https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/85 Wed, 28 Oct 2026 07:58:25 GMT 2026-10-28T07:58:25Z https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11726 Título : Implementación de Sistemas de monitoreo y control de los procesos de esterilización y clarificación en la Planta Extractora de palma de aceite en el municipio de Orocue Casanare. Autor : Lemus Pérez, Oscar Enrique. Resumen : Automation is a process that seeks to optimize the efficiency of processes, it will contribute to increasing productivity in organizations, in addition to reducing production costs and improving product quality, for which the oil palm extraction plant in the municipality de Orocue Casanare's main objective is to implement monitoring and control systems in the sterilization and clarification processes of palm oil, these being elementary processes in its production. Through this investigation, the automated processes are shown and explained during the practice carried out with the digitization and measurement of variables such as temperature, pressure and fill level of different tanks present in the process. This project is relevant in the company because it allows the construction of an automated system that responds to the value of digitized variables, facilitating work, while reducing process times, administrative and operational costs. Descripción : La automatización es un proceso que busca la eficiencia de los procesos, contribuyendo a aumentar la productividad en las organizaciones, además de reducir los costos de producción y mejorar la calidad del producto, para lo cual la planta extractora de palma de aceite en el municipio de Orocue Casanare se traza como objetivo principal implementar sistemas de monitoreo ycontrol en los procesos de esterilización y clarificación del aceite de palma, siendo estos procesos elementales en su producción. Mediante esta investigación se muestra y explica los procesos automatizados durante la práctica realizados con la digitalización y medición de variables tales como la temperatura, presión y nivel de llenado de diferentes tanques presentes en el proceso. Este proyecto es relevante en la empresa porque permite construir un sistema automatizado que responda al valor de las variables digitalizadas facilitando el trabajo, a su vez se reducen los tiempos en los procesos, costos administrativos y operativos. Sat, 01 Jan 2022 00:00:00 GMT https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11726 2022-01-01T00:00:00Z https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11723 Título : Desarrollo de un Banco de Control y Monitoreo, enlazado a la nube para la orientacion de prácticas de laboratorio. Autor : Rodríguez Rodríguez, María Camila. Resumen : In the following project, the design and subsequent development of a test bench for the control and monitoring of variables in a piping and tank filling system was carried out. In addition, linked to the cloud through the Node red tool. As a first measure, the observation of the existing benches in the laboratory was carried out, in the same way the search and selection of the optimal components for the project was carried out, prioritizing the use of components that the laboratory already has. For the elaboration of the necessary designs, CAD programs were used for the design of the control panel and the design of the bank assembly. In the same way, for the realization of a component diagram, we had the help of the root image of TIA PORTAL. Descripción : En el siguiente proyecto se realizó el diseño y posterior desarrollo de un banco de pruebas para el control y monitoreo de variables en un sistema de tuberías y llenado de tanques. Además, enlazado a la nube mediate la herramienta Node red. Como primera medida se realizó la observación de los bancos existentes en el laboratorio, del mismo modo se ejecutó la búsqueda y selección de los componentes óptimos para el proyecto, anteponiendo el uso de componentes con los que ya cuenta el laboratorio. Para la elaboración de los diseños necesarios se utilizaron programas CAD para el diseño del tablero de control y el diseño del ensamblé del banco. De igual forma para la realización de un esquema de componentes se contó con la ayuda de la imagen raíz de TIA PORTAL. Sat, 01 Jan 2022 00:00:00 GMT https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11723 2022-01-01T00:00:00Z https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11721 Título : Desarrollo de Herramienta Prediagnóstica para la clasificación de Alzheimer basado en imágenes de Resonancia Magnética (MRI) mediante técnicas de Inteligencia Artificial. Autor : Ortega Riascos, Juan Camilo. Resumen : The proposed project consists of the development of a software tool to support the neurologist specialist for the pre-diagnosis of Alzheimer's disease in 3 stages: patient with advanced Alzheimer's disease, patient with moderate Alzheimer's disease and healthy patient. This by making use of convolutional neural networks and a large database that extends to more than 6000 images divided between the 3 classes mentioned above obtained from a free and open repository. To the support software tool called "PshychoTool" a user interface is developed for the management and visualization of pre-diagnosis results, making it easy and fast to use and giving the best possible results. This project generates an impact in the area of radiology and neurology providing a reliable support to the early detection of Alzheimer's disease in patients at least 65 years old and with this, allowing the patient to access a treatment that helps to mitigate the effects of this progressive neurodegenerative disease. Descripción : El proyecto planteado consiste en el desarrollo de una herramienta de software de apoyo para el neurólogo especialista destinada al prediagnóstico de la enfermedad de Alzheimer en 3 etapas como lo son: paciente con Alzheimer avanzado, paciente con Alzheimer moderado y paciente sano. Esto haciendo uso de redes neuronales convolucionales y una amplia base de datos que se extiende a más de 6000 imágenes divididas entre las 3 clases anteriormente mencionadas obtenidas de un repositorio abierto y de uso libre. A la herramienta de software de apoyo llamada “PshychoTool” se le desarrolla una interfaz de usuario destinada al manejo y visualización de resultados del prediagnóstico haciendo que la misma sea fácil y rápida de usar arrojando los mejores resultados posibles. Este proyecto genera un impacto en el área de la radiología y neurología brindando un fiable apoyo a la detección temprana del Alzheimer en pacientes de al menos 65 años de edad y con esto, permitir que el paciente pueda acceder a un tratamiento precoz que ayude a mitigar los efectos de esta enfermedad neurodegenerativa progresiva. Sat, 01 Jan 2022 00:00:00 GMT https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11721 2022-01-01T00:00:00Z https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11713 Título : Estimación de la gravedad del Alzheimer según síntomas, usando Machine Learning en imágenes de Resonancia Magnética (MRI). Autor : Avellaneda Gutiérrez, Jhonatan Humberto. Resumen : The main objective of this research was to develop an interactive web tool to estimate the severity of Alzheimer's disease, using Machine Learning in MRI corresponding to four groups: mild demented, moderate demented, non demented, very mild demented. The images of the dataset were preprocessed, two methods were used: zero padding to resize the images without modifying them and the correction of bias field. The initial approach was to compare different Machine Learning models, the models we trained were: CNN, VGG 19, Inception V3, MobileNet V3 and EfficientNet. For the training of these models, we used the Python language and the TensorFlow library; as more powerful resources were required, we used Google Colab. For the web page we use HTML5 to design it, JavaScript for some features and CSS to define the styles. Regarding the results, some models had overfitting and others had problems in the behavior of the metrics, the models with the best results were CNN with data augmentation, VGG 19 and Inception V3 with an accuracy of 97.9%, 99.8% and 90% respectively. With the development of this work, it was concluded that using transfer learning doesn’t guarantee that a good result will be obtained, but this depends on the dataset that we are using to train our models. Additionally, it is concluded that when training Machine Learning models overfitting can occur, but it is possible to solve it with techniques that can contribute to obtain a better performance. Descripción : El objetivo principal de esta investigación fue desarrollar una herramienta web interactiva para estimar la gravedad de la enfermedad del Alzheimer, usando aprendizaje automático en imágenes de resonancia magnética que corresponden a cuatro clases que son: demencia leve, demencia moderada, no demencia, demencia muy leve. Las imágenes contenidas en el dataset fueron preprocesadas con dos métodos que son: zero padding para redimensionar las imágenes sin modificarlas y la corrección del campo de sesgo. En el planteamiento inicial se tenía pensando comparar distintos modelos de Machine Learning, los modelos que entrenamos fueron: CNN, VGG 19, Inception V3, MobileNet V3 y EfficientNet. Para el entrenamiento de estos modelos se utilizó el lenguaje Python y la librería TensorFlow, como se requerían recursos más potentes se empleó Google Colab. Para la página web utilizamos HTML 5 para diseñarla, JavaScript para algunas funcionalidades y CSS para definir los estilos. Con respecto a los resultados, algunos modelos tenían overfitting y otros poseían problemas en el comportamiento de las métricas, los modelos con mejores resultados fueron CNN con aumento de datos, VGG 19 e Inception V3 con una precisión de 97.9%, 99.8% y 90% respectivamente. Con el desarrollo de este trabajo se concluyó que utilizar transferencia de aprendizaje no garantiza que se obtenga un buen resultado, sino que esto depende del dataset que estemos utilizando para entrenar nuestros modelos. Adicionalmente, se concluye que al entrenar modelos de Machine Learning se puede presentar sobreajuste, pero es posible solucionarlo con técnicas que pueden contribuir a obtener un mejor rendimiento. Sat, 01 Jan 2022 00:00:00 GMT https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11713 2022-01-01T00:00:00Z