Facultad Regional Santa Fe

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/113

Browse

Start date: 2024

Search Results

Now showing 1 - 10 of 130
  • No Thumbnail Available
    Item
    SIMAE v1.0.0 : Sistema de Marcado Estructural de Código Fuente
    (2024-10-07) Assenza, Tomás; Fontana, Valentín; Ballardini, César; Golobisky, María Fernanda; Marchetti, Pablo Andrés
    SIMAE es una herramienta de accesibilidad desarrollada en el marco de proyectos de I+D del Departamento Ingeniería en Sistemas de Información de la Universidad Tecnológica Nacional - Facultad Regional Santa Fe. Su objetivo principal es promover la inclusión de las personas con discapacidad visual en los procesos de enseñanza/aprendizaje y en el ejercicio profesional vinculado a la producción de software. La herramienta brinda asistencia contextual en la tarea de programación a desarrolladores ciegos o con baja visión mediante el marcado de las estructuras contenidas en el código fuente, facilitando la lectura y navegación del código al utilizar lectores de pantalla. SIMAE v1.0.0 ofrece distintos modos de uso: por un lado, mediante una aplicación standalone que incluye tanto una interfaz gráfica (GUI) como una interfaz de línea de comandos (CLI); y por otro, mediante una extensión (plugin) para el entorno de desarrollo Visual Studio Code. En la versión standalone, el marcado se realiza insertando comentarios en el código que indican las líneas de comienzo y finalización de las distintas estructuras sintácticas, de acuerdo al lenguaje de programación utilizado. En cambio, la extensión para Visual Studio Code no modifica el código fuente, sino que presenta indicaciones contextuales (hints) directamente en el editor y permite navegar entre marcas mediante atajos de teclado. Esta es la modalidad más recomendada en la versión 1.0.0. SIMAE v1.0.0 soporta los lenguajes de programación C++, C#, Java y Python, y permite aplicar las marcas ya sea en español o en inglés. La aplicación standalone requiere un entorno de ejecución Java y es compatible con los sistemas operativos Windows, Linux y macOS. En particular, cuenta con un instalador directo para usuarios de Windows. La extensión para Visual Studio Code se encuentra disponible en el Marketplace oficial de dicha herramienta. Para más información puede consultar el sitio web: https://simae.info Requerimientos: Aplicación standalone: - Sistema operativo: Windows, Linux, macOS - Java Development Kit (JDK) 11 o superior - Instalador disponible para Windows Plugin para Visual Studio Code: - Visual Studio Code (compatible con Windows, Linux, macOS) Requiere lector de pantalla compatible con el sistema operativo. Licencia: MIT
  • Thumbnail Image
    Item
    Estrategia para la protección de la exposición de las personas y de su entorno en redes sociales digitales
    (2025-03-19) Zenobi, Román Pablo; Roldán, María Luciana
    El texto analiza la creciente exposición de los individuos en redes sociales digitales y los riesgos asociados a su privacidad. Parte del concepto de “perfil biográfico digital”, que representa la forma en que cada persona se presenta en plataformas como Facebook o Instagram. Aunque este perfil amplifica la identidad del usuario, también lo expone a vulnerabilidades. En muchos casos, los usuarios no son plenamente conscientes de la cantidad y tipo de información personal que comparten ni de cómo esta puede ser utilizada por terceros. Existen dos tipos de atacantes que pueden aprovechar esta información: los internos (otros usuarios de la red social) y los externos (personas que acceden a datos públicos sin necesidad de estar registrados). Esta exposición no solo afecta al usuario que publica contenido, sino también a terceros mencionados por él, generando lo que se denomina un “efecto dominó” de exposición involuntaria. En este contexto surge la metodología OSINT (Open Source Intelligence), que permite recolectar, analizar y utilizar información obtenida de fuentes públicas para distintos fines, desde investigaciones hasta ataques maliciosos. Combinada con técnicas de ingeniería social —que buscan manipular a las personas para obtener datos sensibles—, OSINT puede transformarse en una herramienta poderosa tanto para la defensa como para la agresión digital. La tesis propone analizar el modo en que las personas se exponen en redes sociales y desarrollar estrategias para concientizar sobre la protección de la privacidad. A través del estudio de herramientas OSINT y prácticas asociadas, se busca sistematizar el análisis de la exposición digital con un enfoque inicial manual que podría evolucionar hacia soluciones automatizadas con ayuda de inteligencia artificial. En definitiva, se destaca la necesidad de que los usuarios comprendan los riesgos de la exposición digital y asuman un rol activo en la protección de su identidad y la de su entorno.
  • Thumbnail Image
    Item
    Efficient mixed-integer linear programming model for integrated management of ready-mixed concrete production and distribution
    (Automation in Construction, 2025-02-14) Tibaldo, Aldana; Montagna, Jorge Marcelo; Fumero, Yanina
    The ready-mixed concrete industry plays a key role in the construction sector. Tight integration between different actors is required for developing a successful project. In this context, this paper presents a contribution to optimal daily planning of production and distribution operations in the concrete industry to meet the requirements of construction sites. Customized products must be produced and delivered satisfying the specific time windows proposed by customers. To solve this problem, traditional models often resort to approaches based on decomposition techniques or approximate methods, which may provide poor quality solutions that deviate significantly from optimal planning. In contrast, this article presents an integrated and exact approach to solve the problems of ready-mixed concrete batching, production and distribution, reaching the optimal global solution in good computational times. Several examples are solved to assess the capability and performance of the proposed formulation and its applicability to a real case in this industry.
  • Thumbnail Image
    Item
    MILP model for simultaneous batching, production and distribution operations in single-stage multiproduct batch plants
    (International Journal of Industrial Engineering Computations, 2025-04-08) Tibaldo, Aldana; Montagna, Jorge Marcelo; Fumero, Yanina
    Traditionally, the short-term production and distribution activities have been addressed with a decoupled and sequential methodology. Although this approach simplifies the problem, there are several environments where it generates inefficiencies or is simply not applicable. Consequently, the integration of both problems is very valuable in a variety of industrial applications, especially in industries where final products must be delivered to customers shortly after production. This paper presents a mixed-integer linear optimization model that simultaneously solves the production and distribution scheduling in a single-stage multi-product batch facility with multiple nonidentical units operating in parallel, where transportation operations are carried out with a heterogeneous fleet of vehicles. As operations are performed in a batch environment, the production and distribution problems also integrate decisions related to the number and size of batches required to meet the demand for multiple products. The capabilities of the proposed approach are illustrated through several cases of study. Finally, these examples are solved with a two-stage approach and the superiority of the solutions using the integrated approach is demonstrated.
  • Thumbnail Image
    Item
    A new integrated approach for solving batching, production scheduling and delivery problems in single-stage batch environments
    (Computers & Chemical Engineering, 2024-06-02) Tibaldo, Aldana; Montagna, Jorge Marcelo; Fumero, Yanina
    At operational level, production and distribution integration is very valuable in real-word applications, especially in industries where products must be delivered shortly after production, as in the case of perishable or customized products. Given that the involved decisions belong to different departments and considering their high combinatory, they are usually decoupled. Although this sequential approach simplifies decision making, it can lead to suboptimal solutions for the integrated problem. This paper presents a novel mixed-integer linear programming (MILP) model to simultaneously manage batching, production, and distribution decisions. An efficient strategy is proposed, where feasible routes that vehicles can travel are generated beforehand, which greatly simplify the formulation. Thus, infeasible routes are not considered (reduction of the search space) and several important decisions are made simultaneously when selecting a route (allocation and sequencing of the customers). The performance of this approach is superior to previous ones, especially in large problems.
  • Thumbnail Image
    Item
    Evaluación de la implementación de cuestionarios semanales en la modalidad cuatrimestral del Seminario de Ingreso de Matemática
    (IPECYT, 2024) Verrengia, María de los Milagros; Pereira, Sebastián; Casco, Eva
    El cambio de hábitos de estudios de los alumnos de escuela secundaria a la Universidad suele ser un proceso de adaptación complejo. Con el objetivo de acompañar a los alumnos en la transición, se implementaron cuestionarios semanales para promover un mejor desempeño académico. En este trabajo se desarrollarán las estrategias implementadas con los estudiantes en el Seminario de Ingreso de Matemática de la Facultad Regional Santa Fe. De los resultados obtenidos, se observa un impacto significativo con respecto al año anterior.
  • Thumbnail Image
    Item
    Desarrollo de prototipo de software para la extracción de características de convenios basado en Machine Learning y Procesamiento de Lenguaje Natural
    (2024) Pachecho Pilan, Federico Ignacio; Albino, Sebastián Jesús; Ballejos, Luciana Cristina; Gutiérrez, María de los Milagros; Pacchiotti, Mauro
    La gestión de proyectos en el ámbito de la UTN FRSF está a cargo de la SSGP, dependiente de la SEyC de la Facultad. Esta subsecretaría tiene a su cargo la creación de los distintos convenios que enmarcan el trabajo de los proyectos en los que se encuentran involucrados docentes, estudiantes y/o no docentes de la Facultad. Los convenios brindan detalles sobre las entidades firmantes y responsables, además de las tareas que se incluirán dentro del mismo. Estos convenios pueden ser Convenios Marco (en adelante, CM) o Convenios Específicos (en adelante, CE). Los CM describen una relación de trabajo colaborativa general entre la UTN FRSF y diversas organizaciones las cuales suponen, como su nombre indica, un marco de trabajo bajo el cual se amparan los posibles proyectos futuros que dichas organizaciones desarrollen en conjunto con la facultad. Los CE especifican los detalles de los proyectos mencionados anteriormente entre la facultad y otras organizaciones, así como los planes de trabajo con referencias temporales y fechas estimadas para la finalización de las tareas. Si bien todos los convenios se crean y almacenan en la Subsecretaría, en general, información relacionada a los mismos es requerida por otras áreas para el armado de informes y reportes, o bien, para consultas específicas. En estas situaciones es donde actualmente el trabajo de la Subsecretaría se vuelve tedioso, ya que esta información debe buscarse en los documentos de cada uno de los convenios, sin que la información esté registrada o almacenada de forma sistemática. Estas búsquedas en documentos ralentizan en gran medida los procedimientos donde cierta información relacionada a algún convenio es necesaria. Por tal motivo, y en virtud de favorecer y agilizar estos procedimientos, este PFC propone desarrollar un prototipo de herramienta que dé soporte a la recolección automática de características y datos de los convenios usando conceptos y herramientas de NLP y machine learning, permitiendo registrar su información y almacenarla automáticamente, facilitando así la carga y búsqueda de la misma y la generación de reportes.
  • Thumbnail Image
    Item
    Desarrollo de un prototipo de sistema recomendador para el diseño de objetos de aprendizaje para carreras de ingeniería
    (2025) Novillo Saravia, Pilar; Bertossi, Valeria
    En las carreras de Ingeniería, es común que los docentes dominen sus disciplinas técnicas pero carezcan de formación pedagógica. Esta situación plantea dudas sobre su capacidad para diseñar y desarrollar materiales didácticos acordes al Enfoque Basado en Competencias (EBC), que implica no solo enseñar contenidos, sino también enseñar a articular y aplicar esos recursos en contextos reales (Kowalski et al., 2020). Al mismo tiempo, las universidades atraviesan transformaciones metodológicas, adoptando modalidades como la enseñanza remota e híbrida. En este nuevo escenario, resulta fundamental utilizar recursos educativos eficaces que garanticen la calidad del aprendizaje. En respuesta a estas necesidades, surge la propuesta de desarrollar un Sistema Recomendador basado en Inteligencia Artificial, que brinde soporte técnico y pedagógico a docentes de Ingeniería en la creación de recursos educativos digitales, específicamente Objetos de Aprendizaje (OA). Estos objetos, que combinan dimensiones tecnológicas y pedagógicas (Coll et al., 2008), fueron concebidos para mejorar el aprendizaje en entornos digitales (Wiley, 2000). El sistema se construirá sobre una plataforma de software libre, una elección ética acorde con el carácter público de la universidad. Esto evita exigir a estudiantes herramientas que la institución no puede proveer por limitaciones presupuestarias. Además, el software libre ofrece ventajas como acceso al código fuente, amplia documentación, posibilidad de personalización y una comunidad activa de usuarios. Sin embargo, también presenta desafíos como asegurar la calidad del sistema y su sostenibilidad a largo plazo frente a soluciones comerciales con mayores recursos.
  • Thumbnail Image
    Item
    Prototipo de software basado en aprendizaje automático para mantenimiento predictivo de tableros eléctricos a partir de imágenes termográficas
    (2025) Cabaña, Juan Pablo; Kloster, Narella Katherine; Pacchiotti, Mauro; Ballejos, Luciana Cristina
    El mantenimiento predictivo se ha consolidado como una estrategia eficaz en la gestión de equipos y sistemas industriales, ya que permite anticipar fallas mediante revisiones periódicas. Esto ayuda a evitar interrupciones no planificadas, optimiza el rendimiento, prolonga la vida útil de los activos, reduce riesgos y minimiza costos de mantenimiento. Esta metodología se basa en tecnologías avanzadas que monitorean el estado de los sistemas, lo cual resulta especialmente relevante en equipos eléctricos como los tableros eléctricos, elementos críticos en la distribución de energía. Uno de los métodos más efectivos en este contexto es el uso de imágenes termográficas, que permiten detectar visualmente puntos calientes en circuitos y componentes eléctricos. Estas anomalías térmicas, como el sobrecalentamiento por conexiones defectuosas o componentes desgastados, pueden ser señales tempranas de fallas graves. Detectarlas a tiempo evita daños costosos, pérdidas en la producción y riesgos para la seguridad. Las cámaras termográficas capturan diferencias de temperatura en la superficie de los equipos, facilitando una localización precisa de problemas sin necesidad de intervenir directamente o desconectar el sistema. En este marco, el proyecto propone desarrollar un prototipo de software basado en aprendizaje automático para clasificar imágenes termográficas de tableros eléctricos. Su objetivo es determinar con anticipación cuándo será necesario realizar mantenimiento. Este tipo de herramienta facilitaría el trabajo de los analistas de mantenimiento predictivo, brindándoles una preclasificación automatizada de las imágenes que sirva como punto de partida para un análisis más detallado, mejorando la eficiencia en la detección y gestión de fallas.
  • Thumbnail Image
    Item
    Modelo de dinámica inversa : reconocimiento de acciones en videos en línea
    (2025-02-19) Lomazzi, Fernando Sebastián; Rivera, Lucio; Gerard, Matias Fernando; Ballejos, Luciana Cristina
    La dinámica inversa es una técnica orientada a determinar qué acciones o entradas provocaron un cambio específico en un sistema dinámico, partiendo de un estado final deseado. Esta metodología surgió en la robótica, donde se aplicó para calcular fuerzas y momentos necesarios para movimientos específicos en piezas mecánicas. Trabajos pioneros permitieron su aplicación tanto en robots rígidos como flexibles, extendiéndose luego a otras áreas como el control de aeronaves y la biomecánica humana. Con el tiempo, el enfoque fue adoptado en el aprendizaje automático. Allí, se usa para inferir las acciones responsables de ciertos resultados observados, aun cuando no se disponga de información directa sobre dichas acciones. Este principio se ha aplicado en desarrollos avanzados de inteligencia artificial, como el agente de Minecraft creado por OpenAI o los jugadores de Go y StarCraft II desarrollados por DeepMind. Los enfoques para abordar problemas de dinámica inversa se dividen en tres: - Analítico, que utiliza modelos matemáticos y resolución numérica; - Simulado, que se basa en entornos virtuales y prueba y error; - Aprendizaje supervisado, que entrena modelos para predecir entradas a partir de datos observacionales. Todos estos enfoques requieren alta capacidad de cómputo, y en el caso del aprendizaje supervisado, conjuntos de datos etiquetados de calidad. Este estudio propone explorar una alternativa más accesible, utilizando el videojuego Hollow Knight como entorno de experimentación. El objetivo es desarrollar modelos de dinámica inversa que demanden menos recursos computacionales, pero mantengan utilidad. La complejidad del juego y su motor físico lo convierten en un caso interesante para observar secuencias visuales y deducir las acciones que las causaron, manteniendo la lógica de secuencialidad y transformación típica de la dinámica inversa.