para medir factores relevantes en permanencia y equidad. Los resultados evidenciaron una alta adecuación muestral (KMO = 0.941), la identificación de 17 factores significativos, una elevada consistencia interna (α > 0.90), y modelos predictivos con capacidad para anticipar riesgos y distinguir perfiles diferenciados de estudiantes.
La metodología diseñada es replicable, escalable y útil para fortalecer la toma de decisiones basadas en evidencia en los programas STEM, facilitando la identificación temprana de riesgos, la formulación de intervenciones focalizadas y el avance institucional hacia políticas educativas más inclusivas y efectivas.Academic institutions face persistent gaps in student retention and gender equity in STEM programs, which make it difficult to identify risk profiles and limit the formulation of effective academic policies. To address this need, a comprehensive institutional methodology was designed to analyze and monitor retention and equity, using academic data, composite indicators, and multivariate techniques that allow for the identification of critical patterns and the characterization of differentiated student profiles.
The methodological design includes stages such as data preparation and cleaning, indicator construction, exploratory factor analysis, profile segmentation through clustering, and validation. During development, limitations were encountered related to data quality and coverage, the use of free environments for analysis in Python, statistical complexity, and confidentiality standards.
As part of the validation process, a pilot test was conducted using institutional surveys, which made it possible to verify both the applicability of the instrument and its ability to measure relevant factors in terms of permanence and equity. The results showed high sample adequacy (KMO = 0.941), the identification of 17 significant factors, high internal consistency (α > 0.90), and predictive models with the ability to anticipate risks and distinguish different student profiles.
The methodology designed is replicable, scalable, and useful for strengthening evidence-based decision-making in STEM programs, facilitating early risk identification, the formulation of targeted interventions, and institutional progress toward more inclusive and effective educational policies
Revitalización urbana y económica del centro de Barranquilla: vivienda productiva y espacios comerciales
No full textEl presente proyecto de grado plantea una propuesta de revitalización urbana y arquitectónica en el centro histórico de Barranquilla, una zona afectada por el deterioro físico, la inseguridad y la desarticulación funcional. A través de una estrategia de vivienda productiva articulada con espacio público y comercio local, se busca mejorar la habitabilidad, fortalecer la cohesión social y dinamizar la economía local sin desplazar las dinámicas existentes. La metodología incluyó revisión documental, análisis urbano, trabajo de campo y formulación proyectual, guiada por referentes como Jacobs, Lynch y Gehl. El diagnóstico evidenció problemas estructurales de accesibilidad, seguridad, infraestructura y apropiación social. Como resultado, se proponen intervenciones sostenibles como la reorganización de la franja comercial, la recuperación del caño como eje ambiental, y la generación de nuevos espacios públicos como la Plaza Dugand. La propuesta arquitectónica incorpora un modelo de vivienda productiva distribuido en cinco niveles, integrando comercio, residencia y comunidad. Esta estrategia busca promover una transformación urbana inclusiva y sostenible a partir del reconocimiento y fortalecimiento de las dinámicas locales.PregradoArquitect
Percepciones ciudadanas en torno a la democracia participativa en Santa Cruz de Lorica a partir de la implementación de los presupuestos participativos
Full text linkLa presente investigación se centra en el impacto de los presupuestos participativos en la profundización de la democracia local, con un enfoque particular en el municipio de Santa Cruz de Lorica. Los presupuestos participativos son una herramienta de gobernanza que permite a los ciudadanos participar directamente en la asignación y gestión de los recursos públicos. Esta práctica no solo promueve la transparencia y la rendición de cuentas, sino que también busca empoderar a los ciudadanos al darles voz en la toma de decisiones que afectan sus vidas cotidianas. En Santa Cruz de Lorica, la implementación de los presupuestos representa una oportunidad para evaluar cómo la participación ciudadana puede ser un catalizador para la democratización de la gestión pública. Al involucrar a los ciudadanos en el proceso presupuestario, se espera no solo mejorar la eficiencia en la distribución de los recursos, sino también fortalecer el tejido social y la confianza en las instituciones públicas. Esta investigación busca identificar cómo los presupuestos participativos pueden contribuir a la profundización de la democracia local, así como identificar las barreras y facilitadores que influyen en su efectividad. La investigación se estructura en torno a tres objetivos clave. En primer lugar, se analiza el impacto directo de los presupuestos participativos en la profundización de la democracia local, evaluando indicadores como la transparencia, la eficiencia en la asignación de recursos y la satisfacción ciudadana. En segundo lugar, se identifican las barreras que limitan la participación efectiva de los ciudadanos, tales como la desigualdad socioeconómica, la falta de acceso a la información y la desconfianza en las instituciones. En tercer lugar, se exploran los facilitadores que potencian el éxito de los presupuestos participativos, como el apoyo institucional, la educación cívica y el uso de tecnologías de la información.MaestríaMagister en Ciencia Política y Gobiern
Design of a production and raw-material planning tool for Oveja Negra
No full textEn el presente proyecto se diseña una herramienta integral para la planeación de la producción y de los requerimientos de materia prima de la cervecería artesanal Oveja Negra, con el propósito de mejorar la disponibilidad de sus diferentes referencias y optimizar el uso de los recursos productivos. En una primera fase, se elaboró un pronóstico mensual de demanda por referencia, apoyado en datos internos y en el comportamiento histórico del sector cervecero. Luego, se formuló y resolvió un modelo de optimización orientado a planear la producción, asignar los tiempos de ocupación en tanques y considerar los tiempos de limpieza entre referencias, los cuales afectan directamente la capacidad productiva. Posteriormente, se diseñó un sistema MRP para calcular los requerimientos netos de materia prima por referencia y por mes, permitiendo determinar las compras necesarias según los lotes programados y los tiempos de entrega. Con base en estos componentes, se desarrolló una interfaz automatizada en Excel que centraliza la carga de datos, calcula consumos, genera el plan maestro de producción y presenta indicadores clave de desempeño. Para evaluar el impacto del sistema, se implementó una simulación comparativa en Python que analizó el porcentaje de demanda no atendida bajo el escenario actual y bajo el uso de la herramienta. Sin la herramienta, se evidenció un incumplimiento del 23% de la demanda pronosticada para el primer semestre de 2026, mientras que, al aplicar el modelo matemático y la planificación de materiales, dicho porcentaje se redujo al 4%, concentrado únicamente en el primer mes debido a la ausencia de inventario inicial. Desde el segundo mes, se alcanzó un cumplimiento del 100% en todas las referencias. En conjunto, la herramienta integra pronóstico, planificación, abastecimiento y visualización, ofreciendo a Oveja Negra una base sólida para tomar decisiones operativas más precisas y reducir significativamente el riesgo de incumplir la demanda requerida.This project designs an integrated tool for production planning and raw material requirements for the craft brewery Oveja Negra, with the purpose of improving the availability of its different beer references and optimizing the use of resources in the production process. In the first phase, a monthly demand forecast was developed for each reference, based on internal data and the historical behavior of companies in the brewing industry. Next, an optimization model was formulated and solved to plan production, allocate tank occupation times, and incorporate cleaning times between references, which directly affect productive capacity. Subsequently, an MRP system was designed to calculate the net raw material requirements per reference and per month, enabling the determination of purchasing needs according to scheduled batches and supplier lead times. Based on these components, an automated Excel interface was developed to centralize data input, calculate consumption, generate the master production plan, and display key performance indicators. To evaluate the impact of the tool, a comparative simulation was implemented in Python to analyze the percentage of unmet demand under the current scenario versus its use. Without the tool, a 23% unmet demand rate was identified for the first semester of 2026, whereas applying the optimization model and the materials planning system reduced this value to 4%, occurring only in the first month due to the absence of initial finished-goods inventory. From the second month onward, the tool enabled a 100% fulfillment rate across all beer references. Overall, the tool integrates forecasting, planning, procurement, and visualization, providing Oveja Negra with a solid foundation for more precise operational decision-making and significantly reducing the risk of failing to meet required demand levels