Portal Tesis UdeC
Permite el acceso a la producción científica y académica de la Universidad de Concepción, aumentando y garantizando la difusión, visibilidad, preservación y conservación de sus contenidos.
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Estimación del contenido de cobre y razón hierro sílice en la escoria de un convertidor flash usando datos de proceso y deep learning.
(Universidad de Concepción, 2025) Navarrete Zurita, Kevin Darren; Pérez Venegas, Francisco Germán
El presente trabajo aborda el desarrollo de una herramienta de monitoreo que permita el seguimiento de la ley de cobre (Cu) y la razón hierro-sílice (Fe/SiO2) en la escoria de un horno de conversión flash. Esta problemática surge de la dependencia actual de métodos de análisis químicos, invasivos y con desfase temporal, los cuales impiden un monitoreo en tiempo real, no invasivo y en línea.
Para solucionar esta problemática se propone un sistema no invasivo basado en el uso de datos de proceso y modelos de Deep Learning programados en Python. La metodología consistió en la construcción de dos conjuntos de datos: uno endógeno, basado en el pasado de las variables objetivo y otro exógeno, compuesto por variables de proceso operacional, simulando así un escenario industrial real donde no siempre se dispone de mediciones químicas pasadas. Esto permitió evaluar la capacidad de los modelos en ambos contextos.
Se implementaron y compararon tres arquitecturas predictivas: un modelo de regresión lineal (que sirvió como línea base), una red neuronal recurrente LSTM (Long Short-Term Memory) y un Temporal Fusion Transformer (TFT). El desempeño se evaluó utilizando como métrica principal Mean Absolute Scaled Error (MASE), y las métricas como MAE, sesgo de pronóstico (FB), coeficiente de correlación de Pearson, R2 e información mutua normalizada (NMI).
Los resultados obtenidos muestran que la regresión lineal constituye una base sólida para capturar tendencias generales, pero resulta insuficiente frente a la alta variabilidad de las series. El modelo LSTM alcanzó el mejor desempeño global, demostrando robustez en la estimación tanto del cobre como de la razón hierro-sílice en el conjunto endógeno. Por su parte, el TFT presentó un mejor comportamiento en el conjunto exógeno, al explotar relaciones no lineales en las variables de proceso, aunque en el conjunto endógeno exhibió dificultades de generalización.
En conclusión, este trabajo analiza la factibilidad de construir un sistema de monitoreo no invasivo para la industria del cobre, con proyección a su integración en sistemas de control en línea. Este enfoque contribuye a la optimización de los procesos pirometalúrgicos, ofreciendo beneficios en seguridad, reducción de costos y monitoreo operacional.
Predicción de riesgo de caída en adultos mayores a través de sensores: Un enfoque de Machine Learning.
(Universidad de Concepción, 2025) Ramos Montesino, Emilio; Flores Huenchullanca, Ricardo Antonio; Pinacho Davidson, Pedro Pablo
Las caídas son actualmente uno de los principales peligros de salud en los adultos mayores, teniendo una alta prevalencia en Chile. Para medir el riesgo de caída existen diversos tests como el Timed Up and Go (TUG), el cual es ampliamente utilizado debido a su sencillez y fácil implemen tación. A pesar de esto, el TUG solo evalúa la duración total de la prueba, limitando la detección de patrones de marcha y estrategias compensatorias durante el test. Este trabajo propone un enfoque de aprendizaje automático, para predecir el riesgo de caída, utilizando datos de un sensor inercial colocado en la zona lumbar en adultos mayores chilenos al momento de realizar el test TUG. Se entrenaron varios modelos de Machine Learning Clásico, tal que el mejor resultado lo alcanzó el XGBoost con un F1-Score de 91.17% y un AUC de 0.96. Además, el análisis de interpretabilidad con valores SHAP reveló que las fases de Caminata de Ida y Caminata de Vuelta fueron las más de terminantes en la predicción. Finalmente, se desarrolló un dashboard interactivo en Streamlit para visualizar individualmente las predicciones, constituyendo una herramienta exploratoria de apoyo al análisis de la predicción.
Implementación de un protocolo de intervención musical y de cancelación de ruido para la recolección sistemática de datos en pacientes pediátricos bajo VMI en UCIP.
(Universidad de Concepción, 2025) Piceros Montiel, Scarleth Nicole; Pino Quiroga, Esteban Javier
Los pacientes pediátricos hospitalizados en unidades de cuidados intensivos (UCIP) bajo ventilación mecánica invasiva (VMI) experimentan altos niveles de estrés, ansiedad y dolor debido a los procedimientos invasivos y al entorno hospitalario. El uso prolongado de fármacos analgosedantes puede generar efectos adversos como tolerancia, síndrome de abstinencia y delirium. En este contexto, surge la necesidad de implementar estrategias complementarias no farmacológicas que favorezcan un cuidado más humanizado, entre las cuales la intervención musical (IM) y la cancelación de ruido (CR) se presentan como alternativas prometedoras, con evidencia favorable en población adulta y neonatal, pero escasa en pacientes pediátricos críticos.
La presente memoria de título tuvo como objetivo desarrollar e implementar un protocolo de IM y CR en pacientes pediátricos bajo VMI en la UCIP del Hospital Guillermo Grant Benavente (HGGB), con el fin de establecer un sistema de recolección y análisis descriptivo de variables clínicas, fisiológicas y ambientales. Se diseñó un ensayo clínico aleatorizado con tres grupos experimentales (IM, CR y control), aplicando sesiones diarias de intervención de 30 minutos durante un máximo de cinco días por paciente. Los datos recolectados incluyeron signos vitales, señales cerebrales, escalas clínicas de sedación, además de mediciones del ruido ambiental en dB(A).
En esta primera fase piloto participaron seis pacientes, acumulando un total de 34 sesiones. El análisis descriptivo evidenció la factibilidad del procedimiento y permitió identificar tendencias fisiológicas preliminares. En los pacientes del grupo IM, la frecuencia cardíaca mostró descensos más consistentes durante y después de las sesiones, la saturación de oxígeno se mantuvo estable, y los registros electroencefalográficos indicaron relajación cortical, evidenciada por un aumento de la actividad delta y una disminución de la actividad de ondas rápidas (beta y gamma). Los niveles de ruido ambiental superaron de manera sostenida los límites recomendados por la OMS, destacando la necesidad de gestión acústica en la unidad.
En etapas posteriores, se contempla ampliar la muestra a 60 pacientes e incorporar variables clínicas y ventilatorias, con el fin de fortalecer la interpretación de los resultados obtenidos, y aplicar pruebas estadísticas para determinar diferencias significativas entre fases e intervenciones. Este enfoque contribuirá a evaluar con mayor precisión los efectos de la IM y la CR, y avanzar hacia la implementación sistemática de la musicoterapia en unidades críticas pediátricas, un ámbito que actualmente carece de protocolos formales, promoviendo un cuidado más humanizado y respaldado por evidencia científica.
Estudio del problema Min-SA y algunas variantes: Algoritmos y heurísticas.
(Universidad de Concepción, 2025) Álvarez Bernal, Claudio Sebastián; Thraves Caro, Christopher; Soto Gómez, Mauricio
Los grafos con signos son grafos en los que cada arista se asigna un signo positivo o negativo. Estos grafos se utilizan para representar diversas estructuras, siendo una de las aplicaciones más comunes el modelado de redes sociales o relaciones sociales. En este tipo de representación, las aristas con signos positivos representan una buena relación entre los vértices que conectan, mientras que las aristas con signos negativos representan una mala relación.
Kermarrec y Thraves en [16] plantearon el problema: dado un grafo con signos, ¿existe un embedding en el espacio métrico de la línea euclidiana tal que cada vértice esté más cerca de todos los vértices con los que tiene una buena relación (vértices unidos por aristas positivas) que de aquellos con los que tiene una mala relación (vértices unidos por aristas negativas)? A este problema se le conoce con el nombre de problema de Sitting Arrangement (SA), el cual ha sido ampliamente estudiado.
Pardo, Soto y Thraves, en [25], motivados por el problema SA, buscaron una solución para la versión de optimización del problema SA en la recta euclidiana. Así, se planteó el problema MinSA, que consiste en minimizar el número de errores producidos en un embedding en el espacio métrico de la línea euclidiana. Este problema ha sido abordado mediante enfoques teóricos y heurísticos. Una heurística, que resuelve con buenos resultados el problema MinSA, es la heurística BVNS.
En esta tesis, un objetivo es mejorar los resultados del BVNS implementando algoritmos genéticos combinados con la técnica estadística t-Distributed Stochastic Neighbor Embedding (t-SNE). Por medio de experimentos, se busca encontrar los mejores parámetros tanto para el algoritmo genético como para el t-SNE, para luego, comparar el rendimiento del algoritmo obtenido con el BVNS. Además, otro objetivo de esta tesis, es implementar tanto el algoritmo genético obtenido como el BVNS en dos problemas planteados en esta tesis, los cuales nacen del problema SA.
Comparación automática de calidad entre imágenes astronómicas reconstruidas utilizando técnicas de Deep Learning.
(Universidad de Concepción, 2025) Valenzuela Concha, Luis Andrés; Hernández Rivas, Cecilia; Flores Huenchullanca, Ricardo Antonio
En este trabajo se abordó el problema de la evaluación objetiva de la calidad en imágenes astro nómicas reconstruidas a partir de observaciones interferométricas, un proceso que tradicionalmente depende de la inspección visual de expertos y carece de metodologías reproducibles. Es por esto que se propuso el desarrollo de un sistema automático basado en técnicas de Deep Learning, capaz de comparar múltiples reconstrucciones provenientes de una misma observación y establecer un ranking de calidad sin necesidad de contar con una imagen de referencia. Con este propósito, se generó un con junto de datos simulado a partir de galaxias y nebulosas, sobre el cual se aplicaron distintos algoritmos de reconstrucción evaluados mediante métricas objetivas, que fueron utilizados como insumo para en trenar redes neuronales convolucionales diseñadas con y sin incorporación de contexto. Los modelos obtenidos demostraron capacidad para predecir métricas de calidad y ordenar reconstrucciones de manera consistente con las evaluaciones de referencia. Además, se realizó un análisis comparativo de algoritmos de reconstrucción considerando calidad de imagen, costo computacional y condiciones de observación. La principal ventaja de la solución propuesta es que aporta objetividad y eficiencia al análisis, reduciendo la carga de trabajo manual y permitiendo concentrar la atención en las re construcciones de mayor fidelidad. Finalmente, se implementó una herramienta prototipo que integra simulación, reconstrucción, evaluación y modelado en un mismo entorno flexible, capaz de incorporar nuevos algoritmos y métricas, con potencial de aplicación en futuros contextos de investigación.