Maestría en Ingeniería - Sistemas y Computación
URI permanente para esta colecciónhttps://repositorio.unal.edu.co/handle/unal/81877
Examinar
Envíos recientes
Item type: Ítem , Detección de la evasión en los puntos de validación de pago por torniquete del sistema de transporte Transmilenio(Universidad Nacional de Colombia, 2026) Molina Borray, Laura Camila; Pedraza Bonilla, César Augusto; Arévalo Murillo, Andrés RicardoLa evasión del pago del pasaje al ingresar por los torniquetes del Sistema de Transporte Público TransMilenio de Bogotá representa una problemática que afecta tanto la sostenibilidad financiera del sistema como la percepción de calidad del servicio por parte de los usuarios. La diversidad de modalidades de evasión y las condiciones propias de las estaciones, como la alta afluencia de personas, las oclusiones y la variabilidad en la iluminación, limitan la efectividad de los métodos tradicionales de control y supervisión. El objetivo de este trabajo es desarrollar un método para la detección automática de evasores de pago al ingresar al sistema TransMilenio mediante el uso de técnicas de Machine Learning aplicadas a la analítica de video. Se identifican y analizan algoritmos de detección de personas, estimación de pose humana y segmentación de instancias, entre los que se incluyen YOLOv11, Grounding DINO combinado con SAM, ViTPose, ViTPose++ y Mask RCNN. A partir de este análisis, se diseña un método computacional orientado a la detección de una modalidad de evasión por torniquete. Finalmente, el método es evaluado mediante validación cruzada sobre un conjunto de datos histórico compuesto por videos del sistema TransMilenio. (Texto tomado de la fuente)Item type: Ítem , Mejora del proceso de producción de Clinker mediante la implementación de un modelo de predicción del porcentaje de cal libre (f-CaO)(Universidad Nacional de Colombia, 2025) Hernández León, Iván Herney; González Osorio, Fabio Augusto; Restrepo Calle, FelipeEl contenido de óxido de calcio libre (f-CaO) es un indicador crítico de calidad en la producción de clinker de la industria cementera que influye directamente en las propiedades mecánicas y el desempeño del producto final. Su medición representa un desafío debido a las condiciones del proceso productivo. Actualmente, el monitoreo se realiza mediante análisis de laboratorio con intervalos de muestreo de aproximadamente dos horas. El proceso de clinkerización constituye un sistema complejo, altamente no lineal y con fuerte acoplamiento entre variables. Este trabajo presenta la implementación de un modelo predictivo de f-CaO, funcionando como un sensor blando para realizar el monitoreo indirecto de manera continua. La metodología se fundamenta en el análisis de datos históricos del proceso de producción de una planta cementera y el desarrollo de un modelo de regresión supervisado. El desempeño se evaluó mediante el error cuadrático medio (RMSE) y el coeficiente de determinación (R²). El modelo desarrollado demostró precisión suficiente para aplicación industrial, reduciendo significativamente el tiempo de respuesta comparado con análisis tradicionales. El desarrollo de este modelo contribuye a la mejora de la eficiencia operacional, la estabilización de la calidad del producto del proceso de producción de clinker. (Texto tomado de la fuente)Item type: Ítem , Sistema de recomendación de productos basado en inteligencia artificial mediante el procesamiento de datos en hojas de cálculo(Universidad Nacional de Colombia, 2025-05-27) Garcia Camargo, Jose Fabian; Niño Vásquez, Luis Fernando; Vergara Vargas, Jeisson Andres; laboratorio de Investigación en Sistemas Inteligentes LisiEl crecimiento exponencial del comercio electrónico ha generado una demanda de asistencia personalizada y continua para los clientes. Sin embargo, la fragmentación y heterogeneidad de los datos de productos representan un obstáculo crítico para la implementación efectiva de sistemas de recomendación inteligentes. Este trabajo aborda dicha problemática mediante el desarrollo de un sistema de recomendación de productos tecnológicos que utiliza agentes autónomos de inteligencia artificial. El sistema fue diseñado con la capacidad de navegar, interpretar e integrar información proveniente de múltiples fuentes de datos heterogéneas, con un enfoque en hojas de cálculo. Su arquitectura modular incorpora agentes especializados para la interacción conversacional proactiva, el procesamiento de datos y la generación de recomendaciones. La validación experimental del sistema, realizada en un entorno de 20 escenarios de prueba, demostró una tasa de éxito del 95% en la recuperación de información relevante y un tiempo promedio de búsqueda de 0.028 segundos. Asimismo, el agente de perfilamiento alcanzó una precisión de extracción del 77.3%, confirmando la viabilidad de la solución para optimizar la experiencia del usuario y apoyar decisiones de compra en tiempo real. (Texto tomado de la fuente)Item type: Ítem , Desarrollo de un modelo de Machine Learning para pronosticar productividad agrícola(Universidad Nacional de Colombia, 2026) Gutierrez Fonseca, Fellhipe Lorenzzo; González Osorio, Fabio Augusto; León Guzmán, Elizabeth; MindlabEl pronóstico del rendimiento agrícola busca anticipar decisiones que de otro modo se tomarían a ciegas o demasiado tarde, por parte de productores, agentes del mercado y/o responsables de política pública. En particular, permite tomar mejores decisiones de siembra, manejo, comercialización y diseño de políticas antes de que la cosecha ocurra, por tanto, adquiere especial relevancia en un contexto donde el clima es variable y es deseable reducir los márgenes de error en las decisiones agrícolas. Dado lo anterior, la estimación anticipada del rendimiento se ha consolidado como un insumo fundamental para la planificación productiva, la gestión de riesgos climáticos y la toma de decisiones en política alimentaria. Su importancia se acentúa al considerar que un grupo reducido de cultivos básicos (entre ellos el trigo, el maíz y la soya) concentra una proporción sustancial del consumo calórico mundial, lo que convierte a sus rendimientos en un determinante significativo de la seguridad alimentaria global. El objeto de este trabajo final de maestría es la estimación de rendimiento agrícola mediante aprendizaje profundo y datos climáticos de alta resolución. Al integrar series temporales semanales de variables meteorológicas (temperatura, precipitación, humedad, radiación solar, suma térmica y estrés térmico) con registros agrícolas a nivel de condado, el modelo permite identificar patrones climático-productivos relevantes a lo largo del ciclo de cultivo. La metodología sigue el marco CRISP-DM, con énfasis en la ingeniería de características climáticas agregadas que actúan como proxies de condiciones fenológicas relevantes, la normalización específica por cultivo y una división temporal estratificada por año, con la meta de garantizar una evaluación realista y libre de fugas de datos. Se prioriza la interpretabilidad y escalabilidad mediante el uso de datos estructurados y accesibles, sin recurrir a imágenes satelitales en un principio. Se propone una arquitectura basada en GRU y Atención Multi-Cabeza que procesa secuencias climáticas semanales y las combina con un embedding de cultivo para modelar dinámicas fisiológicas específicas por especie. Este diseño permite especializar los resultados sin duplicar completamente la red, mejorando eficiencia y capacidad de generalización. Constituye una exploración experimental de modelos secuenciales para el pronóstico de rendimiento agrícola, destacando patrones temporales aprendidos y su relación con momentos críticos del ciclo de cultivo. No se afirma que el modelo sea superior en todos los escenarios, ni que sustituya otros enfoques, sino que ofrece una opción basada en datos climáticos estructurados y arquitecturas interpretables. El enfoque propuesto permite transicionar de un sistema de nowcasting (estimación post-cosecha) a uno de forecasting (pronóstico operativo con anticipación), mediante la definición de horizontes predictivos específicos por cultivo, derivados del análisis de los picos de atención. Los resultados se evaluaron con métricas que incluyen el coeficiente de determinación (R²), el error absoluto medio (MAE), el Error Porcentual Absoluto Medio Simétrico (SMAPE), y la proporción de estimaciones que caen dentro del 10 %, 15 % y 20 % del valor real a nivel de cultivo (una medida de precisión operativa útil para agricultores y entidades de planificación), demostrando su utilidad práctica potencial para la toma de decisiones en agricultura de precisión. Los modelos logran un desempeño competitivo (con coeficientes de correlación de Pearson entre 0.68 y 0.76 en el forecaster, R² de hasta 0.67 en el nowcaster y tasas de acierto superiores al 52 % dentro del 15 % de error relativo en escenarios operativos), y además identifica posibles patrones temporales significativos, reflejados en picos de atención que ocurren en intervalos típicos de desarrollo del cultivo, sin requerir anotaciones fenológicas adicionales. Las estimaciones obtenidas podrían utilizarse como apoyo en la identificación de años con rendimientos atípicos o en el análisis de la sensibilidad climática a lo largo del ciclo. A diferencia de algunos enfoques basados en teledetección, este modelo utiliza series temporales completas de variables meteorológicas, evitando interrupciones por cobertura nubosa. El mecanismo de atención permite examinar qué semanas tuvieron mayor influencia en cada pronóstico, lo que facilita un análisis cualitativo del comportamiento del modelo. (Texto tomado de la fuente)Item type: Ítem , Desarrollo de un modelo de gestión de datos IIoT para procesos de mantenimiento predictivo en sistemas neumáticos(Universidad Nacional de Colombia, 2026) Ramírez Moreno, Sergio Enrique; Cangrejo Aljure, Libia Denise; Ramírez Moreno, Sergio Enrique [0001697306]; Ramírez Moreno, Sergio Enrique [TU_g4KsAAAAJ&hl]; Ramírez Moreno, Sergio Enrique [0009000298471267]; Ramírez Moreno, Sergio Enrique [Sergio-Ramirez-Moreno]; ANGeoSCLos escapes de aire son una falla común en todos los sistemas de aire comprimido, ocasionando pérdidas significativas en la operación muchas máquinas neumáticas; sin embargo, la implementación de sistemas de mantenimiento predictivo a nivel mundial es tardía, y la información sobre el monitoreo basado en la condición bajo el paradigma del Internet Industrial de las Cosas (IIoT) para la detección de fugas es muy escasa. En esta tesis se desarrolló un modelo de gestión de datos, mediante el diseño, implementación, verificación y validación de un sistema IIoT que utiliza una arquitectura de tres niveles, basado en la Arquitectura de Referencia del Consorcio de Internet Industrial (IIRA-IIC). El modelo de gestión de datos desarrollado se encarga tanto de la adquisición de señales, como su procesamiento, almacenamiento, análisis y toma de decisiones con base en los datos recolectados. Se realizaron un total de 60 pruebas experimentales en un circuito neumático construido usando el kit FESTO TP201 disponible en la ETITC, variando la presión total de trabajo (2-2,5 bar) y la caída de presión (50 – 150 mbar) aplicando fugas simuladas en diferentes puntos del circuito. Se comprobó el correcto funcionamiento del sistema de captura que recopiló correctamente los datos de los sensores de presión y caudal, los estados de los sensores de proximidad y el estado de las electroválvulas, y los almacenó en un archivo CSV. Los datos fueron analizados con MATLAB® en donde se determinó la fuga mediante el método de las sumas acumulativas (CuSum) como indicador de condición. Se verificó la comunicación entre todos los elementos y el funcionamiento del sistema de diagnóstico de fugas desarrollado en NodeRED que alertó la condición de fuga. Se obtuvo un éxito de la detección del 86% de los casos con los sensores de presión y del 82% con el sensor de caudal, validándose la utilidad del modelo para la detección de fugas de aire en las condiciones de estudio. (Texto tomado de la fuente)Item type: Ítem , Desarrollo de un sistema basado en un modelo de lenguaje grande para el análisis de los procesos de contratación pública en SECOP II(Universidad Nacional de Colombia, 2026-05-07) Mateus Rodríguez, Edwin Alejandro; Gonzalez Osorio, Fabio AugustoEl Sistema Electrónico para la Contratación Pública (SECOP) representa la plataforma oficial en Colombia que se utiliza para registrar, hacer pública y administrar los procesos de contratación pública. Su propósito principal es fomentar la transparencia, eficiencia y control en la administración de los recursos estatales, asegurando el acceso equitativo a la información para entidades públicas, empresas privadas y ciudadanos. En esta plataforma se almacena información clave sobre las interacciones entre entidades y proveedores, abarcando desde la adjudicación hasta la ejecución contractual. Este proyecto tiene como meta crear un sistema novedoso fundamentado en grandes modelos de lenguaje (LLMs) que posibilite acceder, consultar y analizar de forma natural y eficiente la información presente en SECOP II. A través del uso de técnicas de procesamiento de lenguaje natural, se busca facilitar la interacción de los usuarios con la información pública, optimizando la toma de decisiones y promoviendo la transparencia y buenas prácticas en la contratación estatal. La presente investigación detalla la arquitectura y puesta en marcha de una solución tecnológica para el análisis de datos de SECOP II. En lugar de una simple descripción teórica, aquí se expone cómo se definieron los criterios del sistema y la posterior integración de un modelo LLM para la interpretación de grandes volúmenes de texto. La metodología incluyó el despliegue de un tablero visual interactivo y un riguroso protocolo de pruebas que confirmó la utilidad de la herramienta. El resultado final demuestra que es posible convertir la complejidad de la contratación pública en un recurso accionable para el fortalecimiento institucional. (Texto tomado de la fuente).Item type: Ítem , Automatización de pruebas de software mediante el uso de LLMs y agentes LLM(Universidad Nacional de Colombia, 2026) Arenas Jimenez, Yosman Alexis; Gómez Jaramillo, Francisco AlbeiroEn el contexto actual del desarrollo de software, la garantía de calidad mediante pruebas efectivas se ha vuelto fundamental para entregar productos robustos y confiables. Tradicionalmente, las pruebas de software han dependido en gran medida del trabajo manual de los analistas de calidad, un enfoque que, aunque valioso, puede resultar costoso en términos de tiempo y recursos, especialmente en ciclos de desarrollo acelerados. La aparición de los Modelos Grandes de Lenguaje (Large Language Models - LLMs) y los agentes basados en LLMs presenta nuevas oportunidades para transformar los procesos de pruebas de software. Esta tesis presenta un estudio experimental comparativo que evalúa la eficiencia y calidad de tres enfoques diferentes para la generación y ejecución de pruebas de software: métodos tradicionales manuales, LLMs directos y agentes basados en LLMs. El estudio se desarrolló utilizando Saleor Dashboard, una plataforma de e-commerce de código abierto desarrollada en TypeScript y ReactJS, como caso de estudio representativo. La metodología experimental incluyó la implementación de pruebas unitarias y funcionales bajo cada uno de los tres enfoques, midiendo métricas de eficiencia (tiempo de generación, tiempo de ejecución, tasa de validez) y calidad (tasa de éxito, cobertura de código, cobertura de funcionalidad, tasa de detección de defectos). Los resultados obtenidos sugieren que las estrategias que combinan desarrolladores expertos y LLMs proveen los mejores desempeños en tareas de automatización de construcción de pruebas de software. Este hallazgo puede informar a las organizaciones para tomar decisiones informadas sobre la adopción de tecnologías basadas en LLMs en sus procesos de aseguramiento de calidad del software. (Texto tomado de la fuente)Item type: Ítem , Modelo de evolución arquitectónica orientado a la capacidad de modificación en un sistema heredado de factoring electrónico(Universidad Nacional de Colombia, 2026) Suárez Suárez, Santiago; Vergara Vargas, Jeisson Andrés; Restrepo Calle, Felipe; Colectivo de Investigación en Ingeniería de Software ColsweEste trabajo final de maestría desarrolla un modelo de evolución arquitectónica fundamentado en la Ingeniería Dirigida por Modelos (MDE), diseñado específicamente para abordar la deuda técnica y mejorar la capacidad de modificación en sistemas heredados de misión crítica. Tomando como estudio de caso la plataforma de factoring electrónico eBill Factoring, se propone un marco metodológico que transita desde un diagnóstico automatizado basado en grafos hacia una arquitectura optimizada bajo el paradigma de Arquitectura Limpia. El proceso integra el uso de vistas arquitectónicas para establecer una línea base medida a través de métricas de acoplamiento e inestabilidad. Mediante la ejecución de transformaciones de modelo a modelo (M2M), el sistema automatiza la reestructuración de componentes que presentan degradación estructural, aplicando estrategias de inversión de dependencias y aislamiento del legado a través de capas de mediación. La validación, realizada mediante escenarios de calidad, demostró una reducción significativa del impacto ante cambios tecnológicos y el blindaje efectivo de la lógica de negocio moderna frente a la volatilidad del núcleo heredado. (Texto tomado de la fuente)Item type: Ítem , Modelo basado en LLMs para apoyar la toma de decisiones en el triaje médico(Universidad Nacional de Colombia, 2026) Martin Salcedo, Alejandro; Rodríguez Portela, Arles Ernesto; Rodríguez Portela, Arles Ernesto [0000536636]; Rodríguez Portela, Arles Ernesto [ck6NRGkAAAAJ&hl]; Rodríguez Portela, Arles Ernesto [0000000349106773]; Rodríguez Portela, Arles Ernesto [Arles-Rodriguez]La creciente demanda en los servicios de urgencias y la necesidad de realizar procesos de triaje eficientes, consistentes y alineados con criterios clínicos estructurados representan un desafío para los sistemas de salud, particularmente en la estimación adecuada de los recursos y en el apoyo al razonamiento clínico para la correcta priorización del paciente durante la atención. En este contexto, el presente trabajo tuvo como objetivo desarrollar y evaluar un sistema basado en agentes sustentado en modelos de lenguaje de gran escala (LLMs), integrado con un esquema de recuperación aumentada (RAG), orientado al apoyo en la estimación de recursos y en la estructuración del razonamiento clínico para la priorización del paciente bajo el protocolo de triaje Emergency Severity Index (ESI). Se diseñó una arquitectura híbrida que combina generación de texto y recuperación contextual de información clínica, junto con una estrategia de estructuración progresiva del prompt alineada con el flujo de decisión del triaje. La evaluación se realizó mediante un enfoque técnico-clínico que incluyó métricas computacionales de similitud semántica y fidelidad del sistema, junto con validación por un médico con experiencia en triaje, considerando múltiples experimentos con dos variantes de prompt y tres modelos de lenguaje. Los resultados evidencian mejoras en la coherencia del razonamiento y una concordancia moderada con el criterio clínico, destacando el potencial de estos sistemas como herramientas de apoyo en la toma de decisiones bajo supervisión profesional. (Texto tomado de la fuente)Item type: Ítem , Interfaz conversacional con inteligencia artificial generativa para consultar el estado de servicios en Amazon Web Services (AWS)(Universidad Nacional de Colombia, 2025) Diaz Cardozo, Karen Julieth; Umaña Acosta, Henry Roberto; Ortega Melo, Luis FernandoEl crecimiento exponencial en la adopción de servicios en la nube ha generado desafíos críticos en el monitoreo y control de costos, particularmente para personal no técnico. El 48% de las empresas identifican la falta de conocimiento técnico como la principal barrera para una gestión eficiente de recursos cloud, resultando en pérdidas económicas significativas. Este trabajo presenta el diseño, desarrollo y validación de una interfaz conversacional basada en inteligencia artificial generativa para consultar métricas de costos y datos organizacionales en Amazon Web Services. La investigación adoptó un enfoque aplicado con tres ciclos de desarrollo iterativo e incremental. La arquitectura integra un agente conversacional orquestado mediante LangGraph sobre el modelo Gemini 2.5 Pro, implementando el patrón cognitivo ReAct. La contribución arquitectónica principal radica en la adopción del estándar Model Context Protocol, que desacopla la lógica del agente de las APIs de AWS mediante servidores MCP especializados en documentación, costos, precios y presupuestos. La validación mediante una prueba de concepto en un entorno productivo corporativo, ejecutando 100 pruebas funcionales con datos financieros reales, demostró 90.91% de exactitud al contrastar respuestas con las APIs oficiales de AWS. El análisis identificó oportunidades de mejora en consultas con múltiples filtros simultáneos y agregaciones complejas. Este trabajo demuestra que la integración de modelos de lenguaje con arquitecturas basadas en herramientas especializadas constituye una aproximación técnicamente viable para facilitar el acceso a información financiera de infraestructura cloud, sentando bases para un entorno de producción robusto, escalable y alineado con las necesidades de gestión de costos en la nube. (Texto tomado de la fuente)Item type: Ítem , Implementación de pruebas automatizadas utilizando inteligencia artificial generativa para la API de autenticación y autorización basada en OPENID(Universidad Nacional de Colombia, 2026-04-28) Guiza Ortiz, Maria Camila; Umaña Acosta, Henry Roberto; Ortega, Luis Fernando; Colectivo de Investigación en Ingeniería de Software ColsweLas pruebas de software constituyen un papel esencial del ciclo de vida de desarrollo de software ya que verifican que las aplicaciones funcionen de forma correcta, satisfagan las necesidades de los usuarios y proporcionen una buena experiencia de usuario. Con la adopción de prácticas modernas como Agile, DevOps y la integración y entrega continuas (CI/CD), se espera que los equipos de desarrollo lancen actualizaciones con mayor rapidez y frecuencia, lo que ha llevado al uso de herramientas de pruebas automatizadas y asistidas por IA, cuyo objetivo es mejorar la cobertura de las pruebas y acelerar el proceso de detección de errores (Akhtar, 2025). La gestión de identidades y accesos (IAM) propone un servicio web que ayuda a controlar todo el trabajo a través de métodos seguros y Keycloak es una plataforma de gestión de identidades y accesos de código centrada en aplicaciones modernas, como aplicaciones de una sola página, aplicaciones móviles y API REST (Thorgersen & Silva, 2023) la cual es utilizada por empresas para sus gestiones de acceso y proveedores. Por esto y en la actualidad, BLEND Colombia implementa la API OpenID para administrar los procesos de validación de identidad y permisos en sus sistemas. No obstante, la verificación de esta API se lleva a cabo manualmente, generando un gasto significativo de tiempo y esfuerzo en las actividades de pruebas. Por esta razón, se plantea desarrollar la automatización de las pruebas a través de Inteligencia Artificial Generativa. (Texto tomado de la fuente)Item type: Ítem , Impact of a set of resilience patterns on the performance of a microservice architecture(Universidad Nacional de Colombia, 2026) Triana Garcia, Cristian Camilo; Vergara Vargas, Jeisson Andrés; Colectivo de Investigación en Ingeniería de Software ColsweMicroservice architectures offer scalability and flexibility, but because they are distributed systems, they are more exposed to partial failures and service unavailability. To deal with these problems, resilience patterns such as Circuit Breaker and Retry are widely used. However, their behavior depends strongly on the configuration of their parameters, and a bad configuration can cause performance problems instead of improvements. Even though these patterns are widely adopted, there is still limited experimental work that analyzes how their parameters interact under controlled failure scenarios. This work presents a controlled experimental evaluation of Circuit Breaker and Retry patterns in a microservice architecture. A Model-Driven Engineering approach is used to define the architecture and to generate multiple test configurations in a systematic way. The experiments focus on two failure scenarios: complete service unavailability and partial dependency failure with intermittent errors. Three configurations are compared: without resilience mechanisms, with Circuit Breaker only, and with Circuit Breaker combined with Retry. The evaluation uses response time and success rate as the main performance metrics. The results show that the Circuit Breaker pattern greatly reduces response time when a service is unavailable by avoiding repeated calls to a failing dependency, but it does not improve the success rate. When Retry is added, the success rate increases only in scenarios with partial failures, while the response time also increases due to repeated attempts. The experiments also show that parameters such as Failure Threshold and Sliding Window Size have a strong impact on the results, and their interaction creates a clear trade-off between availability and latency. Overall, this work shows that resilience patterns should not be configured or evaluated independently. Their parameters need to be coordinated in order to achieve a balance between fault tolerance and performance. The model-driven approach used in this work allows systematic and repeatable experiments, and provides practical insights for architects when designing resilient microservice-based systems.Item type: Ítem , Sistema de asistencia virtual basado en LLMs para el manejo del cultivo de papa(Universidad Nacional de Colombia, 2026) Cruz Chú, Mariana Beatriz; Restrepo Calle, Felipe; Cruz Chú, Mariana Beatriz [0000000286452141]; Plas Programming languages And SystemsEste trabajo final presentó el desarrollo y la evaluación de un sistema de asistencia virtual para consultas sobre el manejo del cultivo de papa, basado en grandes modelos de lenguaje con recuperación contextual. El trabajo se ejecutó en cuatro fases de acuerdo con los objetivos específicos. Primero, se estructuró una base de conocimiento a partir de publicaciones de acceso abierto sobre el cultivo de papa, mediante la recolección sistemática, el filtrado por criterios temáticos, geográficos y temporales, la extracción de texto y la normalización del contenido. Asimismo, se planteó una arquitectura modular que incorpora la recuperación semántica de fragmentos y un mecanismo de trazabilidad para identificar las fuentes utilizadas en cada respuesta a consultas en lenguaje natural. Luego, se implementó un prototipo que presentó los identificadores de los fragmentos recuperados como evidencia documental. Finalmente, el prototipo se evaluó mediante un enfoque de modelo de lenguaje como juez, aplicando un conjunto de consultas distribuidas por estratos temáticos y calificando las respuestas según su relevancia, exactitud, claridad, utilidad y evaluación global. Los resultados mostraron un desempeño consistente en claridad y variación entre estratos, con un menor rendimiento en las consultas asociadas a condiciones ambientales. Por último, se presentan evidencias de funcionamiento y de evaluación, y se listan limitaciones y líneas de trabajo futuras vinculadas a la cobertura documental, la validación con expertos y las mejoras en las estrategias de recuperación. (Texto tomado de la fuente)Item type: Ítem , Prototipo de asistente virtual como apoyo al proceso de aprendizaje en una asignatura de análisis y visualización de datos utilizando grandes modelos de lenguaje(Universidad Nacional de Colombia, 2026) Olaya Castro, Hendrik Eugenio; Restrepo Calle, Felipe; Restrepo Calle, Felipe [gDt_gQ0AAAAJ&hl]; Restrepo Calle, Felipe [0000000342261324]; Restrepo Calle, Felipe [Felipe-Restrepo-Calle]; Plas Programming languages And Systems; Restrepo Calle, Felipe[36195972000]Este trabajo presenta el diseño, implementación y evaluación de un prototipo de asistente virtual para apoyar el proceso de aprendizaje en la asignatura de Análisis y Visualización de Datos. El asistente se basa en grandes modelos de lenguaje (LLMs, por sus siglas en inglés) y emplea una arquitectura de GeneraciónAumentada por Recuperación (RAG, Retrieval-Augmented Generation). El objetivo principal es ofrecer acompañamiento pedagógico personalizado que sea coherente con el material oficial de la asignatura, prestando especial atención a la calidad conceptual de las respuestas y al tono formativo. El sistema utiliza un corpus curricular construido a partir de notas de clase, guías, transcripciones de sesiones sincrónicas y material externo recomendado. A partir de este corpus se indexa conocimiento relevante y se habilita la recuperación semántica contextualizada (índice FAISS, embeddings nomic-embed-text). Sobre esta base, distintos modelos de lenguaje ejecutados localmente vía Ollama generan respuestas adaptadas mediante perfiles de interacción (tutor, qa, auto) que buscan orientar al estudiante sin simplemente “darle la solución”. Para reducir el riesgo de alucinaciones y respuestas incorrectas, se implementó un esquema de evaluación automática que combina métricas RAGAS (fidelidad, relevancia de respuesta y contexto) y la taxonomía DAMR mediante LLM-as-a-Judge, utilizando openai/gpt-4o-mini como modelo juez. Las dimensiones evaluadas incluyen: identificación de errores conceptuales, revelación de respuesta, claridad, tono de tutor, acción sugerida y coherencia. Los resultados muestran que algunos modelos presentan un comportamiento pedagógico más consistente y más alineado con las intenciones didácticas que otros. En particular, se observa que ciertos modelos mantienen un tono motivador, citan el material del curso y proponen próximos pasos accionables, mientras que otros tienden a revelar la respuesta completa o a responder sin suficiente anclaje en las fuentes. Adicionalmente, se midió la latencia de respuesta de cada modelo, con el fin de evaluar su viabilidad en uso real. Este trabajo concluye que un asistente virtual basado en LLM con RAG puede complementar la enseñanza tradicional, ofreciendo retroalimentación inmediata, guiada y contextualizada al material oficial de la asignatura. Sin embargo, también se identifican retos relacionados con control pedagógico fino, sesgos del modelo, alucinaciones, y gobernanza de contenido académico. (Texto tomado de la fuente)Item type: Ítem , Propuesta de guía para la estimación de esfuerzos en proyectos de desarrollo de software que tenga en cuenta el impacto de la inteligencia artificial generativa para una empresa del sector farmacéutico(Universidad Nacional de Colombia, 2025) Mendoza Morales, Daniel Santiago; Umaña Acosta, Henry RobertoEl objetivo de este estudio fue desarrollar una propuesta de guía para la estimación de esfuerzos en proyectos de desarrollo de software que incorpore el impacto de la inteligencia artificial generativa, aplicada a un HUB tecnológico de una empresa del sector farmacéutico en Colombia. El estudio se diseñó como una investigación descriptiva, con enfoque no experimental y secuencial exploratorio, desarrollada en el contexto real de operación del HUB tecnológico. La población objetivo estuvo conformada por los principales actores técnicos del HUB, incluyendo roles de arquitectura y liderazgo técnico. La intervención consistió en la identificación de necesidades mediante entrevistas semiestructuradas y el análisis de datos históricos de estimaciones de esfuerzo de la organización. Posteriormente, se realizó un análisis comparativo de cuatro métodos de estimación de esfuerzos —Delphi, COCOMO II, analogía y redes neuronales artificiales— aplicados a un caso de estudio real, con el fin de seleccionar el método más adecuado. Las mediciones se basaron en la comparación entre el esfuerzo estimado y el esfuerzo real ejecutado. Los resultados mostraron que el método de estimación por analogía presentó el mejor desempeño, con un error relativo del 10,06%, siendo seleccionado como base para la guía. A partir de este método y de las necesidades identificadas, se diseñó una guía estructurada que considera explícitamente el impacto de la inteligencia artificial generativa en la productividad del equipo. La evaluación de la guía, mediante una rúbrica aplicada a un caso de estudio real, arrojó resultados entre buenos y excelentes. (Texto tomado de la fuente)Item type: Ítem , Estimación de canibalización de productos promocionales en retail : comparación de métodos de control sintético y meta-learners en series temporales(Universidad Nacional de Colombia, 2026-05) Ortega Mutis, Richard Andrés; González Osorio, Fabio AugustoLa estimación precisa de la canibalización de productos promocionales intra-categoría es crítica para la rentabilidad del retail, pero impone desafíos metodológicos severos debido a la naturaleza observacional de los datos, la estacionalidad y la ausencia de contrafactuales verificables. Este trabajo desarrolla un marco de evaluación sistemático para aislar estos efectos causales en series temporales, superando las limitaciones de las mediciones tradicionales. Utilizando un conjunto de datos transaccionales con 16,275 observaciones diarias y 50 pares víctima-caníbal, se implementa una comparación rigurosa entre el Control Sintético Generalizado (GSC) y Meta-learners (T-learner y X-learner) basados en gradient boosting, evaluados bajo un esquema de validación cruzada temporal (rolling-origin). El aporte central reside en la validación mediante placebos espaciales y temporales, estableciendo un estándar de evidencia robusto para la industria. Los resultados revelan un trade-off operativo: el GSC evidencia mayor sensibilidad para la detección de señales causales, logrando ajustes pre-tratamiento superiores (R2 > 0.40) y efectos estadísticamente significativos en episodios de alto impacto. En contraste, los Meta-learners, particularmente Meta-X, ofrecen estimaciones más conservadoras y estables, ideales para minimizar el riesgo de falsos positivos en predicciones continuas. Integrando estas fortalezas, se formula una propuesta metodológica híbrida: un protocolo de dos etapas que emplea GSC para el screening de canibalización y Meta-learners para la simulación prescriptiva de escenarios, proveyendo una herramienta analítica avanzada para optimizar la gestión del portafolio y mitigar la erosión de márgenes. (Texto tomado de la fuente)Item type: Ítem , Modelo de evolucion arquitectonica orientado a escalabilidad para el sistema de software BWG Core(Universidad Nacional de Colombia, 2026) Pulido Cruz, Jilkson Alejandro; Vergara Vargas, Jeisson Andrés; Umaña Acosta, Henry Roberto; Colectivo de Investigación en Ingeniería de Software ColsweEl estilo arquitectónico monolítico fue uno de los más aplicados en la construcción de software; sin embargo, a medida que los sistemas crecen y las demandas del negocio evolucionan, las organizaciones frecuentemente enfrentan limitaciones crecientes en escalabilidad, mantenibilidad y agilidad de despliegue. Este trabajo aborda este desafío proponiendo un modelo de evolución arquitectónica para migrar el sistema de software BWG Core—una plataforma transaccional crítica del sector fintech—desde una arquitectura monolítica hacia una basada en microservicios, con el fin de mejorar la escalabilidad y optimizar los costos asociados a la infraestructura. El modelo adopta un enfoque incremental sustentado en el patrón Strangler Fig, combinando análisis estático de dependencias (acoplamiento aferente y eferente) con el Diseño Guiado por el Dominio (DDD) para la definición de bounded contexts. El proceso se estructura en seis fases secuenciales: Diagnóstico y Recuperación, Priorización Estratégica, Diseño DDD, Estrategia de Datos, Ejecución Evolutiva y Validación Técnica y de Negocio. Adicionalmente, el modelo integra la gestión de la Deuda Técnica, aprovechando su compartimentación en arquitecturas de microservicios según lo documentado por Maggi et al. La validación se realiza aplicando el modelo al Módulo de Notificaciones, seleccionado como candidato Quick Win por su bajo acoplamiento. Los resultados demuestran la viabilidad de la estrategia incremental, la continuidad operativa durante la transición y la mejora en escalabilidad mediante el escalamiento independiente del módulo extraído. (Texto tomado de la fuente)Item type: Ítem , Evaluación de la garantía de calidad en la arquitectura de despliegue del sistema Activa, tras migración a la nube, mediante la implementación de prácticas DevOps en la empresa RGC Activa(Universidad Nacional de Colombia, 2026) Guzman Vargas, Edgar Adrián; Vergara Vargas, Jeisson Andrés; Colectivo de Investigación en Ingeniería de Software ColsweLa migración de sistemas de software hacia entornos de computación en la nube introduce desafíos significativos en la gestión de atributos de calidad, particularmente en arquitecturas de despliegue compuestas por múltiples componentes interdependientes. En este contexto, garantizar la calidad no se limita a medir indicadores aislados, sino que requiere un proceso sistemático que permita monitorizar, priorizar e intervenir de manera continua los elementos críticos del sistema. El presente trabajo propone y aplica un marco metodológico de aseguramiento de calidad orientado a arquitecturas de despliegue post-migración, tomando como caso de estudio el sistema Activa de RGC Activa. El marco se estructura en seis dimensiones complementarias e interrelacionadas: (1) la definición del atributo de calidad a evaluar, seleccionándose para este estudio la disponibilidad; (2) la identificación de métricas operativas asociadas a dicho atributo, particularmente el Tiempo Medio de Recuperación (MTTR); (3) el establecimiento de umbrales bajo el enfoque S.M.A.R.T. para orientar la medición y el seguimiento; (4) la caracterización formal de la arquitectura de despliegue del sistema; (5) la aplicación de prácticas DevOps, mediante la automatización de procesos de integración continua, despliegue continuo y operaciones de recuperación; y (6) el análisis topológico de la arquitectura mediante herramientas de ciencia de redes, empleando la longitud de ruta ponderada para identificar componentes estructuralmente críticos. La validación del marco se realiza a través de su implementación en el entorno real del sistema Activa, demostrando que el proceso propuesto —más allá de los valores puntuales obtenidos en métricas específicas— es reproducible, extensible y aplicable a arquitecturas de mayor complejidad. Asimismo, el enfoque se encuentra alineado con los principios de evaluación de calidad establecidos en la norma ISO/IEC 25000-2:2019, fortaleciendo su sustento conceptual y metodológico. Como contribución principal, el trabajo ofrece un enfoque integrador que combina métricas operativas, análisis estructural y prácticas de ingeniería moderna para transformar la garantía de calidad en un proceso medible, priorizado y orientado a la mejora continua. (Texto tomado de la fuente)Item type: Ítem , Detección de evasión por puerta de vagón en sistemas BRT a través del análisis automático de video mediante un método de inteligencia artificial(Universisdad Nacional de Colombia, 2026) Hernández Ortiz, Juan Camilo; Pedraza Bonilla, César AugustoAnte la problemática crítica de la evasión del pago de pasajes en el sistema TransMilenio, que alcanza tasas cercanas al 15% y carece de mecanismos de medición automatizados estandarizados, este trabajo desarrolla un método computacional basado en Inteligencia Artificial y Visión por Computador para la detección automática de ingresos ilegales por las puertas de los vagones. Mediante la construcción de un conjunto de datos propio con 1.800 clips de video y una metodología que integra técnicas de segmentación, detección de objetos, seguimiento de trayectorias y análisis de las mismas, se exploraron sistemáticamente diversas configuraciones hasta determinar una arquitectura óptima; los resultados demostraron que el método propuesto cuantifica eficazmente los eventos de evasión con estabilidad tanto en clips cortos como en videos continuos, validándose como una herramienta tecnológica efectiva para apoyar las estrategias de control y mitigación de este fenómeno en sistemas de transporte masivo tipo BRT. (Texto tomado de la fuente)Item type: Ítem , Prototipo de modelo de aprendizaje automático para estimar la viabilidad de productos tecnológicos mediante la predicción de la satisfacción del consumidor(Universidad Nacional de Colombia, 2025) González Díaz, Edgar Daniel; Leon Guzman, Elizabeth; González Díaz, Edgar Daniel [0009000947029859]; León Guzmán, Elizabeth [0009000434854976]; Midas: Grupo de Investigación en Minería de DatosEn este trabajo se propone y construye un prototipo de modelo predictor de viabilidad de productos tecnológicos, cuyo objetivo es transformar información textual estructurada en un indicador numérico. Este indicador es el resultado de la interpretación cuantitativa de la satisfacción del consumidor, expresada a través de reseñas de usuarios en el contexto del comercio electrónico, y está orientado a apoyar la planeación de productos tecnológicos, particularmente en etapas tempranas de análisis del entorno y caracterización del producto. El prototipo se fundamenta en un modelo de aprendizaje de máquina que analiza los componentes textuales presentes tanto en la información descriptiva de los productos como en las reseñas publicadas en línea, permitiendo estimar finalmente la satisfacción del consumidor como un indicador numérico. Como aproximaciones cuantificables para la construcción de este indicador, se emplean la calificación numérica otorgada por los usuarios y los votos de utilidad asociados a las reseñas. Para la construcción del prototipo, se inició con la adquisición de un conjunto de datos compuesto por información de productos y reseñas provenientes de la plataforma de comercio en línea Amazon. Sobre este conjunto se ejecutaron procesos de exploración, limpieza y transformación de datos para obtener un conjunto de entidades y atributos representativos de las percepciones de usuarios en internet. Por otro lado, a partir de las definiciones propuestas por diversos autores en el contexto del análisis de productos, se definió un conjunto de métricas que permiten la conversión de información semántica codificada en el indicador numérico propuesto. En función de la caracterización de dichas métricas objetivo, se construyó el prototipo de modelo de aprendizaje de máquina, el cual integra la codificación de información textual en vectores numéricos, la agrupación de productos similares para una comparación consistente de entidades y la selección de estrategias supervisadas y formuladas basadas en la calificación numérica de reseñas de usuario. Como resultado, el modelo seleccionado logró representar la viabilidad de un producto con un nivel de precisión de hasta 96%, de acuerdo con las interpretaciones de negocio analizadas. Finalmente, la estructura del prototipo fue seleccionada a partir de la evaluación de métricas de desempeño por modelo y la ejecución de flujos de validación manual. (Texto tomado de la fuente)