6446 research outputs found
Sort by
Metodología para la implementación de inteligencia artificial en la programación de producción en Pymes industriales
No full text82 páginasRESUMEN: La programación de la producción continúa siendo uno de los procesos más desafiantes para las pequeñas y medianas empresas industriales (pymes), donde la ausencia de sistemas integrados, la dispersión de la información y la toma de decisiones empírica limitan la eficiencia operativa y la capacidad de respuesta. En este contexto, la inteligencia artificial (IA) se consolida como una herramienta estratégica no solo para optimizar la planificación, sino también para fortalecer la gestión basada en datos y la toma de decisiones gerenciales. (Slack et al., 2020).
El presente trabajo propone una metodología de adopción progresiva de IA en la programación de la producción de pymes con bajo nivel de digitalización. La investigación se desarrolló bajo un enfoque ágil dividido en cuatro sprints, mediante los cuales se identificaron herramientas aplicables, se analizaron brechas tecnológicas y organizacionales, y se validó conceptualmente la viabilidad de iniciar la automatización mediante modelos de lenguaje de gran escala (LLM).
El estudio incluyó un piloto exploratorio basado en un LLM como asistente de programación, demostrando cómo este tipo de modelos puede integrarse en entornos operativos básicos para automatizar tareas como la consolidación de pedidos, la generación y estandarización de planes de producción, y la emisión de sugerencias operativas.
Como resultado, se presenta una metodología de implementación de IA validada conceptualmente, estructurada en dos fases —planificación y factibilidad, e implementación y seguimiento— que guía a las pymes desde soluciones cognitivas asistidas hacia aplicaciones predictivas más avanzadas, de acuerdo con su madurez digital y sus capacidades de gestión. La propuesta enfatiza la importancia del liderazgo gerencial, la gestión del cambio y el cierre progresivo de brechas tecnológicas, humanas y organizacionales.
Los hallazgos evidencian que la IA puede implementarse gradualmente en contextos industriales con recursos limitados, aportando eficiencia, trazabilidad y soporte analítico a la toma de decisiones, siempre que se integre de manera alineada con la estrategia, la cultura y el talento de la organización.ABSTRACT: Production scheduling remains one of the most challenging processes for small and medium-sized industrial enterprises (SMEs), where the lack of integrated systems, fragmented information, and experience-based decision-making limit operational efficiency and responsiveness. In this context, artificial intelligence (AI) emerges as a strategic management tool—not only to optimize production planning but also to strengthen data-driven decision-making and organizational governance. (Slack et al., 2020).
This study proposes a progressive methodology for the adoption of AI in production scheduling within SMEs characterized by low levels of digitalization. The research followed an agile approach divided into four sprints, through which applicable tools were identified, technological and organizational gaps were analyzed, and the feasibility of initiating automation through large language models (LLM) was conceptually validated.
An exploratory pilot using an LLM-based scheduling assistant demonstrated how this type of model can be integrated into basic operational environments to automate tasks such as order consolidation, generation and standardization of production plans, and formulation of scheduling suggestions.
As a result, a conceptually validated methodology for AI implementation is presented, structured in two phases—planning and feasibility, and implementation and monitoring—guiding SMEs from assisted cognitive solutions toward more advanced predictive applications according to their digital maturity and managerial capabilities. The proposed framework emphasizes the importance of managerial leadership, change management, and the progressive closing of technological, human, and organizational gaps.
The findings indicate that AI can be gradually implemented in industrial contexts with limited resources, providing efficiency, traceability, and analytical support for production decision-making—provided it is aligned with the company’s strategy, culture, and human talent development.MaestríaMagíster en Administració
Caracterización mecánica de estructuras celulares fabricadas mediante manufactura aditiva
No full text82 páginasRESUMEN: Se analizó la influencia de los parámetros geométricos y de impresión sobre el comportamiento mecánico de estructuras celulares fabricadas mediante manufactura aditiva por filamento fundido (FFF). Se evaluaron tres estructuras representativas —giroide, octeto y diamante— seleccionadas por su relevancia en aplicaciones estructurales y biomédicas. La investigación se desarrolló en cuatro etapas: (i) una revisión bibliográfica orientada a la identificación de los parámetros geométricos y de fabricación más influyentes; (ii) la fabricación de las estructuras mediante impresión 3D bajo diseños experimentales Box–Behnken y fraccional 2^3; (iii) la caracterización mecánica a través de ensayos normalizados de compresión y flexión; y (iv) la simulación numérica por elementos finitos para validar y complementar los resultados experimentales. Los resultados mostraron que el tamaño de celda fue el factor con mayor incidencia sobre la resistencia y la deformación, mientras que el espesor/diámetro de andamios y el espesor de capa tuvieron efectos secundarios pero significativos. La estructura giroide mostró el mejor desempeño mecánico, con resistencias comprendidas entre 9 y 22 MPa a compresión y menores a 3 MPa a flexión, seguida por la estructura octeto, cuya resistencia varió entre 2 y 18 MPa a compresión y se mantuvo por debajo de 1.7 MPa a flexión, y finalmente la estructura diamante, con valores de entre 0.6 y 4 MPa a compresión y menores a 1 MPa a flexión. El estudio permitió establecer relaciones directas entre los parámetros de diseño y las propiedades estructurales, aportando criterios experimentales y estadísticos para el análisis del desempeño mecánico de estructuras celulares impresas mediante FFF.MaestríaMagíster en Ingenierí
Impacto de las políticas fiscales en la rentabilidad de inversiones: un modelo de optimización para Colombia
No full text59 páginasRESUMEN: Este trabajo de grado tiene como objetivo analizar el impacto de la estructura impositiva sobre las inversiones en Colombia, con el fin de identificar los efectos de las políticas fiscales en los rendimientos de inversión en distintos activos y desarrollar un modelo de optimización que permita a los inversionistas considerar esta variable buscando minimizar el impacto fiscal y maximizar las utilidades netas.
A medida que los gobiernos ajustan sus políticas fiscales, los inversionistas deben reevaluar las estrategias de asignación de activos y gestión de riesgos. El presente estudio aborda la creciente preocupación sobre los efectos de la variabilidad en las políticas fiscales, la cual genera incertidumbre en la planificación financiera a largo plazo y afecta la estabilidad y previsibilidad de las inversiones.
Se emplearán modelos de optimización de portafolios, integrando las políticas fiscales actuales, y se llevará a cabo un análisis cuantitativo para evaluar el impacto de las tasas impositivas sobre las rentabilidades de los activos de inversión.
Los resultados sugieren que un aumento en las tasas impositivas reduce significativamente la rentabilidad neta de los activos, afectando su atractivo para los inversionistas. Estos hallazgos también ofrecerán herramientas prácticas que ayudarán a los gestores de fondos e inversionistas a optimizar sus decisiones en función de las políticas fiscales vigentes.
Este estudio cubre una brecha en la investigación sobre los efectos de la estructura fiscal en los fondos de inversión en Colombia, proporcionando nuevas perspectivas sobre la interacción entre la política fiscal y la asignación de activos.ABSTRACT: The objective of this graduate work is to analyze the impact of the tax structure on investments in Colombia, in order to identify the effects of tax policies on investment returns in different assets and to develop an optimization model that allows investors to consider this variable while seeking to minimize the tax impact and maximize net profits.
As governments adjust their fiscal policies, investors must reevaluate asset allocation and risk management strategies. This study addresses the growing concern about the effects of fiscal policy variability, which creates uncertainty in long-term financial planning and affects the stability and predictability of investments.
Portfolio optimization models will be employed, integrating current tax policies, and a quantitative analysis will be conducted to assess the impact of tax rates on investment asset returns.
The results suggest that an increase in tax rates significantly reduces the net return on assets, affecting their attractiveness to investors. These findings will also provide practical tools to help fund managers and investors optimize their decisions based on current tax policies.
This study fills a gap in the research on the effects of tax structure on investment funds in Colombia, providing new perspectives on the interaction between tax policy and asset allocation.MaestríaMagíster en Finanza
Analysis of soft story irregularity in reinforced concrete frame housing in Medellín using convolutional neural networks
No full text50 páginasABSTRACT: In Medellín's recent history, there has been a high rate of non-engineered buildings that can
pose a risk to life in the event of natural phenomena such as earthquakes. One of the reasons why
these types of buildings do not perform adequately under horizontal loads is structural
irregularities. In Medellín, one of the structural irregularities that often occur in non-engineered
buildings is soft story irregularity. Under this premise, we propose the development of a
convolutional neural network that can quickly and accurately identify soft story irregularities in
datasets of structures with reinforced concrete frames using images. To develop the algorithm the
Pytorch library is used to develop the convolutional neural network, considering the theoretical
bases of how neural networks work and how similar problems have been solved.PregradoIngeniero(a) Civi
Construyendo con Datos: Estado y Futuro de BIM en Colombia
No full textEn un contexto global enfocado en la sostenibilidad y la eficiencia, la industria de la construcción en Colombia ha comenzado a adoptar metodologías innovadoras como el Building Information Modeling (BIM). Esta metodología colaborativa permite gestionar digitalmente toda la información del ciclo de vida de un proyecto constructivo, integrando dimensiones como geometría (3D), tiempo (4D), costos (5D) y sostenibilidad (6D). El artículo analiza cómo se ha implementado BIM en Colombia, con énfasis en sus beneficios, barreras y factores estratégicos clave. La investigación se desarrolló mediante un enfoque mixto, con revisión documental y aplicación de un cuestionario a empresas del sector construcción que han trabajado con BIM. Se evaluaron cuatro dimensiones principales: personas/organización, procesos, políticas/estrategias y tecnología/recursos. Los resultados muestran que el avance en Colombia ha sido significativo, aunque desigual entre empresas grandes, medianas y pequeñas. En la dimensión de personas y organización, se evidencian esfuerzos en estructurar equipos y promover la formación, aunque aún existen deficiencias en la gestión del conocimiento y la selección de talento especializado. La formación interna es débil en muchas empresas, y la falta de criterios claros de selección de personal capacitado en BIM representa una barrera estructural. En cuanto a procesos, el uso del modelo 3D para la generación de planos, coordinación técnica, renders y cantidades de obra es cada vez más frecuente. Las empresas han avanzado en la implementación de entornos comunes de datos y protocolos colaborativos, lo que ha fortalecido el trabajo conjunto. Sin embargo, el seguimiento y monitoreo de obras con BIM aún es incipiente, y muchas organizaciones no cuantifican adecuadamente los beneficios en reducción de costos y tiempos. La dimensión de políticas y estrategias revela que un porcentaje importante de empresas ha incluido BIM en su estrategia institucional, aunque aún muchas lo adoptan de forma aislada. Los principales obstáculos identificados son el alto costo de inversión, la resistencia cultural y la falta de experiencia en los equipos de trabajo. A su vez, los factores habilitadores más influyentes incluyen la experiencia previa de los equipos y la demanda del cliente, especialmente en empresas medianas y grandes. En el análisis por tamaño empresarial, las empresas grandes muestran mayor madurez en la implementación de BIM, con estructuras organizativas definidas, uso frecuente del Plan de Ejecución BIM (BEP) y disponibilidad tecnológica. En contraste, las empresas pequeñas enfrentan mayores dificultades por falta de políticas, baja percepción de valor competitivo y escaso uso de herramientas como el BEP. Finalmente, el artículo concluye que para lograr una implementación efectiva y generalizada de BIM en Colombia es clave fortalecer la formación especializada, establecer criterios de selección de talento, diseñar políticas públicas de apoyo y facilitar el acceso a financiamiento. La adopción de BIM no solo mejora la calidad y eficiencia de los proyectos, sino que también representa una ventaja competitiva estratégica para las empresas del sector
Informe final Semillero 2025-2
No full textLa metodología aplicada se estructuró en una serie de etapas secuenciales orientadas a la
evaluación y mejora del proceso de impresión de filamento metálico
Modelo de aprendizaje automático para la detección de gestos de la mano a partir de señales de electromiografía de superficie
No full text82 páginasRESUMEN: En este proyecto de grado se desarrolló un modelo de aprendizaje automático (ML) para la detección de gestos de la mano a partir de señales de electromiografía de superficie (sEMG) con potencial uso en tecnologías de apoyo. Las ayudas asistenciales disponibles para personas con amputaciones o traumas en miembros superiores suelen ser poco efectivas debido a la falta de estrategias de control avanzadas. Con el objetivo de aportar una solución a este problema, se utilizó una base de datos de sEMG de acceso abierto como fuente secundaria de información.
El proyecto incluyó la extracción de características relevantes para la identificación de gestos manuales, utilizando herramientas y bibliotecas en Python. Posteriormente, se seleccionaron cinco modelos distintos de aprendizaje automático, para los cuales se diseñó y aplicó un protocolo de entrenamiento individual. El modelo con mejor desempeño fue optimizado mediante ajuste de hiperparámetros.
Finalmente, se realizó una comparación de los resultados obtenidos con otros modelos reportados en la literatura científica. Como resultado, el modelo con mejor desempeño exhibió una exactitud superior al 98 % y precisión superior al 98 %.ABSTRACT: This academic project developed a machine learning (ML) model for hand gesture recognition using surface electromyography (sEMG) signals, with potential applications in assistive technologies. Existing assistive devices for individuals with upper-limb amputations or trauma often lack advanced control strategies, limiting their effectiveness. To address this challenge, an open access sEMG database was employed as a secondary data source. The study involved the extraction of relevant features for gesture identification using Python-based tools and libraries. Five distinct ML models were evaluated, each trained under a customized protocol, with the best-performing model further optimized through hyperparameter tuning. Comparative analysis against existing literature demonstrated that the proposed model achieved high performance, with an accuracy of ≥95% and precision of ≥95%. These results suggest that the developed approach can enhance the control of prosthetic and assistive devices, offering a more effective solution for individuals with motor impairments.PregradoIngeniero(a) Biomédico(a
Modelamiento in-silico informado teórica y genómicamente de la proteína prM/M para los cuatro serotipos del virus del dengue
No full text79 páginasRESUMEN: El virus del dengue, transmitido principalmente por el mosquito Aedes aegypti,
presenta millones de infecciones anuales que ocurren en brotes periódicos,
especialmente en regiones tropicales y subtropicales. La complejidad del
comportamiento del dengue surge de la interacción dinámica entre cuatro serotipos
distintos, lo que desafía tanto la inmunidad natural como el desarrollo de vacunas,
además de un potencial aumento de la gravedad de la enfermedad tras una
segunda infección. Comprender el comportamiento molecular de las proteínas del
virus del dengue es fundamental para descifrar los mecanismos detrás de la
infección viral y la evasión del sistema inmunológico.
En esta investigación, se propone una plataforma computacional informada a partir
de datos genómicos e información cristalográfica, donde se reconstruyó la
estructura tridimensional de la proteína prM/M del virión del dengue mediante
AlphaFold3®. Luego, se evaluó el comportamiento físico de dicha proteína para
cada serotipo utilizando dinámica molecular, donde se calcularon propiedades
fisicoquímicas para determinar las diferencias estructurales y electrostáticas entre
los cuatro serotipos. Finalmente, a partir de una formulación integral para el
problema electrostático, se calculó el potencial eléctrico, la distribución de carga
superficial inducida y la energía electrostática, y así determinar la influencia de las
mutaciones presentes en las proteínas y la relación con el comportamiento
biológico de cada serotipo del dengueABSTRACT: The dengue virus, transmitted mainly by the Aedes aegypti mosquito, presents millions of infections annually occurring in periodic outbreaks, especially in tropical and subtropical regions. The complexity of dengue behavior arises from the dynamic interaction between four distinct serotypes, which challenges both natural immunity and vaccine development, in addition to a potential increase in disease severity following a second infection. Understanding the molecular behavior of dengue virus proteins is critical to deciphering the mechanisms behind viral infection and immune evasion.
In this research, we propose a computational platform informed by genomic data and crystallographic information, where the three-dimensional structure of the dengue virion prM/M protein was reconstructed using AlphaFold3®. The physical behavior of this protein was evaluated for each serotype using molecular dynamics, where physicochemical properties were calculated to determine the structural and electrostatic differences between the four serotypes. Finally, based on an integral formulation for the electrostatic problem, the electric potential, the induced surface charge distribution and the electrostatic energy was measured to determine the influence of the mutations present in the proteins and the relationship with the biological behavior of each dengue serotype.PregradoIngeniero(a) Biomédico(a
Algoritmo de inteligencia artificial para predecir la respuesta a la inmunoterapia en cáncer
No full text60 páginasRESUMEN: Este trabajo de grado se centra en la validación de un modelo de inteligencia artificial desarrollado para predecir la respuesta de pacientes con tumores sólidos tratados con inmunoterapia basada en inhibidores de puntos de control inmunitario. Aunque la inmunoterapia representa un avance significativo en oncología, su eficacia no es homogénea entre los pacientes, debido a diferencias biológicas y genéticas. Esta variabilidad ha generado la necesidad de identificar biomarcadores que permitan predecir de forma más adecuada qué pacientes podrían beneficiarse del tratamiento. El modelo abordado en este proyecto utiliza datos transcriptómicos obtenidos mediante secuenciación de ARN (RNA-seq) de biopsias tumorales tomadas antes del inicio de la terapia.
El desarrollo del proyecto se organizó en tres etapas. En la primera, se recolectaron y procesaron datos transcriptómicos de bases de datos públicas que cumplían con criterios de inclusión como la disponibilidad de respuesta clínica evaluada según los criterios RECIST, así como el uso exclusivo de inmunoterapia anti-PD-1 o anti-PD-L1. Posteriormente, las matrices crudas de conteo fueron normalizadas mediante el método de cuentas por millón (CPM), permitiendo la estandarización de las expresiones génicas entre muestras. Se generaron visualizaciones exploratorias que permitieron validar la calidad de los datos normalizados y descartar muestras atípicas.
En la segunda etapa, se entrenó el modelo de aprendizaje automático utilizando los conjuntos de datos Kim, Cho, y un grupo adicional de pacientes nuevos. Las matrices normalizadas fueron evaluadas utilizando métricas como sensibilidad, precisión, F1-score y área bajo la curva (AUC), con el objetivo de determinar la capacidad predictiva del modelo.
Finalmente, en la tercera etapa, se evaluó el comportamiento del modelo al aplicar los datos de pacientes nuevos, analizando su capacidad de generalización y desempeño fuera del conjunto de entrenamiento. Los resultados obtenidos respaldan el uso de esta herramienta como un apoyo potencial en decisiones clínicas dentro del contexto de la oncología personalizada.
Este estudio contribuye a la medicina de precisión al integrar análisis transcriptómicos completos con algoritmos de aprendizaje automático, facilitando la identificación de pacientes con mayor probabilidad de beneficiarse de la inmunoterapia. Aunque se requiere validación futura con datos prospectivos, los hallazgos indican que el modelo presenta un comportamiento robusto y clínicamente relevante.ABSTRACT: This thesis focuses on the validation of an artificial intelligence model developed to predict the response of patients with solid tumors treated with immune checkpoint inhibitors. While immunotherapy represents a major advancement in oncology, its effectiveness is not uniform across patients due to biological and genetic variability. This has underscored the need to identify biomarkers that can more accurately predict which patients are likely to benefit from treatment. The model developed in this project uses transcriptomic data obtained from RNA sequencing (RNA-seq) of tumor biopsies collected prior to the start of therapy.
The project was structured into three stages. In the first stage, transcriptomic data were collected and processed from public datasets that met inclusion criteria, such as the availability of clinical response data assessed according to RECIST criteria and exclusive treatment with anti-PD-1 or anti-PD-L1 immunotherapy. Raw count matrices were normalized using the counts per million (CPM) method, allowing gene expression levels to be standardized across samples. Exploratory visualizations were generated to assess data quality and rule out outlier samples.
In the second stage, a machine learning model was trained using the Kim, Cho, and a new patient dataset. The normalized matrices were evaluated using metrics such as sensitivity, precision, F1-score, and area under the curve (AUC) to determine the model's predictive performance.
Finally, in the third stage, the model was tested on the new patient data to analyze its generalization capacity and performance outside the training set. The results support the use of this tool as a potential aid in clinical decision-making within the context of personalized oncology.
This study contributes to precision medicine by integrating comprehensive transcriptomic analyses with machine learning algorithms, facilitating the identification of patients most likely to respond to immunotherapy. Although further validation with prospective data is needed, the findings indicate that the model demonstrates robust and clinically meaningful performance.PregradoIngeniero(a) Biomédico(a
Informe Final de Semillero de Investigación Análisis de Datos (AD) 2025-2
No full textEn el semestre 2025-2 el trabajo del semillero AD estuvo centrado en adquirir y desarrollar las competencias en investigación y formación necesarias para realizar proyectos empleando los procesos, tareas y herramientas del análisis de datos. Se hizo hincapié en competencias como la formulación de un problema (su identificación y entendimiento), la planeación, la ejecución del plan y el análisis del alcance e impacto de los resultados obtenidos. Durante el semillero se desarrolló un proyecto de investigación, dirigido a aplicar los conocimientos adquiridos en el semillero, y que cubren todos los temas considerados en el plan de trabajo. El proyecto tuvo como tema: Combinación de Scikit-learn, CatBoost, and SHAP para explicar modelos basados en árboles usando el dataset Ames.csv. Se enfatizó en la exploración y preparación de los datos, la aplicación de un modelo de ensamble conocido como Catboost para pronóstico, su validación, interpretación y la producción del respectivo ejecutable. Se formularon algunas conclusiones sobre los resultados obtenidos en el proyecto.2025-