Repositorio Institucional ITBA
Not a member yet
2611 research outputs found
Sort by
Desarrollo de un algoritmo predictor de regiones de agregación en proteínas, mediante embeddings y algoritmos de aprendizaje automático profundo
Full text linkDesarrollo e implementación de una herramienta de cálculo de emisiones de gases de efecto invernadero para una unidad de negocios en la industria del petróleo y gas
No full textEl cambio climático se ha consolidado como uno de los mayores desafíos ambientales de nuestra era y ha sido declarado por organismos internacionales como una de las principales amenazas existenciales para la humanidad. Este fenómeno, resultado directo e indirecto de la actividad humana, se manifiesta a través del calentamiento global provocado por gases de efecto invernadero (GEI) como el dióxido de carbono (CO₂), el metano (CH₄) y el óxido nitroso (N₂O). Por estar históricamente vinculada a prácticas de alta intensidad de emisiones de GEI, la industria del petróleo y gas se ve obligada a transitar hacia una economía baja en carbono.
En este trabajo se desarrolló una herramienta de cálculo de gases GEI para una empresa de producción de petróleo y gas con el propósito de contribuir favorablemente en esa transición y de enfocar los esfuerzos en la mitigación y en la compensación de la huella de carbono. El desarrollo de este “Calculador de GEI” incluyó el relevamiento de fuentes de emisión, la identificación de metodologías aplicables y la implementación de un sistema de cálculo de emisiones, conforme a la norma ISO 14.064-01.
Esta tesis documenta el diseño del calculador y su implementación en una Unidad de Negocios (UdN) localizada en Ecuador, dentro del ámbito de una empresa de producción de petróleo y gas. El mismo permite la cuantificación mensual y gestión de emisiones de GEI, y facilita la generación de un inventario verificable y auditable. Su desarrollo cumple con los estándares establecidos por el GHG Protocol y la norma ISO 14.064-01, garantizando que los resultados obtenidos sean trazables y estén alineados con las mejores prácticas internacionales en la estimación y reporte de emisiones de GEI.
La herramienta generada permite el cálculo de emisiones mensuales y anuales para la UdN de la empresa y permitió obtener la certificación del inventario de GEI en el marco del “Programa Ecuador Carbono Cero”. Este trabajo establece una base sólida para cuantificar las emisiones, esencial para la transparencia en la gestión y el reporte de emisiones GEI
Automatización y mejora general de instalación para ensayos en ambientes de hidrógeno gaseoso a media presión (200 bar)
No full text"El presente informe describe la mejora y automatización de la instalación utilizada para ensayos de hidrógeno a alta presión en el Instituto Tecnológico de Buenos Aires. El proyecto tuvo como objetivos principales incrementar la seguridad del sistema, permitir que alcance la presión de diseño de 200 bar, integrar un control automatizado mediante un PLC y presentar el diseño de una cámara de ensayos para pruebas con hidrógeno a una presión de 1000 bar.
Se realizaron con éxito modificaciones en el manifold, incorporando un booster (Haskel AG-152) y un nuevo sistema de vacío, lo que permitió alcanzar la presión de diseño bajo un control automatizado. Además, se implementó un sistema de PLC que garantiza un control robusto y una secuencia de automatización diseñada para mejorar la seguridad operativa y minimizar errores humanos. Finalmente, se diseñó una cámara de ensayos para 1000 bar con un factor de seguridad de 1,5 frente a la fluencia, utilizando acero X80, y se verificaron los bulones de unión M12 calidad 12.9 paso fino, asegurando un factor de seguridad de 1,3 frente a la carga de prueba.
Predicting Falls using Time Series Data from the Equilivest Device
No full text"Falls pose a significant health risk to older adults, often resulting in serious injuries and reduced independence. This study explored two machine learning approaches for detecting falls using data from wearable sensors: a supervised binary classification approach trained on labeled fall and non fall data and an unsupervised anomaly detection approach trained exclusively on normal gait patterns.
The results show that both approaches can accurately detect fall events within the scope of the study. The supervised models—Random Forest, Support Vector Machine, and Logistic Regression—demonstrated consistent performance, whereas the unsupervised One-Class Support Vector Machine (OCSVM) effectively identified anomalies without relying on fall data.
This study offers a practical foundation for building fall detection systems and highlights the potential for future developments in predictive and real-time monitoring solutions. The motivation behind this dual approach lies in its long-term significance: if robust models can be developed to reliably detect fall events, they will provide a foundation for future work on more complex systems capable of predicting falls before they occur. Therefore, establishing dependable detection is a critical step toward enabling proactive and preventive safety solutions.
Estructura, racionalidad e incentivos del Sistema Argentino de Ciencia y Tecnología 1950-2023: tensiones históricas y desafíos futuros
No full textEl artículo reflexiona sobre la actual dinámica del Sistema Argentino de Ciencia y Tecnología (SACT), reconociendo su estructura, marco regulatorio y sistema de incentivos. Se compara el SACT con un edificio centenario, acumulando capas de políticas e instituciones a lo largo del tiempo. Aunque estas capas reflejan su valor y contribución, también evidencian la necesidad de alinear el sistema con los nuevos desafíos del desarrollo. Se destaca la complejidad institucional, los desafíos regulatorios y la falta de diversificación en las trayectorias científicas y tecnológicas. Se concluye que, en lugar de demoler el “edificio”, se requiere una nueva racionalidad para enfrentar los desafíos actuales, fomentando el diálogo democrático para consensuar el rumbo deseado
Toyota Homes Argentina
No full textEl trabajo aborda la problemática del déficit habitacional en Argentina y propone una alternativa innovadora mediante el desarrollo del concepto Toyota Homes. En un contexto global caracterizado por la economía colaborativa, la transformación digital y el surgimiento de nuevos modelos de negocio, se analiza cómo los cambios sociales y económicos impactan en el acceso a la vivienda. A partir del estudio del contexto argentino —marcado por una fuerte concentración empresarial, baja inversión en innovación y creciente desigualdad económica— se identifican las principales barreras que enfrentan los trabajadores y emprendedores para alcanzar una vivienda propia. El proyecto Toyota Homes se plantea como una solución que combina calidad, eficiencia constructiva, sustentabilidad y costos accesibles, orientada a mejorar las oportunidades de acceso a la vivienda y responder a una necesidad social urgente mediante un modelo adaptable y escalable
Automatización de evaluación crediticia a clientes (individuos). Caso de aplicación de automatización robótica de procesos (PRA)
No full textEl trabajo analiza la implementación de Automatización Robótica de Procesos (RPA) en la evaluación crediticia de clientes individuales en un banco argentino de mediana escala. A partir de un estudio de caso real, se examina cómo la automatización contribuye a optimizar la eficiencia operativa, reducir costos y mejorar la experiencia del cliente sin afectar el cumplimiento regulatorio.
Mediante un enfoque descriptivo con análisis cuantitativo, se documenta la transición desde procesos manuales hacia un flujo digital automatizado, incluyendo la digitalización de formularios, la utilización de bots UiPath y la integración con sistemas CRM
Eliminación de Ruido Speckle en Imágenes SAR utilizando Autoencoders
Full text link"Las imágenes de Radar de Apertura Sintética (SAR) son fundamentales para la observación de la Tierra debido a su capacidad de adquisición independiente de las condiciones climáticas y de iluminación. Sin embargo, estas imágenes se ven afectadas por el ruido speckle, un patrón granular multiplicativo que degrada su calidad y dificulta su interpretación. Este trabajo presenta un enfoque novedoso para la eliminación de ruido speckle mediante el uso de autoencoders convolucionales. La principal innovación radica en el uso de la distribución 0 para generar sintéticamente pares de imágenes ruidosas y limpias destinadas al entrenamiento supervisado, modelando fielmente las características estadísticas del ruido speckle real. Complementariamente, desarrollamos un sistema flexible basado en archivos de configuración que facilita la experimentación con diferentes arquitecturas.
Los experimentos revelan que las arquitecturas más profundas obtienen consistentemente mejores resultados sin evidencia de overfitting. Los modelos entrenados con datos sintéticos mostraron buen desempeño en imágenes de test sintéticas, pero limitaciones en la generalización a imágenes SAR reales. Para abordar esto, exploramos el entrenamiento con pares de imágenes reales obtenidas mediante promediado temporal, logrando mejoras significativas y desempeño comparable a otros ya conocidos.
Este trabajo establece las bases para el uso de autoencoders en el filtrado de speckle y demuestra tanto el potencial como las limitaciones de los datos sintéticos generados mediante modelos estadísticos"
Detección y clasificación estilística automática de arte rupestre
No full text"En este trabajo se aborda el problema de detección y clasificación estilística autoámática del arte rupestre de la Cueva de las Manos, Pcia. de Santa Cruz, Argentina.
En este área de la arqueología, la identificación y clasificación manual de motivos se ve dificultada por la erosión de la piedra, las superposiciones de gráficos y los criterios heterogéneos de diferentes especialistas.
Se presenta un proceso en dos etapas, primero un pre-procesamiento con cuatro métodos diferentes, combinados con cuatro modelos de redes neuronales de distinta arquitectura previamente entrenados. En segundo lugar, sobre los resultados de detección de motivos, se extraen características de imagen para luego clasificarlos utilizando métodos de agrupamiento.
Todas las combinaciones de algoritmos son evaluadas con métricas estándar, lo cual permite elegir el que provee mejores resultados en cuanto a las familias tipológicas presentes en la literatura arqueológica, validados por una especialista.
Los resultados confirman que la integración de métodos de visión por computadora, redes neuronales y algoritmos de agrupamiento constituye una metodología transferible para el análisis de arte rupestre patagónico, garantizando objetividad y reproductibilidad de los resultados.
Hemispheric-Specific Coupling Improves Modeling of Functional Connectivity Using Wilson–Cowan Dynamics
No full text"Large-scale neural mass models have been widely used to simulate resting-state brain activity from structural connectivity. In this work, we extend a well-established Wilson--Cowan framework by introducing a novel hemispheric-specific coupling scheme that differentiates between intra-hemispheric and inter-hemispheric structural interactions. We apply this model to empirical cortical connectomes and resting-state fMRI data from matched control and schizophrenia groups. Simulated functional connectivity is computed from the band-limited envelope correlations of regional excitatory activity and compared against empirical functional connectivity matrices. Our results show that incorporating hemispheric asymmetries enhances the correlation between simulated and empirical functional connectivity, highlighting the importance of anatomically-informed coupling strategies in improving the biological realism of large-scale brain network models.