https://repository.unad.edu.co/handle/10596/2575 2026-06-13T00:05:51Z https://repository.unad.edu.co/handle/10596/82263 Diseño e integración de un entorno web orientado a la gestión energética y análisis predictivo de consumo eléctrico en plantas cerveceras. El presente proyecto tiene como objetivo diseñar e implementar una solución para el manejo eficiente de los datos de energía en la Cervecería Barranquilla, con posibilidad de ser escalada a otras plantas o industrias con infraestructura similar. La electricidad constituye uno de los recursos de mayor costo en la producción de bienes y servicios, lo que hace indispensable contar con herramientas confiables para gestionar el consumo energético de procesos y equipos. Aunque la mayoría de las plantas dispone de medidores de energía, no es común contar con software especializado que recopile automáticamente dichos consumos. Los programas ofrecidos por los fabricantes suelen requerir licencias costosas para realizar acciones básicas o integrar nuevos equipos, lo que incrementa la inversión y los gastos de mantenimiento. Además, presentan limitaciones en el manejo de datos masivos, entornos variables e infraestructuras virtualizadas, lo que genera la necesidad de personal adicional para resolver fallas. Este desarrollo propone una interfaz adaptable y sencilla, capaz de gestionar datos energéticos en tiempo real y de predecir consumos con base a valores de producción. Con ello se busca ofrecer una alternativa más flexible y eficiente frente a las soluciones tradicionales, contribuyendo a la optimización de recursos y a la sostenibilidad industrial. Apéndice A. Acuerdo de confidencialidad - Empresa Estudiante Acuerdo firmado entre el estudiante y la empresa para ejecución del proyecto Apéndice B. Autorización Empresa Autorización final firmada por personal autorizado para aprobar la ejecución del proyecto. Apéndice C. Diagrama de funcionamiento del Proyecto. Mapa del funcionamiento, los enlaces e intercambios de datos del proyecto. Apéndice D. Repositorio de Código del proyecto. Archivos almacenados en GitHub para visualizar y copiar el funcionamiento del proyecto. 2026-05-09T00:00:00Z https://repository.unad.edu.co/handle/10596/82259 Integración de inteligencia artificial e internet de las cosas en la logística de distribución: un análisis documental sobre su impacto en la eficiencia, la sostenibilidad y la transformación digital de la cadena de suministro En un entorno competitivo y dinámico, las organizaciones enfrentan el reto de optimizar sus procesos logísticos para mejorar la eficiencia, reducir costos y responder con agilidad a las demandas del mercado. Esta monografía analiza el impacto de la Inteligencia Artificial (IA) y el Internet de las Cosas (IoT) en la optimización del proceso logístico de distribución, enfocándose en su capacidad para transformar la gestión de recursos, la planificación de rutas y la toma de decisiones en tiempo real. A través de una metodología documental, se recopilaron y analizaron estudios de caso, informes técnicos y literatura especializada que evidencian como estas tecnologías permiten mejorar la trazabilidad, automatizar procesos y aumentar la productividad. El trabajo identifica beneficios clave como la reducción de tiempos de entrega, disminución de errores operativos y una mayor satisfacción del cliente. Asimismo, se reconocen desafíos como la inversión en infraestructura, la integración tecnológica y la capacitación del talento humano. Los resultados muestran que la integración de IA e IoT en la logística de distribución representa una ventaja competitiva estratégica, especialmente en contextos donde la rapidez, la precisión y la adaptabilidad son determinantes. La investigación concluye que, pese a las barreras iniciales, las organizaciones que apuestan por estas tecnologías logran optimizar significativamente sus operaciones logísticas y fortalecer su sostenibilidad en el mercado. No aplica 2026-05-27T00:00:00Z https://repository.unad.edu.co/handle/10596/82248 Optimización de adquisiciones bibliográficas mediante Big Data y analítica predictiva en bibliotecas Este trabajo se centra en cómo las bibliotecas pueden aprovechar herramientas de Big Data y analítica predictiva para mejorar sus procesos de adquisición de material bibliográfico. El punto de partida es un problema frecuente: a pesar de que las bibliotecas generan y almacenan enormes cantidades de datos, desde préstamos y adquisiciones hasta hábitos de los usuarios y gran parte de esa información no se utiliza para tomar decisiones estratégicas. Esto provoca compras poco efectivas, acumulación de libros que casi no se consultan y un uso inútil del presupuesto. Se reconoce la necesidad de organizar y gestionar las fuentes bibliográficas. Se emplearon herramientas como Mendeley para ordenar la información encontrada en bases de datos académicas y motores de búsqueda especializados. De este proceso se seleccionaron referentes recientes que muestran cómo la ciencia de datos, la bibliominería y la inteligencia artificial están transformando la gestión de las bibliotecas. Por ejemplo, se destaca la capacidad del Big Data para anticipar tendencias de lectura, optimizar colecciones y reducir el desperdicio de recursos. Asimismo, se identificaron retos como la brecha digital, que limita el acceso equitativo a estas tecnologías. Se plantea la propuesta titulada Optimización de Adquisiciones Bibliográficas mediante Big Data y Analítica Predictiva en Bibliotecas. Aquí se expone el problema: las decisiones de compra que suelen basarse criterios poco claros, lo que deriva en colecciones poco relevantes. El objetivo general es diseñar una solución apoyada en datos reales que permita a las bibliotecas anticiparse a la demanda y planear adquisiciones de forma más eficiente. Entre los objetivos específicos se incluyen analizar datos históricos de préstamos, evaluar herramientas tecnológicas disponibles, diseñar modelos predictivos y crear dashboards interactivos que faciliten la toma de decisiones. 3 Se justifica la propuesta resaltando su pertinencia para bibliotecas universitarias, aunque sus principios pueden aplicarse a distintos tipos de instituciones. Se señala que la clave no está en gastar más presupuesto, sino en usar de manera más inteligente la información que ya existe. La propuesta no solo busca optimizar los recursos, sino también mejorar la experiencia de estudiantes, docentes e investigadores, logrando colecciones más útiles y alineadas con sus verdaderas necesidades. Además, el plan de trabajo contempla fases prácticas como recolección y limpieza de datos, análisis exploratorio, desarrollo del modelo predictivo y construcción de visualizaciones dinámicas. Este proyecto apunta a que la integración de Big Data y analítica predictiva en bibliotecas representa un cambio cultural y no solo técnico. Pasar de decisiones basadas en intuición a decisiones fundamentadas en datos supone un avance hacia bibliotecas más modernas, estratégicas y centradas en las personas. además, se resalta la importancia de capacitar al personal bibliotecario, manteniendo actualizados los modelos de análisis, integrando sistemas de información fomentando la colaboración. Así, la tecnología se convierte en un puente entre la gestión eficiente y el valor humano y pedagógico. En resumen, este trabajo plantea una ruta para que las bibliotecas evolucionen y dejen de ser solo depósitos de información y se conviertan en espacios dinámicos que aprovechen la ciencia de datos para responder de manera más efectiva a las necesidades de sus comunidades. 2025-04-22T00:00:00Z https://repository.unad.edu.co/handle/10596/82246 Análisis de la integración de sistemas de inteligencia artificial En los procesos de búsqueda de candidatos Esta monografía analiza de forma crítica cómo la Inteligencia Artificial (IA) se integra en la fase de búsqueda y preselección de candidatos (sourcing y screening) dentro de la gestión del talento. Se revisan las capacidades de tecnologías como el Aprendizaje Automático y el Procesamiento de Lenguaje Natural para automatizar el procesamiento de hojas de vida, el matching semántico y la priorización de perfiles, y se discuten sus implicaciones operativas (reducción de tiempos y costos) y éticas (sesgo algorítmico, transparencia y privacidad). El documento propone lineamientos de gobernanza y buenas prácticas auditoría, explicabilidad y supervisión humana para una adopción responsable. Finalmente, se presentan casos de uso, riesgos y recomendaciones orientadas a organizaciones que desean implementar IA en reclutamiento con criterios de equidad, trazabilidad y valor para el negocio. 2026-03-11T00:00:00Z