Tesis de Postgrado Ingeniería

Permanent URI for this collection

http://repositorio.udd.cl/handle/11447/1513

Browse

Now showing 1 - 20 of 383

Modelo de Interoperabilidad para la Gestión de Fichas Clínicas Electrónicas en Chile: Análisis de Beneficios, Desafíos y Estrategias de Implementación
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Lagos Cuevas, Alex Raúl; Valdés González, Héctor
Este trabajo presenta un análisis de las variables de estandarización de una ficha clínica médica, dada la no existencia de un registro único de ficha en Chile, soportado por sistemas diversos que no se comunican, ni interactúan, y cuyas consecuencias e ineficiencias derivan en riesgos para el paciente y costos entre otros problemas. El objetivo de esta investigación es proponer un modelo de interoperabilidad que permita la comunicación de los registros clínicos del paciente entre los distintos centros de salud. Para lograrlo se propone una aproximación cualitativa basada en 7 entrevistas con médicos jefes de servicio clínicos o directores médicos y profesionales de sistemas de información especialistas en interoperabilidad de la industria de la salud para una comprensión acabada de las necesidades de información desde el estamento clínico y como puede ser satisfecha utilizando tecnologías. El trabajo propone un modelo innovador de interoperabilidad para fichas clínicas electrónicas en Chile, adaptando estándares globales a necesidades locales, mejorando la calidad de atención y optimizando la gestión sanitaria nacional. El principal resultado es un modelo de ficha clínica estandarizado que permite la interoperabilidad entre los distintos centros de salud asegurando la disponibilidad de los datos clínicos en el lugar en el cual el paciente requiere atención. En síntesis, el modelo propuesto permite que la información clínica del paciente este siempre disponible y actualizada en cualquier centro de atención de salud del país, facilitando las operaciones y gestión de pacientes, y reduciendo efectos negativos como la repetición de procedimientos clínicos en cada institución en la cual el paciente debe ser atendido.
Fortalecimiento de la excelencia operacional en escenarios dinámicos: un modelo basado en la mejora continua y la gestión del cambio
(Universidad del Desarrollo. Facultad de Ingeniería, 2025) Bucarey Vera, Jorge Ovidio; Valdés González, Héctor
Este estudio propone una mirada estratégica para la mejora de la gestión de la excelencia operacional en la compañía “multinacional objeto de estudio” de la Región Metropolitana, fundamentado en la cultura organizacional y los valores corporativos, enfocado en mejores prácticas y competencias clave. El objetivo de esta investigación es proponer un modelo mejorado de excelencia operacional que mida su madurez y conecte la mejora continua con los principios rectores de la compañía y la gestión del cambio. Para lograrlo, se aplicó una metodología cualitativa basada en entrevistas semiestructuradas a ocho altos ejecutivos de áreas clave de la empresa. Este enfoque permitió identificar necesidades y oportunidades estratégicas para fortalecer la excelencia operacional y garantizar un alto desempeño en contextos dinámicos. Los resultados indican que prácticas como la autoevaluación continua, el liderazgo efectivo, la comunicación y la capacitación son esenciales para el éxito organizacional. El modelo propuesto mejora la comunicación y reduce la resistencia al cambio, promoviendo una cultura de mejora continua y alineando la estrategia con la operación. Asimismo, aborda deficiencias previas al integrar valores estratégicos, gestión del cambio y desarrollo de competencias clave, fortaleciendo áreas críticas como seguridad, calidad, producción, personas y costos. Este enfoque transforma la excelencia operacional al fortalecer la resiliencia, sostenibilidad y la competitividad de la empresa. La implementación de mejores prácticas, medición de la madurez y el desarrollo de competencias claves aseguran un desempeño superior en escenarios cambiantes, posicionando a la organización para adaptarse y prosperar en el largo plazo.
Metodología de gestión basada en PMBOK para proyectos eléctricos: Una mirada desde la ejecución eficiente y de competitividad empresarial
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Varela Vergara, Rodrigo Nicolás; Valdés González, Héctor
Este trabajo presenta un análisis de los efectos que tiene la implementación de un nuevo método de gestión centrándose en la búsqueda de mejoras en la eficiencia operativa y por consecuencia, financiera para la empresa OISE. de la comuna de Talcahuano de la ciudad de Concepción. El objetivo de esta investigación es proponer una metodología de gestión basado en la guía del PMBOK que facilite control de los proyectos para el apoyo en la mejora de la eficiencia en la ejecución, en el ámbito industrial. Para lograrlo, se propone una aproximación cualitativa. Esta se basa en 7 entrevistas semiestructuradas a los ejecutores y a la gerencia. La elección de estos grupos responde a la necesidad de captar una diversidad de perspectivas y experiencias dentro de la organización. Se desarrolló una metodología de gestión basada en PMBOK, adaptada a proyectos eléctricos industriales en Chile, que mejora planificación y eficiencia, ofreciendo un modelo replicable para fortalecer pymes en mercados emergentes. Los datos muestran que, debido a la ausencia de un sistema de gestión en la empresa, la gestión eficiente de los proyectos se enfrenta a desafíos significativos, tanto internos como externos. En particular, la falta de un control adecuado afecta negativamente la ejecución de los proyectos, lo que resalta la necesidad de un enfoque sistematizado. En síntesis, la metodología propuesta recoge información real dentro de la empresa, permitiendo un control más cercano y efectivo. Esto contribuye a la mejora en la ejecución de los proyectos eléctricos en las industrias a las cuales se les presta servicios. Además, facilita la identificación de áreas de mejora, reduce tiempos muertos, y mejora la eficiencia operativa, generando un impacto positivo en la competitividad y sostenibilidad de la empresa en el sector eléctrico industrial.
Análisis de redes de copropiedad y patrones de transacción en el registro nacional de vehículos motorizados de Chile: Estudio aplicado en Derco Center
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Lagos Buxton, Nicolás; Gómez Vargas, Germán
El mercado automotriz chileno enfrenta desafíos cada vez más complejos debido a la alta competencia y los rápidos cambios en las preferencias de los consumidores. Este trabajo tiene como objetivo analizar el mercado automotriz chileno y ofrecer herramientas útiles para la toma de decisiones estratégicas en la automotora Derco. La metodología incluyó técnicas de web scraping para recopilar datos del mercado, modelos de machine learning para identificar patrones y tendencias relevantes y la construcción de un benchmark que permitió evaluar la posición de Derco en relación con sus competidores, utilizando métricas claves. Los resultados obtenidos ofrecen resultados valiosos sobre la dinámica del mercado y proporcionan recomendaciones específicas para optimizar las estrategias de marketing y aumentar la competitividad. Este estudio demuestra cómo el uso de tecnologías avanzadas de análisis de datos puede aportar ventajas significativas en la toma de decisiones estratégicas, facilitando la adaptación de la empresa a un entorno altamente dinámico.
Optimización predictiva de promociones y asignación de presupuestos para restaurantes en App de Delivery
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Fernández Mellado, Yeniffer; Ferres, Leonardo
Este estudio propone el desarrollo de un sistema automatizado para optimizar la asignación de presupuestos promocionales en Uber Eats, mejorando la participación de los restaurantes y maximizando el retorno de inversión en campañas de oferta. Actualmente, el proceso de selección y financiamiento se realiza manualmente, lo que limita la eficiencia y personalización de las promociones. Para abordar esta problemática, se implementó un modelo predictivo que permite estimar el Promo Spend Total, facilitando una distribución más estratégica de los recursos. A través del análisis de diferentes modelos de Machine Learning, Random Forest demostró ser la mejor opción para realizar estas predicciones con un desempeño competitivo. Los resultados obtenidos permitirán mejorar la gestión de las campañas promocionales, optimizando la asignación del presupuesto y asegurando una distribución más efectiva de las invitaciones a los restaurantes. Con futuras mejoras, este modelo podrá integrarse en otros procesos estratégicos dentro de Uber Eats, impulsando la eficiencia y la rentabilidad del sistema promocional.
Predicción de resultados de partidos de la liga profesional de Fútbol Chileno usando algoritmos de Machine Learning
(Universidad del Desarrollo. Facultad de Ingeniería, 2025) Ovando Fuentealba, Ricardo; Bravo Celedón, María Loreto
Este proyecto se centra en el desarrollo y evaluación de modelos de aprendizaje automático para predecir resultados de partidos de fútbol (Victoria Local, Empate, Victoria Visitante). A partir de datos históricos de ligas de fútbol, se construyó un conjunto de características (incluyendo estadísticas de temporadas previas, datos acumulados de rendimiento y contexto) con el objetivo de entrenar y comparar diferentes algoritmos de clasificación: Random Forest, XGBoost, CatBoost y Regresión Logística. El enfoque metodológico incluyó: 1. Preprocesamiento de Datos: Se aplicaron técnicas para manejar el desbalance de clases (SMOTE, ADASYN) y métodos de normalización robusta. Esto buscaba mejorar la detección de resultados menos frecuentes (empates y victorias visitantes). 2. Optimización y Validación: Se emplearon búsquedas de hiperparámetros (RandomizedSearchCV), validación cruzada estratificada y ampliación de muestras con ruido para intentar incrementar la capacidad predictiva de los modelos. Además, se exploró la reducción de dimensionalidad mediante PCA, analizando el impacto en las métricas de desempeño. 3. Comparación de Algoritmos: Los resultados mostraron que, si bien los modelos ensamble (Random Forest, XGBoost, CatBoost) superaron a la Regresión Logística en general, ninguno logró un salto significativo en la predicción de empates. La clase “Victoria Local” fue la más fácil de predecir, reflejando patrones más marcados, mientras que la clase “Empate” permaneció consistentemente difícil de identificar. 4. Replicación en Diferentes Ligas: El mismo procedimiento se aplicó a datos de la Premier League de Inglaterra con resultados similares, lo que evidencia que el reto no se limita a una sola competencia. Esto sugiere que la dificultad es intrínseca al dominio y las variables empleadas, más que a un problema de un conjunto de datos específico. Conclusiones: El proyecto demuestra la complejidad de predecir resultados de fútbol a partir de datos cuantitativos limitados. A pesar de esfuerzos en balanceo de datos, optimización de hiperparámetros y reducción de dimensionalidad, la clasificación del empate sigue siendo un desafío sustancial. La conclusión central es que, para mejorar el desempeño, se requieren nuevas fuentes de información más ricas (variables contextuales, tácticas, calidad individual de jugadores, condiciones externas) y/o técnicas más sofisticadas que capten la complejidad inherente al juego. De esta forma, el proyecto aporta una visión clara de las limitaciones actuales y ofrece una ruta hacia futuras líneas de investigación, enfatizando la necesidad de enriquecer los datos y adaptar las técnicas de modelado para abordar la complejidad del fenómeno “empate” en el fútbol.
Diseño molecular "DE-NOVO" con inteligencia artificial generativa
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Peña Daiber, Raimundo; Herrera Marín, Mauricio
La inteligencia artificial (IA) ha transformado el diseño y descubrimiento de fármacos, permitiendo la identificación de compuestos bioactivos mediante la exploración eficiente de espacios químicos. En este trabajo se presenta un enfoque innovador para el diseño in silico de nuevos Antiinflamatorios No Esteroideos (AINEs), medicamentos esenciales para el manejo del dolor y la inflamación, que actúan inhibiendo las enzimas ciclooxigenasas (COX-1 y COX-2). Sin embargo, los efectos secundarios asociados con la inhibición no selectiva de estas enzimas, como daños gastrointestinales, nefrotóxicos y riesgos cardiovasculares, evidencian la necesidad de desarrollar moléculas con mayor selectividad hacia COX-2. La metodología propuesta combina Autoencoders Variacionales (VAE) para modelar el espacio químico latente, con Algoritmos Genéticos (AG) con el fin de optimizar propiedades moleculares hacia objetivos terapéuticos específicos. Este enfoque busca generar moléculas candidatas con mayor afinidad hacia COX-2 y menor actividad sobre COX-1, maximizando la eficacia terapéutica y minimizando los efectos adversos. Estudios recientes han demostrado que esta combinación de herramientas de IA permite el diseño racional y eficiente de moléculas con propiedades favorables, incluyendo mejoras en parámetros ADMET y selectividad molecular. La propuesta presentada no sólo acelera el proceso de descubrimiento de fármacos, sino que también ofrece un marco para el desarrollo de terapias personalizadas, con potencial de impacto significativo en la farmacología moderna y en la calidad de vida de los pacientes. Este documento se enfoca en la descripción detallada de la metodología implementada como base para futuras etapas del trabajo, que incluirán la validación y análisis exhaustivo de los resultados obtenidos.
Guía Introductoria como capacitación en el estudio en fuentes de Rayos Gamma: Estudio y análisis de eventos espaciales de alta energía para promover el interés y desarrollo de competencias necesarias para proyecto SWGO en Chile
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Bustamante Gutiérrez, Carlos; Morgado Jopia, Jorge; Zúñiga Sinsay, Víctor; Gómez Vargas, Germán
Este trabajo corresponde a una guía capacitadora e incluso motivacional para profesionales o interesados en el estudio del campo de la astronomía, precisamente en las fuentes espaciales de rayos gamma. Un campo de la ciencia que ha tomado gran relevancia en Chile especialmente por el observatorio terrestre SWGO que se encuentra en construcción y espera esté operativo en 2030. Este hito del observatorio SWGO en Chile ha procurado la necesidad de la industria académica e investigativa de formar más astrónomos o especialistas en este campo. Esto es nuestra principal motivación, razón por la cual nos aventuramos en crear esta guía especie starter pack (en base a nuestra expertise con proyectos de datos) para los eventuales incumbentes que quieren versarse y por qué no, desempeñarse laboralmente en el eventual observatorio de rayos gamma SWGO. La idea es que esta guía sea un primer encuentro cercano hacia el estudio con datos de las fuentes de rayos gamma, de tal manera que sea amigable, fácil de leer, y los más importante que permita al incumbente identificar patrones espaciales, energéticos en las emisiones de rayos gamma, validar teorías astrofísicas y desarrollar habilidades en el análisis de estos datos. Para lo anterior abordaremos esta guía en 3 tópicos distintos pero que finalmente convergen al mismo objetivo. El primero será IRF’s (Instrument Response Functions), luego análisis de fuentes de rayos gamma (con Gammapy), y finalmente Machine Learning aplicado con estos datos.
Cómo se pueden potenciar entre sí las atracciones turísticas de Chiloé
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) González Lillo, Ariel; Pastén Carrasco, David; Candia Vallejos, Cristian
Este estudio analizó el flujo turístico entre las atracciones de Chiloé a distintas distancias (50 km, 25 km, 10 km, 5 km y 1 km) para evaluar dos hipótesis clave: si la proximidad geográfica tiene un impacto en el flujo de visitantes y si las atracciones más centrales (hubs) tienden a tener mejores valoraciones y más reseñas. A lo largo de los distintos rangos de distancia, los resultados revelaron que la proximidad geográfica no muestra una relación significativa con el flujo de visitantes. Las correlaciones entre distancia y flujo fueron consistentemente bajas o cercanas a cero, lo que sugiere que la proximidad física no es un factor determinante en el flujo turístico. En cuanto a la centralidad, las atracciones más centrales tienden a acumular más reseñas, lo que confirma su papel como hubs en la red turística. Sin embargo, la relación entre centralidad y valoración promedio fue negativa en varias distancias, lo que indica que, aunque estas atracciones son populares y frecuentadas, no necesariamente son las mejor valoradas, posiblemente debido a la masificación o a expectativas no cumplidas. A medida que se redujo la distancia, la centralidad mostró una relación más fuerte con las reseñas, aunque la valoración promedio siguió siendo más baja en las atracciones centrales. Las limitaciones del estudio incluyen la falta de información temporal y sociodemográfica de los turistas, así como posibles sesgos en los datos de reseñas, que podrían no reflejar de manera equitativa a todas las atracciones. Además, las correlaciones lineales utilizadas no capturan posibles relaciones no lineales o indirectas entre las variables. En el futuro, investigaciones más profundas podrían incluir modelos de análisis más complejos, como simulaciones de redes dinámicas, y considerar factores temporales y demográficos para entender mejor las decisiones de los turistas. En conclusión, los hallazgos sugieren que la proximidad geográfica no explica de manera significativa el flujo turístico, mientras que la centralidad en la red sí influye en la cantidad de reseñas, aunque no necesariamente en la calidad percibida de las atracciones.
Clasificación y Visualización de Fuentes No Identificadas en el catálogo FERMI LAT 14-YEAR POINT SOURCE: Representación interactiva de la distribución y características de las fuentes de rayos Gamma detectadas por el telescopio Fermi en una visualización planetaria para facilitar el análisis y el descubrimiento de patrones por parte de los astrofísicos e investigadores del espacio.
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Angulo Cáceres, Sergio; Gómez Vargas, Germán
La astronomía de altas energías, particularmente el estudio de fuentes de rayos gamma, desempeña un rol central en la comprensión de fenómenos cósmicos extremos. El Telescopio Espacial Fermi, a través de su instrumento LAT (Large Area Telescope), ha proporcionado durante 14 años datos invaluables del cielo en rayos gamma los que han sido consolidados en el catálogo DR4. Este catálogo incluye miles de fuentes distribuidas por todo el cielo, muchas de las cuales corresponden a objetos como púlsares, remanentes de supernova, núcleos galácticos activos y otros fenómenos energéticos. Sin embargo, la complejidad de estos datos plantea grandes desafíos como lo son comprender su distribución espacial, identificar patrones, correlacionar con otros espectros electromagnéticos y como facilitar la interacción con la información por parte de la comunidad interesada en estos fenómenos. Este trabajo presenta una visualización planetaria interactiva que aborda dichos desafíos, integrando el extenso marco teórico provisto, incluyendo una revisión de la literatura existente sobre visualización de datos astronómicos, el funcionamiento del telescopio Fermi, la naturaleza del catálogo DR4, y los desafíos propios de la astronomía de rayos gamma. Luego, se desarrolla una solución técnica que involucra la adquisición, limpieza, normalización y transformación de datos desde distintos formatos, la conversión de coordenadas, la integración de catálogos adicionales, como el HYG Database para estrellas y datos de constelaciones, y la posibilidad de incorporar datos personalizados. La herramienta resultante es un producto de datos, basada en Python con Flask y Plotly, lo que ofrece un entorno inmersivo en el que el usuario puede navegar por la esfera celeste, filtrar y clasificar tipos de fuentes, integrar información propia, esperando detectar patrones complejos con mayor facilidad. La validación de necesidades se realizó a través de encuestas (simuladas con ChatGPT) y el trabajo se enmarca en el modelo anidado para diseño y validación de visualizaciones de Tamara Munzner.
Diversificación de Rubros en Licitaciones Públicas: Un Enfoque Basado en Cálculo de Density Relatedness y Machine Learning para Maximizar el Éxito de la Diversificación en Rubros Potenciales
(Universidad del Desarrollo. Facultad de Ingeniería, 2025) Mercandino Sepúlveda, Matías; Chacón Acosta, Ricardo; Candia Vallejos, Cristian
En el contexto de las licitaciones públicas en Chile entre 2014 y 2023, las empresas buscan constantemente oportunidades para diversificar y aumentar su éxito en futuros procesos de licitación. Este estudio tiene como objetivo explorar cómo las empresas podrían utilizar modelos de machine learning para clasificar y evaluar automáticamente oportunidades de diversificación hacia rubros relacionados, basándose en el concepto de density relatedness. A través de un análisis planificado de datos históricos de licitaciones públicas, se desarrollaron metodologías para calcular estas métricas y se aplicó un modelo predictivo que permitirá identificar las mejores oportunidades de expansión. Se espera que los resultados demuestren que una alta density relatedness indica que el rubro potencial (r’) está estrechamente relacionado con los rubros actuales del proveedor, lo que sugiere una mayor probabilidad de éxito en la diversificación hacia ese rubro.
Evolución de la pandemia de Covid-19 en la Región Metropolitana: un estudio de estados ocultos usando hidden markow model y su relación con índices de movilidad y factores sociodemográficos
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Neira Urrutia, Constanza; Lagos Alvarado, Fernando; Herrera Marín, Mauricio
Este estudio analizó la evolución de los contagios de Covid-19 en las comunas de la Región Metropolitana de Chile, empleando modelos Hidden Markov Models no homogéneos y Linear Mixed Models para identificar estados latentes y modelar las transiciones entre ellos. El objetivo principal fue identificar patrones clave que explicaran la propagación del virus y evaluar el impacto de factores sociodemográficos y de movilidad en las dinámicas de contagio, proporcionando información útil para la toma de decisiones en salud pública. A través del análisis, se identificaron tres estados latentes asociados a la intensidad de los contagios, definidos como estados leve, moderado y severo. Las transiciones entre estos estados fueron modeladas incorporando índices de movilidad interna y externa, variables sociodemográficas como el hacinamiento, el ingreso per cápita y el nivel educativo, así como efectos aleatorios por comuna y tiempo para capturar diferencias espaciales y temporales. Los resultados evidenciaron que la movilidad interna y externa desempeñaron un papel determinante en las probabilidades de transición entre estados, destacándose como factores clave en la propagación del virus. Asimismo, las características sociodemográficas demostraron ser esenciales para explicar la heterogeneidad en las dinámicas comunales, mostrando cómo variables como el hacinamiento, ingreso per cápita y el nivel educativo influyen en la evolución de los contagios. Además, los patrones específicos por comuna y temporalidad revelaron diferencias significativas en las probabilidades de transición, subrayando la necesidad de intervenciones localizadas. En conjunto, estos hallazgos resaltan la necesidad de segmentar estrategias de salud pública basándose en las características específicas de las comunas y de ajustar las intervenciones según las dinámicas temporales y locales. El uso de este enfoque, que combina análisis contextualizado y modelado avanzado, podría optimizar los resultados en futuras emergencias sanitarias, mejorando la eficiencia y efectividad de las medidas de contención.
Pronóstico de la demanda de asignaturas ofertadas en una Institución de Educación Superior basado en Modelos Predictivos y de Analítica Avanzada: Estudio a partir de datos de las asignaturas de la Facultad de Ingeniería de la Universidad del Bío-Bío
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Cid Campos, Olga Angélica; Raveau Morales, María Paz
El pronóstico de la demanda consiste en predecir o estimar la necesidad de un producto o servicio en un período de tiempo futuro [16]. Realizar estimaciones de demanda es estratégicamente un valor invaluable dado que apoya significativamente la gestión institucional para la toma de decisiones de manera más oportuna y eficaz. Hoy en día con los avances tecnológicos a través de técnicas estadísticas, machine learning, deep learning entre otras es posible realizar pronósticos en las distintas áreas del conocimiento. Es por ello que este estudio se enmarca en el ámbito de apoyo a la gestión académica y sus procesos como lo es la planificación de la oferta de asignaturas para un periodo académico futuro. En el presente trabajo se propone realizar un estudio comparativo de algunas técnicas predictivas y algoritmos de analítica de datos, con el fin de proponer una solución para la predicción de la demanda de oferta de asignaturas de la Facultad de Ingeniería de la Universidad del Bio-Bío. Para ello se abordan, por una parte, un modelo de clasificación para determinar la tasa de aprobación de las asignaturas en estudio basado en algoritmos de regresión logística y árbol de decisión lo que permite estimar la demanda en función de los resultados de la tasa de aprobación estimada para las asignaturas, y por otra, un modelo de regresión lineal múltiple y series temporales para la predicción de la demanda de asignaturas para un periodo futuro. En el caso de serie temporal se aplican modelos ARIMA y de redes neuronales, específicamente algunos recomendados en esta materia como lo son las Redes Convoluciones (CNN) y Redes LSTM. Los resultados obtenidos reflejan que el modelo de árbol de decisión propuesto es el más preciso para la predicción de la tasa aprobación de las asignaturas. En el caso de la predicción de la demanda se obtienen los mejores resultados con el modelo de regresión lineal con penalización Ridge.
Uso de Manifesto Project para identificar patrones comunes en programas de Gobierno para enfrentar la corrupción
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Bunster Raby, Jorge Matías; Raveau Morales, María Paz
Este estudio, desarrollado como parte del Proyecto Capstone del Magíster en Data Science de la Universidad del Desarrollo, tiene como objetivo identificar patrones comunes en los programas de gobierno de candidatos presidenciales a nivel mundial, con foco en el fenómeno de la corrupción. La investigación agrupa países en comunidades con prioridades temáticas similares, utilizando técnicas de análisis de datos y clustering, y contrastando los hallazgos con el índice CPI (Corruption Perception Index) de Transparency International. Los resultados ofrecen una herramienta útil para el análisis comparado de políticas públicas, facilitando la identificación de referentes exitosos en la lucha contra la corrupción y permitiendo medir el progreso en países con desafíos similares. Asimismo, sienta las bases para futuros trabajos que combinen estos hallazgos con datos empíricos sobre la implementación y efectividad de políticas gubernamentales.
Pronóstico Espaciotemporal de Precipitaciones en Chile utilizando Redes Neuronales y Métodos Estadísticos Avanzados
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Marchant Ferrada, Martín; Silva Uribe, Sergio; Herrera Marín, Mauricio
El objetivo de esta investigación es evaluar la efectividad del uso combinado de un Autoencoder (AE) y la Descomposición Modal Dinámica (DMD) en la predicción de patrones espacio-temporales de precipitaciones en Chile. Se propone un enfoque innovador que integra estas metodologías para capturar la complejidad dinámica de los datos climáticos, utilizando una representación compacta en un espacio latente y su posterior descomposición dinámica. Los resultados obtenidos evidencian una alta precisión en la predicción de precipitaciones, con un destacado desempeño en la identificación de patrones dominantes y recurrentes en las series temporales. Además, se resalta el bajo costo computacional del modelo, ya que todo el proceso se ejecutó exitosamente en un equipo de cómputo estándar, lo que refuerza su aplicabilidad en contextos con recursos limitados. Este enfoque permitió generar predicciones locales, logrando un nivel de detalle y especificidad superior al de los modelos globales tradicionales, crucial para la toma de decisiones en áreas específicas de Chile. En síntesis, esta investigación demuestra la viabilidad y precisión de esta metodología para predecir precipitaciones en Chile, destacando su potencial para aplicaciones climáticas en entornos específicos, ya que son predicciones locales. Su enfoque basado en la integración de técnicas modernas de machine learning y análisis modal dinámico resalta como una solución eficiente e innovadora en el campo de la modelización climática.
Populismo y migración: Análisis de Redes de discursos Presidenciales mediante Programación de Lenguaje Natural
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Morales Rojas, Daniel; Raveau Morales, María Paz
El presente trabajo explora la conexión entre el populismo y las referencias a asuntos migratorios en discursos de gobiernos de América Latina, empleando técnicas de Procesamiento de Lenguaje Natural (NLP), análisis de redes y métodos de Machine Learning. El estudio examina un corpus de 273 discursos pronunciados entre 1998 y 2019. Mediante el estudio de textos y la detección de patrones discursivos, se crearon redes que representan menciones entre naciones, valorando métricas fundamentales como la centralidad y la frecuencia de términos vinculados a la migración. Se crearon agrupaciones de países basadas en parámetros políticos y métricas de centralidad calculadas durante el armado de las redes. Además, se creó un modelo predictivo fundamentado en Gradient Boosting, que tiene la capacidad de calcular los niveles de populismo con una precisión del 63%. Los hallazgos indican que los discursos que abordan asuntos migratorios suelen mostrar ciertas tendencias de populismo, lo cual puede inferir que estas narrativas se utilizan de manera estratégica para captar respaldo político (Martínez ,2023). Así, este análisis aporta a la comprensión del uso de narrativas migratorias en escenarios políticos, marcando la influencia en la formación de discursos populistas.
Metodologías de estimación del valor de jugadores en el fútbol profesional: un enfoque de data science
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Ruiz Benavides, Miguel Ángel; Bravo Celedón, María Loreto
Este proyecto aborda la estimación del valor de mercado de los futbolistas mediante el uso de metodologías de machine learning, redes neuronales y análisis de datos. Se desarrollaron modelos predictivos para calcular los valores de los jugadores, integrando variables deportivas, económicas y sociales. Como parte del análisis, se emplearon herramientas como Transfermarkt y técnicas de scraping en redes sociales para incrementar la precisión de las valoraciones. Para garantizar la utilidad y replicabilidad del trabajo, se creó una aplicación web utilizando Flask, permitiendo a los usuarios visualizar las predicciones de manera interactiva. Además, el código completo del proyecto, incluyendo el aplicativo Flask, se publicó en un repositorio de GitHub para facilitar su acceso y reutilización.
Generación de ranking de futbolistas en base a estadísticas históricas y un enfoque de ciencia de datos
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Bernier Mora, Mauricio; Bravo Celedón, María Loreto
El fútbol, un deporte tradicionalmente evaluado mediante observación subjetiva, ha comenzado a adoptar herramientas avanzadas de ciencia de datos para evaluar el desempeño de los jugadores y optimizar decisiones tanto dentro como fuera del campo. Esto ha permitido a clubes deportivos y analistas utilizar un enfoque más cuantitativo y objetivo para medir el rendimiento de los jugadores, facilitando la identificación de patrones y la predicción del desempeño futuro.
Propuesta de un modelo de gestión de calidad de una planta de tableros contrachapados, sustentado en metodología Lean Six Sigma
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Lillo Garrido, Viviana Andrea; Palma Infante, Cristian
Este trabajo presenta una propuesta de modelo de gestión de calidad basada en metodología Lean Six Sigma para la aplicación en el proceso de fabricación de tableros contrachapados. El objetivo de esta investigación es proponer un modelo de gestión de calidad con base en metodología lean six sigma para el logro de los objetivos productivos disminuyendo los rechazos operacionales. Para lograrlo se propone una aproximación cualitativa a las opiniones de subgerentes (2), jefe de áreas (4), supervisores de producción (4), ingenieros de procesos (2) y personal técnico del área de calidad (2), basada en entrevistas semi estructuradas y considerando una muestra por conveniencia, para entender cómo y cuáles son los procesos y variables claves, para mejorar el actual sistema de gestión de calidad. Los datos muestran que las personas entrevistadas no tienen amplio conocimiento de la metodología Six Sigma y los potenciales beneficios en la gestión de calidad del proceso de fabricación de tableros contrachapados. Por otra parte, se tiene que en la actualidad se maneja el control de gran número de variables que no son correctamente analizadas y se desconoce su impacto real en los resultados degastando al equipo en actividades que no agregan valor. Se concluye que la incorporación de un modelo de gestión de calidad basado en la metodología Lean Six Sigma en el proceso de gestión de calidad en fabricación de tableros contrachapados, permitirá: definir, medir, analizar, mejorar y controlar las variables críticas de los procesos, focalizando los esfuerzos y recursos disponibles en aquellas que son de mayor impacto en resultados de calidad, rendimiento y costos.
El litio en Chile. ¿Problemas para su producción?: Percepciones que involucran al recurso estratégico y al bien común
(Universidad del Desarrollo. Facultad de Ingeniería, 2024) Romero Stevens, Camila Grace; Valdés González, Héctor
Este trabajo presenta un análisis de percepciones que provoca la acelerada demanda del litio y su creciente utilización debido a avances tecnológicos, y cómo dicha demanda coloca a las reservas del norte chileno, en los salares, en el centro de debates que involucran formas de explotación y comercialización. El objetivo de esta investigación es analizar las percepciones de profesionales expertos en la producción del litio, para la determinación de las barreras que han impedido que Chile lidere la producción de dicho mineral. Para lograrlo se propone una aproximación cualitativa bajo un paradigma interpretativo y con base en 10 entrevistas semiestructuradas a profesionales y ejecutivos del ámbito minero para la determinación de cómo y porque se ha retrasado la explotación del litio tan demandado y necesario para el desarrollo tecnológico mundial. Los datos revelan que las diversas posturas predominantes tienden a neutralizarse entre sí. Por un lado, se encuentra el modelo económico extractivista que busca fortalecer y hacer rentable la oportunidad nacional, considerando a la minería como un recurso estratégico para la industria. Por otro lado, existen enfoques políticos ambientalistas que buscan condicionar el proceso a regulaciones más estrictas o a consultas territoriales enfocadas en el bien común, lo que ralentiza el avance de la extracción en términos políticos. En síntesis, las diferentes concepciones en torno al litio son una representación de modelos ideológicos en pugna, donde el debate económico y el político ambiental no han terminado de definir lo que es bueno para nuestro país, y requieren revisarse para no perder una oportunidad estratégica relevante.

Browse

Recent Submissions