xmlui/handle/123456789/3 Producción académica de la escuela. Wed, 23 Sep 2026 00:39:29 GMT 2026-09-23T00:39:29Z xmlui/handle/123456789/732 Optimización de Modelos de IA para el Reconocimiento de Patrones en Tiempo Real en Sistemas Embebidos de Bajo Costo en Edge Computing Oviedo Seas, Sergio En los últimos años, el desarrollo de inteligencia artificial embebida ha experimentado un notable avance, particularmente en el uso de modelos optimizados para ejecutarse en el borde (edge computing). Sin embargo, a pesar de los progresos tecnológicos, no existe un marco metodológico accesible, estructurado y validado que oriente la implementación completa de soluciones de visión por computadora en dispositivos de bajo costo. Esta falta de guía integral dificulta la adopción práctica de estas tecnologías en contextos donde los recursos computacionales y económicos son limitados, como la educación técnica, el prototipado rápido o proyectos de innovación aplicada. La presente investigación busca responder a esa necesidad mediante el diseño de un marco metodológico modular y replicable, que permita integrar modelos de aprendizaje automático en microcontroladores como el Nicla Vision y el Portenta H7. Este marco aborda todo el proceso: desde la selección del hardware y la optimización del modelo, hasta su despliegue y validación funcional en el borde, sin depender de procesamiento en la nube. La propuesta se alinea con las tendencias globales en edge AI y TinyML, y tiene el potencial de fortalecer la formación práctica en inteligencia artificial embebida, así como fomentar la autonomía y eficiencia energética en el desarrollo de soluciones inteligentes. Esta investigación se desarrolla en el contexto académico, bajo un enfoque técnico-aplicado, y busca generar un aporte metodológico sustentado en revisión científica, observación técnica y fundamentación tecnológica. Su finalidad no es únicamente resolver una problemática puntual, sino también ofrecer una herramienta de referencia para estudiantes, docentes y desarrolladores interesados en la aplicación real de inteligencia artificial en sistemas embebidos de bajo consumo. Wed, 01 Apr 2026 00:00:00 GMT xmlui/handle/123456789/732 2026-04-01T00:00:00Z xmlui/handle/123456789/731 Diseño de una arquitectura de software multimodal para el desarrollo de Gemelos Digitales Humanos, con el propósito de optimizar la interacción humano-máquina Gatica Valle, Orlando Alexander; Alfaro Viquez, David Gerardo El presente proyecto aborda la ausencia de arquitecturas de software estandarizadas para integrar datos multimodales en Human Digital Twins (HDT) orientados a la interacción humano-máquina en el contexto de la Industria 5.0. Desde una investigación aplicada, apoyada en una revisión sistemática de la literatura y en un diseño metodológico fundamentado en Design Science Research (DSR), se identificaron los conceptos, enfoques arquitectónicos y limitaciones más recurrentes del dominio. El análisis confirmó que la principal brecha no radica en la falta de tecnologías de captura o procesamiento, sino en la carencia de una arquitectura capaz de integrar fuentes heterogéneas con criterios claros de interoperabilidad, sincronización temporal, trazabilidad y extensibilidad. Con base en estos hallazgos, se diseñó una arquitectura multimodal sustentada en una combinación de capas y servicios desacoplados, con un flujo explícito de captura, normalización, integración, actualización del HDT, persistencia y consumo. El diseño se refinó mediante iteraciones de Attribute Driven Design (ADD), priorizando atributos de calidad y documentando decisiones arquitectónicas mediante vistas C4, ADRs y un contrato canónico para el intercambio interno de eventos multimodales. Esta propuesta permitió aterrizar la solución a un modelo arquitectónico verificable, coherente con el alcance del proyecto y con posibilidad de evolución hacia escenarios de mayor complejidad. La validación se realizó mediante una prueba de concepto en entorno controlado inicialmente con dos fuentes de datos (fisiológico y contexto) y luego con una fuente adicional (video simulado); se tomaron en cuenta escenarios nominales, de alta carga, alarma y degradación. Los resultados mostraron integración consistente de las fuentes fisiológica y de contexto y la incorporación de la nueva modalidad con impacto localizado; los escenarios degradados mantuvieron continuidad operativa con evidencia suficiente para reconstruir el recorrido del dato. En consecuencia, el proyecto aporta evidencia sólida de factibilidad técnica para la arquitectura propuesta y establece una base arquitectónica consistente para futuras validaciones en entornos reales. Wed, 01 Apr 2026 00:00:00 GMT xmlui/handle/123456789/731 2026-04-01T00:00:00Z xmlui/handle/123456789/722 Diseño de un modelo arquitectónico de resiliencia para la etapa de resolución de dependencias en pipelines CI/CD basado en detección, clasificación y remediación automática de fallos Peralta Coto, Carlos Eduardo Esta investigación aborda el problema de los fallos recurrentes en la etapa de resolución de dependencias dentro de pipelines CI/CD, los cuales suelen gestionarse de manera reactiva y manual, generando reprocesos, consumo innecesario de recursos y retrasos en la entrega de software. El objetivo del estudio es proponer y validar un modelo arquitectónico que introduzca resiliencia de forma desacoplada en esta etapa crítica del pipeline, permitiendo detectar, clasificar y remediar fallos conocidos de manera gobernada y explícita. Para ello, se diseñó un modelo arquitectónico utilizando el enfoque C4, basado en principios de resiliencia, separación de responsabilidades y toma de decisiones determinista, y se implementó una prueba de concepto que simula escenarios representativos de fallo. Los resultados obtenidos a través de la simulación demostraron que la arquitectura del modelo responde correctamente ante los fallos analizados, ejecutando el flujo completo de detección y remediación, y evidenciando la viabilidad de reducir tanto el tiempo de recuperación como la intervención manual. Como conclusión, la investigación aporta un enfoque innovador al formalizar la resiliencia en una etapa tradicionalmente reactiva del pipeline CI/CD, ofreciendo un modelo arquitectónico reusable y extensible con potencial aplicación en entornos reales. Sat, 01 Aug 2026 00:00:00 GMT xmlui/handle/123456789/722 2026-08-01T00:00:00Z xmlui/handle/123456789/712 Evaluación de la generación de casos de pruebas basados en requerimientos con modelos Large Language Model (LLM) para acelerar procesos en la industria aeroespacial. Méndez Hidalgo, Kendall Este trabajo final de graduación evalúa la efectividad de los Modelos de Lenguaje Grande (LLM) en la generación automatizada de casos de prueba basados en requerimientos para acelerar la verificación de software crítico en la industria aeroespacial. Mediante un enfoque alternativo, se comparó el desempeño cuantitativo y cualitativo de tres paradigmas de IA: RAG, prompts avanzados y agentes autónomos. Se contrasta el modelo comercial GPT-5 frente al de código abierto Mistral (7B). Las evaluaciones emplearon un benchmark de cerca de 90 requerimientos simulados bajo la sintaxis estandarizada EARS, de los cuales 15 fueron utilizados activamente para validación y recolección de resultados. Los resultados cuantitativos demostraron una reducción drástica del esfuerzo inicial, disminuyendo el tiempo de generación de más de 50 minutos por requerimiento por la vía manual a menos de 1 minuto bajo el entorno asistido. A nivel de desempeño, la combinación de GPT-5 con prompts avanzados obtuvo la mayor precisión, con un puntaje F1 promedio de 0.849, mientras que la arquitectura agéntica basada en LangGraph con GPT-5 exhibió la mayor estabilidad y consistencia iterativa, alcanzando una sensibilidad promedio de 0.895 y reduciendo la omisión de pruebas gracias a la especialización de tareas en nodos acotados. Por el contrario, el modelo Mistral evidenció notables deficiencias fuera de la lógica puramente booleana, mostrando una alta variabilidad y errores al procesar requerimientos con variables de rango continuo, tolerancias y operaciones matemáticas complejas. Asimismo, el análisis cualitativo reveló vulnerabilidades inherentes a la naturaleza probabilística de los LLM, tales como alucinaciones estadísticas, omisión sistemática de condiciones de frontera y una marcada tendencia al sobretesteo (over-testing), que genera datos redundantes y exige depuración humana adicional. Como contribución científica y tecnológica fundamental, la investigación aporta una guía práctica de integración alineada rigurosamente con el estándar DO-178C y los siete principios de la hoja de ruta de seguridad para IA de la Administración Federal de Aviación (FAA, 2024), además de un prototipo funcional interactivo desarrollado con LangChain, LangGraph y React que permite la interacción dinámica del usuario con modelos LLM para la generación de casos de prueba. Finalmente, se concluye categóricamente que, debido al comportamiento no determinista de la IA generativa, las herramientas basadas en LLM no cumplen con los criterios de repetibilidad exigidos para la calificación de herramientas bajo la norma DO-330, lo que imposibilita su uso para reemplazar o automatizar de forma autónoma cualquier actividad de verificación. Por lo tanto, el diseño arquitectónico aeroespacial debe configurarse estrictamente bajo el paradigma de "humano en el flujo de trabajo" (human-in-the-loop). En este esquema, el sistema opera exclusivamente como un copiloto de ingeniería que acelera las propuestas iniciales, mientras que el profesional humano retiene de forma obligatoria la supervisión crítica, la validación de matrices de trazabilidad y la responsabilidad final de la seguridad del software de aviónica. Wed, 01 Apr 2026 00:00:00 GMT xmlui/handle/123456789/712 2026-04-01T00:00:00Z