https://repository.unad.edu.co/handle/10596/331 2026-07-04T22:49:52Z https://repository.unad.edu.co/handle/10596/82826 Title: Predicción de fallas en equipos industriales mediante modelos de machine learning usando el dataset AI4I 2020 Abstract: En la actualidad, la industria manufacturera enfrenta problemas relacionados con la ocurrencia de fallas inesperadas en los equipos de producción, las cuales generan tiempos de inactividad no planificados, incrementos en los costos de mantenimiento y disminución en la eficiencia operativa. En muchos casos, las organizaciones aún adoptan enfoques reactivos, interviniendo los equipos únicamente después de que se presenta la falla, lo que limita la capacidad de anticipación y la toma de decisiones estratégicas basadas en datos. En este contexto, el mantenimiento predictivo surge como una alternativa clave para mejorar la confiabilidad de los procesos industriales mediante el uso de técnicas de analítica de datos y aprendizaje automático. Este proyecto desarrolló y evaluó un modelo predictivo orientado a la detección temprana de fallas en equipos industriales mediante técnicas de machine learning, empleando el dataset público AI4I 2020, el cual contiene datos relevantes sobre variables operativas de maquinaria industrial, tales como temperatura del aire, temperatura del proceso, velocidad de rotación, torque y desgaste de herramienta, así como indicadores asociados a fallas de los equipos. Este conjunto de datos permite abordar el problema desde un enfoque supervisado, facilitando la construcción de modelos de clasificación capaces de identificar patrones asociados a la ocurrencia de fallas. La metodología adoptada se basó en el estándar CRISP-DM, ampliamente utilizado en proyectos de ciencia de datos industriales. En la fase de comprensión del negocio (definición de objetivos y KPIs asociados a disponibilidad y eficiencia operativa), comprensión de los datos (análisis exploratorio y verificación de consistencia de etiquetas), preparación (limpieza, transformación, codificación, normalización y selección de variables), modelado (entrenamiento y comparación de modelos supervisados), evaluación (validación cruzada estratificada y métricas alineadas al costo asimétrico de errores), y despliegue (servicio de inferencia y visualización para soporte decisional). En modelado se implementaron y compararon modelos de regresión logística, Random Forest y XGBoost; se incluyeron técnicas para tratar el desbalance y ajuste de hiperparámetros. En la evaluación se enfatizó el recall para reducir los falsos negativos, es decir, las fallas reales no detectadas, junto con F1-score, accuracy, precision y ROC-AUC. El desarrollo de este modelo predictivo evidencia el potencial de las técnicas de machine learning para apoyar la optimización de los procesos de mantenimiento, al permitir identificar patrones asociados a fallas y aportar información útil para la toma de decisiones. Palabras clave: Predicción, fallas, análisis, mantenimiento, predictivo 2026-06-26T00:00:00Z https://repository.unad.edu.co/handle/10596/82823 Title: Análisis comparativo de posicionamiento indoor vs outdoor con Esp32-s3 DW3000 mediante arquitectura big data en Aws Abstract: Este trabajo presenta el diseño, la implementación y la evaluación de un sistema experimental de posicionamiento basado en tecnología Ultra-Wideband (UWB), utilizando un módulo ESP32-S3 DW3000 y una arquitectura de Big Data desplegada en Amazon Web Services (AWS). El propósito central es comparar la precisión del posicionamiento en escenarios indoor y outdoor, aplicando un pipeline completo que incluye captura embebida, ingesta en la nube, almacenamiento estructurado y análisis matemático avanzado mediante multilateración. El proyecto se articula en tres dimensiones: el desarrollo de hardware y firmware embebido capaz de realizar el intercambio UWB entre un tag y cuatro anchors para obtener las distancias, y posteriormente transmitir dichos valores a la nube mediante MQTT y TLS; la construcción de una arquitectura IoT–Big Data compuesta por AWS IoT Core, Kinesis Firehose, Amazon S3 y Athena, que permite una ingesta confiable y consultas eficientes; y el procesamiento de datos en Python/Google Colab, aplicando técnicas de curado, interpolación, suavizado, detección de segmentos estables, multilateración híbrida y estimación de error espacial. La calibración reveló un factor de ajuste aproximado de 1.4 para el lote particular de módulos utilizados, necesario para alinear las mediciones UWB con la escala real definida por la grilla experimental. Los resultados experimentales evidencian diferencias marcadas en estabilidad y precisión entre los entornos indoor y outdoor. Los ambientes interiores muestran mayor continuidad y coherencia temporal, mientras que los exteriores, aunque capaces de producir errores puntuales muy bajos, presentan mayor dispersión debido a la debilidad de las reflexiones y a variaciones del canal. El estudio demuestra que la precisión depende tanto de la geometría de los anchors como del procesamiento aplicado, y confirma que la integración de UWB con infraestructura cloud y análisis reproducible constituye un marco sólido para aplicaciones de localización en IoT, robótica y sistemas distribuidos. Este estudio aporta un enfoque experimental reproducible que integra hardware UWB real, arquitectura IoT–Big Data y multilateración híbrida, permitiendo evaluar limitaciones prácticas que no suelen documentarse en estudios teóricos. Los resultados demuestran que, mediante calibración y procesamiento adecuado, es posible obtener precisiones útiles incluso con hardware económico. 2026-04-23T00:00:00Z https://repository.unad.edu.co/handle/10596/82818 Title: Análisis de la implementación de metodologías ágiles en el desarrollo de nuevos productos dentro del sector de aseo para el hogar Abstract: El presente trabajo analiza la implementación de metodologías ágiles en el desarrollo de nuevos productos dentro del sector de aseo para el hogar, con el propósito de identificar su impacto en la eficiencia, la adaptabilidad y la optimización de los tiempos de respuesta en los procesos de innovación. A partir del estudio de enfoques como Scrum y Kanban, se examina su aplicabilidad en equipos multidisciplinarios, así como su influencia en la gestión de proyectos orientados a la creación de productos de limpieza. La investigación se desarrolla bajo un enfoque cualitativo de tipo descriptivo–analítico, mediante la revisión documental de literatura académica, artículos científicos y casos reales del sector. Se analizan las principales problemáticas del desarrollo de nuevos productos, tales como la inestabilidad en las formulaciones, los requisitos normativos, la variabilidad en las materias primas y los cambios en las preferencias del consumidor, factores que inciden en retrasos, reprocesos y aumento de costos. Finalmente, el estudio permite identificar beneficios, limitaciones y condiciones de implementación de las metodologías ágiles en contextos industriales tradicionales, aportando una visión estratégica para mejorar la gestión de la innovación y fortalecer la competitividad en el sector de aseo para el hogar. 2026-06-27T00:00:00Z https://repository.unad.edu.co/handle/10596/82769 Title: Abordaje de la salud mental en comunidades indígenas de Colombia en los últimos 10 años. Revisión bibliográfica Abstract: El reconocimiento de la diversidad cultural, étnica e ideológica llevó al cuestionamiento de los abordajes de la salud, dando lugar a la construcción de epistemologías decoloniales y Otras, reconociendo aspectos ambientales, culturales, históricos y políticos como determinantes del bienestar, dando el paso a la construcción y re-significación de las ciencias, tales como la medicina social, psiquiatría social, epidemiología crítica, entre otros, que plantaron las bases para el reconocimiento de los determinantes sociales de la salud. En Colombia, al 2018 casi dos millones de ciudadanos se auto-reconocían como indígenas, haciendo parte de uno de los 115 pueblos originarios reconocidos por el Estado colombiano, representando un 4,4% de la población del país. El objetivo de esta monografía es identificar las comprensiones realizadas en torno de la salud mental con comunidades indígenas de Colombia en los años del 2015 al 2025. 2026-06-05T00:00:00Z