59142 research outputs found
Sort by
Desarrollo de un modelo de aprendizaje profundo para la estimación de coordenadas GPS, utilizando metadatos del proceso de comunicación basado en el protocolo LoRaWAN
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Esta investigación aborda el desafío de la localización de dispositivos en espacios abiertos que se comunican de manera
inalámbrica a través de redes LoRaWAN. Tradicionalmente, se emplea la tecnología GPS para la geolocalización; sin embargo,
su uso implica la adición de un recurso adicional, lo cual puede elevar los costes. Por ello, se propone aprovechar la propia
señal de comunicación de los dispositivos para fines de geolocalización, lo que reduce gastos y, además, ofrece versatilidad
al ser una solución independiente de plataformas externas.
Se desarrolló un modelo de aprendizaje profundo basado en Redes Neuronales de Grafos (GNN) para estimar coordenadas
GPS, utilizando metadatos generados durante la comunicación LoRaWAN —como RSSI e información proporcionada por los
gateways—. La propuesta presenta una metodología que combina métodos basados en datos—como técnicas de aprendizaje
automático—con métodos teóricos fundamentados en los principios de propagación de ondas. Además, integra un
enfoque mixto que reúne ambos paradigmas, aprovechando los principios físicos y las técnicas de aprendizaje automático
para capturar y modelar el ruido. Esto permite equilibrar y ampliar los conjuntos de datos de manera eficiente, seleccionando
y adaptando el método más adecuado para cada gateway.
El estudio emplea algoritmos de clusterización como Clustering Difuso o Fuzzy C-Means (FCM), Clustering Sustractivo y Clustering
Subjetivo para analizar y estructurar los datos. Los resultados destacan la efectividad del método híbrido, especialmente
en gateways con mayor cantidad de datos disponibles para el desarrollo de la metodología propuesta, logrando un
equilibrio entre precisión y eficiencia.
Además de ser una solución para la estimación de coordenadas GPS en entornos con cobertura LoRaWAN, esta investigación
ofrece un marco para optimizar la caracterización de la propagación de señales en escenarios de exteriores. El enfoque
planteado aborda de manera eficiente las limitaciones inherentes a datos escasos y desbalanceados. Además, ofrece soluciones
escalables para aplicaciones futuras que demanden una caracterización avanzada de la propagación de señales,
incluyendo la geolocalización inteligente como una de sus principales aplicaciones, así como la reducción de interferencias,
la optimización de la calidad del servicio y el diseño eficiente de redes inalámbricas.CONDITION FOR PUBLICATION OF PROJECT
Evaluación de una herramienta open source de monitoreo para toma de decisiones en una datacenter
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este trabajo de titulación se centra en evaluar el uso de Zabbix, una herramienta open source de monitoreo, dentro de un Data Center real, con la intención de comprobar qué tan útil puede ser al momento de tomar decisiones importantes sobre la operación diaria. Hoy en día, centros de datos de distintos sectores como salud, banca, telecomunicaciones y servicios públicos son el corazón de muchas organizaciones, por lo que mantenerlos estables y vigilados es una prioridad.
Para realizar esta evaluación, se instaló y configuró Zabbix en un entorno real ubicado en Guayaquil, utilizando diferentes métodos de monitoreo como SNMP, IPMI y agentes propios de la herramienta. Se hicieron entrevistas, observaciones directas al personal operativo y una encuesta aplicada a 20 profesionales de distintas áreas del centro de datos. Esto permitió tener una visión completa, no solo desde lo técnico, sino también desde la experiencia de quienes trabajan con estas herramientas día a día.
Zabbix se comparó con otras soluciones, tanto libres como comerciales, y se determinó que destaca por su flexibilidad, capacidad de integración, y por no generar costos de licencias, lo que representa una ventaja importante. También se observó una mejora clara en la rapidez con la que el personal responde a eventos críticos, una reducción de alarmas innecesarias y una mejor lectura de la información a través de sus paneles visuales.
En conclusión, esta herramienta se presenta como una opción sólida para fortalecer el monitoreo de un Data Center, permitiendo actuar con mayor precisión, anticiparse a fallos y mantener la operación de manera eficiente y continua.CONDITION FOR PUBLICATION OF PROJECT. thesis focuses on evaluating the use of Zabbix, an open-source monitoring tool, within a real data center, with the intention of verifying its usefulness when making important decisions about daily operations. Today, data centers in various sectors such as healthcare, banking, telecommunications, and public services are at the heart of many organizations, so keeping them stable and monitored is a priority.
To conduct this evaluation, Zabbix was installed and configured in a real environment located in Guayaquil, using different monitoring methods such as SNMP, IPMI, and the tool's own agents. Interviews were conducted, along with direct observations of operational staff and a survey was administered to 20 professionals from different areas of the data center. This provided a comprehensive overview, not only from a technical perspective, but also from the experience of those who work with these tools daily.
Zabbix was compared with other solutions, both free and commercial, and it was determined to stand out for its flexibility, integration capabilities, and lack of licensing costs, which represents a significant advantage. A clear improvement was also observed in the speed with which staff responded to critical events, along with a reduction in unnecessary alarms and improved information readability through its visual dashboards.
In conclusion, this tool is a solid option for strengthening data center monitoring, enabling more precise action, anticipating failures, and maintaining efficient and continuous operations.
Keywords: Monitoring, Zabbix, Data Center, open source tools, critical infrastructure, alerts, operational decisions
Mejora del proceso de desarrollo de consultas mysql con IA generativa en una empresa de software
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente proyecto tiene como objetivo mejorar la eficiencia y autonomía del equipo de desarrollo en una empresa de software, mediante la integración de Inteligencia Artificial Generativa y Modelado de Procesos de Negocio (BPMN) en el desarrollo de consultas MySQL. Se plantea como hipótesis que el uso de herramientas como ChatGPT, combinadas con un rediseño estructurado del flujo de trabajo, reduce significativamente los tiempos de desarrollo y los errores comunes. El proyecto se justifica por la necesidad de optimizar procesos repetitivos, reducir la dependencia del DBA y mejorar la calidad del código entregado.
Para su desarrollo, se aplicó una metodología de tipo descriptiva no experimental. Se realizó el levantamiento del proceso actual (modelo AS-IS), se evaluaron alternativas de mejora y se construyó un modelo optimizado (TO-BE) con herramientas de uso corporativo como Bizagi Modeler, DBeaver y ChatGPT. Además, se llevaron a cabo simulaciones, encuestas y pruebas controladas con 10 desarrolladores.
Los resultados evidenciaron una reducción promedio del tiempo de desarrollo a menos de un día, disminución de errores de sintaxis y una mejora en la percepción de autonomía del equipo. La propuesta representa una solución viable y escalable para entornos técnicos similares.CONDITION FOR PUBLICATION OF PROJECT. This project aims to improve the efficiency and autonomy of the development team in a software company by integrating Generative Artificial Intelligence and Business Process Modeling Notation (BPMN) into the creation of MySQL queries. The hypothesis is that the use of tools such as ChatGPT, combined with a structured redesign of the workflow, significantly reduces development time and common coding errors. The project is justified by the need to optimize repetitive tasks, decrease reliance on the DBA, and improve the quality of delivered scripts.
The project was developed using a descriptive, non-experimental methodology. The current process (AS-IS) was mapped, multiple improvement alternatives were evaluated, and an optimized process model (TO-BE) was designed using tools like Bizagi Modeler, DBeaver, and ChatGPT. Simulations, user surveys, and controlled testing with ten developers were also conducted.
The results showed an average reduction in development time to less than one day, a decrease in syntax errors, and improved perceptions of autonomy among the development team. The proposed solution proves to be viable and scalable for similar technical environments.
Keywords:
BPMN, Generative AI, SQL Query Development, Process Optimizatio
Clasificación de cultivos en Ecuador utilizando técnicas de aprendizaje profundo con escasos datos
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. En Ecuador, la escasez de datos etiquetados sobre cultivos agrícolas representa una barrera significativa para la planificación
territorial, la gestión de recursos y el desarrollo de políticas públicas a largo plazo. Esta falta de información dificulta la
generación de mapas confiables de uso del suelo, especialmente en un contexto donde se requiere conocer la distribución y
evolución de los principales cultivos del país. Esta tesis aborda dicho problema mediante la evaluación de distintas estrategias
de clasificación de cultivos a partir de imágenes satelitales, considerando escenarios con datos limitados. Se comparan
tres enfoques: modelos tradicionales (como Random Forest), redes neuronales convolucionales (CNN) y el modelo Transformador
de teledetección preentrenado (Presto por sus siglas en inglés), recientemente propuesto en la literatura. Se utilizan
diferentes combinaciones de entradas espectrales (RGB, 10 bandas e índices) y tipos de clasificación (binaria y multiclase),
evaluando su desempeño mediante métricas como el F1-score macro. Los resultados muestran que, en contextos de escasez
de datos, los modelos tradicionales siguen siendo una alternativa sólida, mientras que las CNN aportan mejoras moderadas.
El modelo Presto ofrece un balance prometedor entre precisión y eficiencia computacional, generando mapas útiles para
el monitoreo agrícola. Este trabajo demuestra que, incluso en países con recursos limitados, es posible adaptar estrategias
de aprendizaje automático para mejorar la representación espacial de cultivos y apoyar la toma de decisiones en el sector
agrícola.CONDITION FOR PUBLICATION OF PROJECT. In Ecuador, the lack of labeled agricultural data is a major obstacle to long-term planning, land management, and the development
of evidence-based public policies. This data scarcity hinders the generation of reliable land use maps, especially
when aiming to understand the spatial distribution and temporal dynamics of key crops. This thesis tackles this challenge
by evaluating different crop classification strategies using satellite imagery, with a focus on low-data scenarios. Three main
approaches are compared: traditional models (e.g., Random Forest), Convolutional Neural Networks (CNNs), and Presto, a
recent model in the literature. Various combinations of spectral inputs (RGB, 10 bands, and indices) and classification types
(binary and multiclass) are tested and evaluated using metrics such as the macro F1-score. The results show that traditional
models remain robust in low-resource settings, while CNNs offer modest improvements. Presto demonstrates a promising
trade-off between accuracy and computational efficiency, enabling the generation of informative maps for agricultural monitoring.
This work highlights that even in data-constrained environments, it is possible to adapt machine learning methods
to improve crop mapping and support decision-making in the agricultural sector
Desarrollo de una plataforma web para la administración de beneficios económicos por transferencia tecnológica
No full textLa Oficina de Transferencia de Resultados de Investigación (OTRI) de la ESPOL se encarga
de gestionar el proceso de Transferencia Tecnológica (TT), para llevar el conocimiento
de los investigadores de la ESPOL hacia el sector productivo. Algunas veces,
estas transferencias generan beneficios económicos y es un gran desafío administrar estos
beneficios con transparencia, orden y trazabilidad. A partir de esto, se propone una
plataforma web de administración de beneficios económicos por TT, capaz de centralizar
la información referente a resoluciones, tecnologías/know-how, TT y pagos, que asegura
la transparencia y trazabilidad para todos los involucrados en la TT.ESPOL’s Research Results Transfer Office (OTRI) is responsible for managing the Technology
Transfer (TT) process, bringing the knowledge of ESPOL researchers to the productive
sector. These transfers sometimes generate economic benefits, and managing
them with transparency, order, and traceability is a major challenge. Based on this, a
web-based platform for managing economic benefits through TT is proposed. It is capable
of centralizing information regarding resolutions, technologies/know-how, TT, and
payments, ensuring transparency and traceability for all those involved in the TT.
Keywords: Tecnology transfer, OTRI, Economic benefit
Diseño de un conjunto de políticas y controles para la gestión y mitigación de riesgos de seguridad informática del área de soporte técnico de una unidad de tecnología en una universidad pública de la ciudad de Guayaquil
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Esta tesis aborda las complicaciones en la gestión de riesgos de seguridad informática en el área de soporte técnico de una universidad pública de Guayaquil. Se identificó una alta exposición a amenazas como malware, accesos no autorizados y errores humanos, debido a la ausencia de políticas claras y controles específicos.
Como solución, se diseñó un conjunto de políticas y controles basados en los estándares ISO/IEC 27001 e ISO 31000. A través de entrevistas y análisis de riesgos, se identificaron activos críticos, se evaluaron vulnerabilidades y se establecieron medidas correctivas según la criticidad. El resultado es una propuesta estructurada de controles preventivos, detectivos y correctivos que, de implementarse, fortalecería la protección de la información institucional y alinearía a la universidad con la Ley Orgánica de protección de datos personales y buenas prácticas internacionales.CONDITION FOR PUBLICATION OF PROJECT. This thesis addresses the complications in managing IT security risks in the technical support area of a public university in Guayaquil. High exposure to threats such as malware, unauthorized access, and human error was identified due to the absence of clear policies and specific controls.
As a solution, a set of policies and controls based on the ISO/IEC 27001 and ISO 31000 standards was designed. Through interviews and risk analysis, critical assets were identified, vulnerabilities were assessed, and corrective measures were established according to criticality. The result is a structured proposal for preventive, detective, and corrective controls that, if implemented, would strengthen the protection of institutional information and align the university with the Organic Law on Personal Data Protection and international best practices.
Keywords: IT security, Risk management, Security control
Sistema de detección de anomalías para una huerto inteligente
No full textEn el contexto educativo, los huertos escolares corresponden a una herramienta
pedagógica que promueve el aprendizaje técnico y la sostenibilidad. Sin embargo, la
implementación de estos se ve obstaculizada por barreras como: falta de mantenimiento,
resistencia al cambio, falta de apoyo institucional entre otros. En base a esto, surge la
necesidad de ofrecer una herramienta que se adapten a los constantes cambios que
demanda la sociedad actual en el ámbito digital. Durante la implementación del proyecto
se utilizó una red de sensores previamente instalada. A esta red, se introduce un nodo
adicional que opera bajo el protocolo de comunicación ESP-NOW. Para poder mitigar
las limitaciones en cuanto a almacenamiento y procesamiento de datos. Se diseñó un
sistema de monitoreo que permite llevar un control del cuidado de las plantas asignadas
en cada nodo y el monitoreo de datos en tiempo real. Los componentes utilizados
incluyen sensores HD-38, DS18b20, microcontrolador ESP8266 y servidores para el
almacenamiento de datos. A la par se implementó un modelo de maching learning basado
en un algoritmo Random Forest. Encargado de la detección de condiciones que este
fuera de lo normal. Los resultados demuestran que el sistema implementado detecta
condiciones anómalas con una alta precisión. La red de sensores recopila datos de
forma continua. El sistema de monitoreo cumple con convertir datos complejos en una
experiencia intuitiva para los estudiantes. Se concluye que los huertos inteligentes son
una herramienta con un gran potencial educativo, económico y social.In the educational context, school gardens are a pedagogical tool that promotes technical
learning and sustainability. However, their implementation is hampered by barriers
such as lack of maintenance, resistance to change, and lack of institutional support,
among others. Based on this, the need arose to offer a tool that adapts to the constant
changes demanded by today’s digital society. During project implementation, a previously
installed sensor network was used. An additional node operating under the ESP-NOW
communication protocol was added to this network to mitigate limitations in terms of data
storage and processing. A monitoring system was designed to monitor the care of the
plants assigned to each node and monitor data in real time. The components used include
HD-38 and DS18b20 sensors, an ESP8266 microcontroller, and servers for data storage.
A machine learning model based on a Random Forest algorithm was also implemented to
detect abnormal conditions. The results demonstrate that the implemented system detects
anomalous conditions with high accuracy. The sensor network continuously collects data.
The monitoring system converts complex data into an intuitive experience for students. It
is concluded that smart gardens are a tool with great educational, economic, and social
potential.
Keywords: School gardens, Integrative Project, anomaly detection,
sustainability, sensor networ
Evaluación de redes MESH en comunicaciones LoRa: Conexión y desempeño en escenarios con obstáculos
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. La falta de infraestructura de telecomunicaciones en zonas rurales y de difícil acceso representa un desafío significativo para el monitoreo y control de recursos en sectores productivos (acuicultura, agricultura, entre otros). Este proyecto tiene como objetivo proponer una solución alternativa mediante el desarrollo de un prototipo de red LoRa Mesh, con la premisa de que esta tecnología permite extender la cobertura y garantizar una comunicación más estable en escenarios con vegetación, edificaciones y ausencia de línea de vista.
Para el desarrollo del proyecto se utilizó un prototipo basado en microcontroladores programados con software de código abierto Meshtastic. Se implementaron pruebas en un entorno controlado con presencia de vegetación, obstrucciones, en ambientes sub-urbanos y abierto, comparando el desempeño de una red LoRa convencional frente a una red LoRa Mesh. Adicionalmente, se propone un modelo empírico basado en mediciones de RSSI tomadas en el campus de la ESPOL, conjunto con un análisis estadístico para establecer el gradiente del modelo y contrastarlo con modelos de propagación como Cost-231 Hata y Free Space Loss (FSL).
Los resultados mostraron que la red LoRa Mesh duplicó la distancia de comunicación respecto a la red LoRa convencional, mejorando la estabilidad y cobertura. Asimismo, se obtuvo un modelo de propagación emperico de múltiples gradientes que presenta un mejor ajuste a los datos reales en comparación con los modelos empíricos utilizados como referencia.
Se concluye que la implementación de LoRa Mesh constituye una alternativa eficiente y adaptable para el monitoreo y control en zonas rurales con limitaciones de conectividad.
Palabras clave: Mesh, LoRa, Gateway (GW), prototipo, nodos, multisaltos, Meshtastic, múltiples gradientes.The lack of telecommunications infrastructure in rural and hard-to-reach areas poses a significant challenge for monitoring and controlling resources in productive sectors (aquaculture, agriculture, among others). This project aims to propose an alternative solution by developing a LoRa Mesh network prototype, based on the premise that this technology allows for extended coverage and more stable communication in scenarios with vegetation, buildings, and no line of sight.
A prototype based on microcontrollers programmed with Meshtastic open-source software was used to develop the project. Tests were implemented in a controlled environment with vegetation and obstructions, in suburban and open environments, comparing the performance of a conventional LoRa network with a LoRa Mesh network. Additionally, an empirical model based on RSSI measurements taken on the ESPOL campus is proposed, together with a statistical analysis to establish the model's gradient and contrast it with propagation models such as Cost-231 Hata and Free Space Loss (FSL).
The results showed that the LoRa Mesh network doubled the communication distance compared to the conventional LoRa network, improving stability and coverage. Likewise, an empirical propagation model with CONDITION FOR PUBLICATION OF PROJECT. gradients was obtained that better fits the actual data compared to the empirical models used as a reference.
It is concluded that the implementation of LoRa Mesh is an efficient and adaptable alternative for monitoring and control in rural areas with connectivity limitations.
Keywords: Mesh, LoRa, Gateway (GW), prototype, nodes, multi-hops, Meshtastic, multiple gradients
Detección temprana de la enfermedad de parkinson mediante análisis multimodal de escritura a mano utilizando aprendizaje profundo
Get PDFCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este estudio propone un marco metodológico para la detección temprana de la enfermedad de Parkinson (EP) mediante
un análisis multimodal basado en tareas de escritura registradas mediante una tableta de dibujo, comparando la eficacia
de modelos de aprendizaje profundo (Deep Learning, DL) y no profundo (Machine Learning tradicional, ML) así cómo la
explicabilidad de modelos de ML. Se utilizaron dos conjuntos de datos provenientes de regiones culturalmente diversas:
PaHaW (República Checa) y una base de datos propietaria recolectada en Ecuador. Estos conjuntos integran señales motoras
tales como presión, azimut, altitud y coordenadas espaciales capturadas durante tareas de dibujo de espirales.
El análisis comparativo reveló que los modelos de aprendizaje automático no profundo, específicamente Extra Trees y Gradient
Boosting, obtuvieron precisiones destacables de hasta el 93,27% y 94,20% respectivamente, superando a las redes neuronales
convolucionales (CNN) y a las redes neuronales de picos (SNN). Adicionalmente, mediante técnicas de explicabilidad
basadas en SHapley Additive exPlanations (SHAP), se identificaron biomarcadores clave para la detección de la enfermedad,
destacando principalmente la presión máxima ejercida por el lápiz, la repetición angular (azimut) y bajos valores de altitud.
La investigación demuestra la generalización potencial de los biomarcadores identificados a través de poblaciones con características
lingüísticas diferentes. Además, proporciona herramientas interpretables que facilitan el entendimiento clínico
de los resultados generados por modelos predictivos complejos. Sin embargo, también se identificaron limitaciones relevantes,
tales como los altos requerimientos computacionales y limitaciones en escalabilidad asociadas a las SNN, lo cual abre
futuras líneas de investigación hacia la optimización de recursos y mejora en la eficiencia computacional.CONDITION FOR PUBLICATION OF PROJECT
