59142 research outputs found
Sort by
Desarrollo de un sistema de auto-configuración de cómputo en la nube para reducción de costos
Get PDFEl presente trabajo aborda la implementación de un sistema de autoescalado inteligente para aplicaciones en la nube utilizando aprendizaje por refuerzo (RL). El objetivo principal es diseñar y evaluar un modelo que optimice la asignación de recursos en AWS mediante un entrenamiento híbrido, combinando métricas simuladas y reales. Se plantea la hipótesis de que este enfoque mejorará la eficiencia y reducirá los costos operativos en comparación con estrategias tradicionales de escalamiento dinámico. Se implementó un flujo de despliegue en AWS, iniciando en Lambda y escalando hacia Fargate y EC2 en función de la carga de trabajo. Se utilizaron servicios como Amazon CloudWatch para la monitorización, AWS ECR para la gestión de contenedores, API Gateway y Application Load Balancer para la creación de un endpoint global que unifique las urls de cada servicio. Se implementó un agente de RL que, basado en datos de tráfico y consumo de recursos, aprendió políticas de escalamiento óptimas. Los resultados mostraron que el script definido con reglas heurísticas logró reducir los tiempos de respuesta y mejorar la utilización de recursos en un 30 % en comparación con estrategias de escalamiento estáticoThis paper addresses the implementation of an intelligent autoscaling system for cloud applications using reinforcement learning (RL). The primary objective is to design and evaluate a model that optimizes resource allocation in AWS through hybrid training, combining simulated and real-world metrics. The hypothesis is that this approach will improve efficiency and reduce operational costs compared to traditional dynamic scaling strategies. A deployment flow was implemented in AWS, starting in Lambda and scaling to Fargate and EC2 based on the workload. Services such as Amazon CloudWatch for monitoring, AWS ECR for container management, API Gateway, and an Application Load Balancer were used to create a global endpoint that unifies the URLs of each service. An RL agent was implemented that, based on traffic data and resource consumption, learned optimal scaling policies. The results showed that the RL model was able to reduce response times and improve resource utilization by 30% compared to static scaling strategies.
Keywords: autoscaling, reinforcement learning, cloud computing, AWS
Diseño de Políticas y procedimientos de control de Interno basadas en el análisis del impacto de la Gestión de Herramientas y Equipos Portátiles en la ejecución de proyectos de una empresa Metalmecánica
No full textEl presente proyecto tiene como objetivo principal diseñar un manual de políticas y procedimientos para la gestión eficiente de equipos y herramientas menores en Macconstrucciones S.A., basado en un análisis de control interno y utilizando la metodología COSO ERM 2017. Esta iniciativa busca fortalecer el aseguramiento de la gestión, optimizando el uso de los recursos y mitigando riesgos operativos. La metodología aplicada comprendió cuatro fases: análisis situacional, evaluación del control interno, análisis de impacto y propuesta de mejora. Para su desarrollo, se emplearon técnicas como observación directa, investigación documental, entrevistas y cuestionarios de control interno. Asimismo, se realizaron pruebas de control y se diseñó una matriz de riesgos para diagnosticar la situación actual de la empresa, identificando vulnerabilidades y oportunidades de optimización. Como resultado, se elaboró un manual de políticas y procedimientos que incluye objetivos, diagramas de flujo, responsabilidades, cumplimientos y sanciones para estandarizar procesos y reducir los riesgos detectados. En conclusión, la implementación del manual es viable y altamente beneficiosa, ya que contribuirá a fortalecer el control interno, minimizar pérdidas por reposición de herramientas y garantizar una administración más eficiente de los activos operativos de la empresa. Palabras clave: Control Interno, Equipos y Herramientas Menores, COSO ERM 201GuayaquilEscuela Superior Politécnica del EcuadorThe main objective of this project is to design a policies and procedures manual for the efficient management of equipment and minor tools at Macconstrucciones S.A., based on an internal control analysis and using the COSO ERM 2017 methodology. This initiative aims to strengthen management assurance, optimize resource utilization, and mitigate operational risks. The applied methodology comprised four phases: situational analysis, internal control evaluation, impact analysis, and improvement proposal. For its development, techniques such as direct observation, documentary research, interviews, and internal control questionnaires were used. Additionally, control tests were conducted, and a risk matrix was designed to diagnose the company?s current situation, identifying vulnerabilities and opportunities for optimization. As a result, a policies and procedures manual was developed, including objectives, flowcharts, responsibilities, compliance measures, and sanctions to standardize processes and reduce identified risks. In conclusion, the implementation of the manual is feasible and highly beneficial, as it will help strengthen internal control, minimize losses due to tool replacement, and ensure more efficient management of the company?s operational assets. Keywords: Internal Control, Equipment and Minor Tools, COSO ERM 201
Clasificación Automatizada de Toses para Diagnóstico de COVID-19 usando Redes Neuronales Convolucionales
No full textEn el contexto de la pandemia por COVID-19, la detección temprana sigue siendo un desafío para contener la propagación de virus y mitigar la presión sobre los sistemas de salud. Sin embargo, los métodos de diagnóstico convencionales presentan limitaciones en términos de accesibilidad, costo y tiempo de procesamiento. En respuesta a estas limitaciones, este trabajo propone un sistema basado en redes neuronales convolucionales para la clasificación de señales acústicas de toses, con el objetivo de desarrollar una alternativa no invasiva, rápida y de bajo costo. El sistema desarrollado empleó el dataset crowdsourced CoughVid, junto con los conjuntos de datos COVID-19 Cough Recording y Virufy Data Set, los cuales fueron preprocesados y transformados en representaciones espectrales mediante espectrogramas de Mel y cromagramas. Se evaluaron dos modelos de redes neuronales: CoughNet, basado únicamente en características escalares, y CoughNetwithCNN, que integra información espectral con capas convolucionales. Los modelos fueron optimizados mediante validación cruzada (k-fold) y búsqueda de hiperparámetros, incorporando técnicas de regularización como dropout y early stopping para evitar el sobreajuste. Los resultados demostraron que el modelo híbrido CoughNetwithCNN alcanzó una exactitud promedio de entrenamiento del 96.48% y una exactitud en prueba del 87.27%, superando a CoughNet y a clasificadores tradicionales como Naïve Bayes, Support Vector Machines y Random Forest. Además, se evidenció que la combinación de características escalares y representaciones espectrales mejora significativamente la capacidad del modelo para diferenciar entre toses de pacientes positivos y negativos para COVID-19. Este estudio sugiere que el uso de redes neuronales en el análisis de audio tiene el potencial de complementar los métodos de diagnóstico convencionales, ofreciendo una solución accesible y escalable para la detección temprana de enfermedades respiratorias. Keywords: COVID-19, Redes Neuronales Convolucionales, Análisis de Audio, Diagnóstico Automatizado, Aprendizaje ProfundoGuayaquilEscuela Superior Politécnica del LitoralIn the context of the COVID-19 pandemic, early detection remains a challenge in containing the spread of viruses and mitigating pressure on healthcare systems. However, conventional diagnostic methods have limitations in terms of accessibility, cost, and processing time. In response to these limitations, this work proposes a system based on convolutional neural networks for the classification of cough acoustic signals, aiming to develop a noninvasive, fast, and low-cost alternative. The developed system utilized the crowdsourced dataset CoughVid, along with the COVID-19 Cough Recording and Virufy Data Set, which were preprocessed and transformed into spectral representations using Mel spectrograms and chromagrams. Two neural network models were evaluated: CoughNet, based solely on scalar features, and CoughNetwithCNN, which integrates spectral information through convolutional layers. The models were optimized through k-fold cross-validation and hyperparameter tuning, incorporating regularization techniques such as dropout and early stopping to prevent overfitting. The results demonstrated that the hybrid model, CoughNetwithCNN, achieved an average training accuracy of 96.48% and a test accuracy of 87.27%, outperforming CoughNet and traditional classifiers such as Naïve Bayes, Support Vector Machines, and Random Forest. Furthermore, the study confirmed that combining scalar features with spectral representations significantly enhances the model?s ability to differentiate between COVID-19 positive and negative coughs. This study suggests that neural networks in audio analysis have the potential to complement conventional diagnostic methods, offering an accessible and scalable solution for the early detection of respiratory diseases. Keywords: COVID-19, Convolutional Neural Networks, Audio Analysis, Automated Diagnosis, Deep Learnin
Sistema integrado de monitoreo forestal mediante Red de sensores inalámbricos
Get PDFEste proyecto presenta un sistema autónomo de vigilancia forestal que integra una red
inalámbrica de sensores de bajo consumo, una pasarela central con reconocimiento de
audio y un dron para la transmisión de datos. El sistema mide parámetros ambientales
como la temperatura, la humedad y las precipitaciones, al tiempo que capta datos
acústicos para vigilar la biodiversidad. Las estructuras de datos optimizadas y las
tecnologías de eficiencia energética amplían la autonomía operativa.
La validación demostró la robustez del sistema, que permite la recogida de datos en
tiempo real y la detección precoz de cambios ecológicos como incendios y cambios en la
biodiversidad. Esta solución escalable favorece la conservación y la gestión sostenible
de los bosques combinando sensores inalámbricos, drones y vigilancia acústica.This project presents an autonomous forest monitoring system integrating a low-power
wireless sensor network, a central gateway with audio recognition, and a drone for
data transmission. The system measures environmental parameters like temperature,
humidity, and rainfall while capturing acoustic data to monitor biodiversity. Optimized data
structures and energy-efficient technologies extend operational autonomy.
Validation demonstrated the system’s robustness, enabling real-time data collection
and early detection of ecological changes such as fires and biodiversity shifts. This
scalable solution supports forest conservation and sustainable management by combining
wireless sensors, drones, and acoustic monitoring.
Keywords: Forest Monitoring, Wireless Sensor Network, Drone, Acoustic Monitorin
Análisis de la densidad de potencia de un canal de televisión para evaluar la presencia de Fast Fading o Slow Fading
Get PDFEl análisis de la densidad de potencia en un canal de televisión permite identificar la presencia de desvanecimientos rápidos (fast fading) o lentos (slow fading), fenómenos que influyen en la calidad de la señal. El fast fading ocurre debido a interferencias por propagación multitrayectoria, causando fluctuaciones rápidas en la intensidad de la señal. Por otro lado, el slow fading se relaciona con obstáculos grandes, como edificios, que generan variaciones más lentas en la señal.
A través de mediciones y análisis estadísticos (con modelos matemáticos Rayleigh o log-normal). Se evalúan los cambios temporales y espaciales de la señal, proporcionando información clave para optimizar el diseño de sistemas de transmisión y recepción en entornos afectados por estos desvanecimientos.
Propuesta del diseño de un sistema integral de seguridad laboral bajo la norma ISO 45001:2018 para la prevención de incidentes en Su Ferreteria
Get PDFEl presente proyecto de titulación se centra en la propuesta del diseño de un sistema
integral de seguridad laboral basado en la norma ISO 45001:2018 para la prevención
de incidentes en “Su Ferretería”. La ausencia de un sistema de seguridad laboral ha
generado diversos incidentes, afectando negativamente a la empresa con la presencia
del ausentismo.
Inicialmente, se realizó un diagnóstico de la empresa en relación con los requisitos de
la norma ISO 45001:2018, evidenciando que el sistema de gestión de seguridad y salud
en el trabajo no cumple con ninguno de los criterios establecidos, obteniendo un
porcentaje de cumplimiento del 0%. Esto indica la falta de documentación que respalde
el cumplimiento de la norma. Además, se aplicó una encuesta a los 15 trabajadores de
la empresa, cuyos resultados reflejan que el 73,3% no utiliza equipo de protección
personal (EPP), el 40% prefiere resolver los problemas de seguridad por su cuenta sin
reportar incidentes, y el 46,7% considera que el gerente muestra interés en la seguridad
laboral solo de manera ocasional.
Posteriormente, se identificaron los peligros y se evaluaron los riesgos laborales
mediante la metodología de la Guía Técnica Colombiana GTC 45. Se determinó que el
mayor riesgo es el ergonómico, con un 21,88%, principalmente en el área de carga y
despacho.
Como parte del diseño del sistema de seguridad laboral, se establecieron medidas
preventivas alineadas con la norma ISO 45001:2018. Para ello, se desarrollaron
formatos específicos como la matriz de las partes interesadas internas y externas, matriz
de política de seguridad, salud ocupacional y medio ambiente, la matriz de identificación,
evaluación y control de riesgos laborales, matriz del procedimiento de control de la
información documentada, la matriz de planificación de cambios, y la matriz de
evaluación del desempeño e identificación de mejoras.
Finalmente, con base en los resultados obtenidos, se estableció un plan de acción para
la implementación del sistema de seguridad laboral, con el objetivo de reducir los
incidentes y minimizar el ausentismo en la empres