Search

El presente proyecto de titulación busca realizar un análisis situacional del departamento de emergencia del hospital Dr. Liborio Panchana Sotomayor, ubicado en la ciudad de Santa Elena, con la finalidad de identificar las principales variables que afectan la operatividad del sistema de triage y que repercute en una baja percepción de calidad por parte de los beneficiarios del centro de salud. El triage se le denomina a la clasificación que reciben los pacientes al momento de ingresar por el departamento de urgencia, su objetivo principal es evaluar la llegada de los pacientes con la finalidad de observar el nivel de gravedad o compromiso que posee su vida según sus necesidades, proporcionando un tiempo de espera dentro de la sala y garantizando la vida de los pacientes. Sin embargo, debido a fallas dentro del proceso de evaluación y los tiempos de espera, muchas veces el funcionamiento del triage se ve comprometido y el resultado inquieto a los pacientes. Guayaquil Magíster en Políticas y Gestión Pública

[EN] Hyperspectral images are very important in many Earth Observation programs. The large amount of information is contained in hyperspectral images (hundreds of narrow and continuous spectral channels) is very useful for applications in which the characterization of the Earth surface materials is relevant. This is due to the fact that each observed element can be uniquely characterized by its spectral signature, for instance in precision agriculture, urban planning or detection/prevention of natural disasters, among others. However, the large dimensionality of hyperspectral images represents a challenge for analysis algorithms, both from the storage and processing viewpoints, resulting from data variability and correlation. Several algorithms have been proposed in the literature for the analysis of hyperspectral images. In this paper, we review the most popular techiques for hyperspectral classification. These techniques are inter-compared using three publicly available hyperspectral data sets. [ES] Las imágenes hiperespectrales constituyen el núcleo de varios programas de observación remota de la Tierra. La cantidad de información que contienen estas imágenes, formadas por cientos de canales espectrales estrechos y casi continuos, resulta de gran utilidad en aplicaciones en las que la caracterización de los materiales observados en la superficie terrestre resulta de gran relevancia. Esto se debe a la posibilidad de caracterizar de forma inequívoca cada material a través de su firma espectral. Algunas de estas aplicaciones son la agricultura de precisión, la planificación de espacios urbanos, o la prevención y seguimiento de desastres naturales. Sin embargo, la gran dimensión de las imágenes hiperespectrales supone un reto en su tratamiento, almacenamiento y procesamiento, debido a la gran variabilidad espectral y la correlación existente en los datos. En la literatura se han desarrollado múltiples algoritmos de análisis de imágenes hiperespectrales. En este artículo revisamos los algoritmos más utilizados para la clasificación de este tipo de imágenes, realizando experimentos con tres imágenes públicas y presentando una comparativa entre los métodos más ampliamente utilizados en este campo. Este trabajo ha sido financiado por el Ministerio de Educación (Resolución de 26 de diciembre de 2014 y de 19 de noviembre de 2015, de la Secretaría de Estado de Educación, Formación Profesional y Universidades, por la que se convocan ayudas para la formación de profesorado universitario, de los subprogramas de Formación y de Movilidad incluidos en el Programa Estatal de Promoción del Talento y su Empleabilidad, en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016). Este trabajo también ha sido financiado por la Junta de Extremadura (decreto 279/2014, ayudas para la realización de actividades de investigación y desarrollo tecnológico, de divulgación y de transferencia de conocimiento por los Grupos de Investigación de Extremadura, Ref.GR15005) y por el MINECO (TIN2015-63646-C5-5-R).

[ES] El objetivo de este proyecto es la mejora de productividad del proceso de pintura de una pieza plástica en el sector de la automoción. Esta pieza en concreto es para el fabricante BMW y va a ser pintada en la planta de Líria de SRGglobal. Es un proyecto de volumen elevado ya que produciremos 260.00 piezas al año en 16 colores distintos., [EN] The objective of this project is the improvement of the productivity of the process of painting a plastic piece in the automotive sector. This piece in particular is for the BMW manufacturer and will be painted at the SRGglobal Lira plant. It is a high volume project since we will produce 260.00 pieces per year in 16 different colors.

El presente documento contiene el Trabajo de Fin de Máster (TFM) sobre Mantenimiento Predictivo usando la técnica de Sistemas Multiagentes. Para realizar el TFM, se ha contado con la autorización y participación de personal de la empresa CLH, permitiendo analizar la información de los cargaderos con el objetivo de predecir averías en la válvula principal evitando derrames, lo cual ahorra sobrecostes operacionales debido a que evita detener la carga de producto en los cargaderos; adicionalmente también evita la limpieza exhaustiva que se debe realizar cuando hay derrames en los cargaderos. El sistema está diseñado para que tenga características de sistemas distribuibles y componentes de Inteligencia Artificial (IA), es fácilmente extendible y con gran capacidad de integración con otros sistemas. El sistema recibe información de distintos elementos del entorno que capturan eventos físicos de los activos de la compañía y tiene capacidad de conexión con el sistema de mantenimiento. Específicamente, para el caso de los cargaderos, se procesa los eventos generados en la válvula principal y analiza los datos utilizando Redes Neuronales Artificiales. El proyecto fue gestionado como un proyecto de software tradicional, es por ello que este documento también contiene análisis de riesgos, requerimientos funcionales y técnicos del sistema y ejecución de pruebas.--ABSTRACT--This document contents Master Thesis work (TFM by your Spanish acronym) about Predective Maintenance using Multi Agent System technique. The TFM has been authorized and attended of employees of CLH, allowing to analyze landings information with the objective to predict faults, avoiding spillovers in landings and save up operational overcosts because it avoid stop product loading in landings; aditionally, avoid exhaustive environment cleaning when overruns occurs. The system is designed with distributed characteristics and Artificial Intelligence components, is easily expandable and have great integration capacity with other systems. The system receives information of any environment elements that catch physic events of assets company; on the other hand, the system have connectivity capacity with EAM (Enterprise Asset Management) system to notify possible faults. Specifically, to the case of landings, the systems analyzes and processes the events of main valve using Artificial Neural Networks. This project was managed as a traditional software project, that is the reason why this document contents risk analysis, functional and technical requirements and test executions.