Search

Resumen: En este artículo se realiza un estudio sobre las principales variables que afectan el abandono estudiantil. Se predice el comportamiento del abandono estudiantil (variable dependiente) usando 25 variables independientes agrupadas en 5 categorías: personales, económicas, sociales, familiares y académicas. Estas fueron muestreadas sobre una población de 410 estudiantes. Mediante un análisis estadístico multivariado, se seleccionaron aquellas más influyentes para estructurar un archivo que fue analizado por el algoritmo J48 de la plataforma Weka. Los resultados muestran que, con una efectividad superior al 80%, las variables más influyentes en el abandono estudiantil son: pedagogía de los profesores, sentimiento de frustración, importancia del programa, expectativas insatisfechas, motivación del programa y procrastinación. Variables como promedio académico y edad de ingreso parecen no tener mayor relevancia. Se concluye que los resultados aportan información útil para el despliegue de estrategias universitarias orientadas a reducir el abandono estudiantil. Abstract: This research study aims to identify the main variables affecting student dropout. The behavior of student dropout (dependent variable) is predicted. There are 25 independent variables included that are grouped into five categories: personal, economic, social, family, and academic. These variables are sampled from a population of 410 students. The most influential variables are selected by using a multivariate statistical analysis. This generated a file structure that is analyzed using the Weka platform’s J48 algorithm. The results show that the most influential variables (effectiveness > 80%) for student dropout are: teacher pedagogy, frustration, the program’s importance, unmet expectations, program motivation, and procrastination. Variables such as academic average and age of admission appear not to be relevant. It is concluded that the obtained results provide valuable information for the deployment of university strategies that aim to reduce student dropout.

espanolResumen: El objetivo de este articulo es predecir el rendimiento academico de estudiantes de educacion superior, a partir de diversos factores influyentes usando tecnicas de inteligencia artificial (clasificadores). El estudio de tales factores, aunque ha sido ampliamente analizado desde enfoques cuantitativos y cualitativos, aun presenta oportunidades de investigacion usando herramientas que provee la inteligencia artificial, particularmente en la prediccion del rendimiento academico. Con los factores definidos (educacionales, familiares, socioeconomicos, de habitos y costumbres, entre otros), se diseno una metodologia que permite entrenar un sistema capaz de clasificar a priori a un nuevo estudiante, en una de las cinco categorias predeterminadas de rendimiento academico. Esta clasificacion permite a una institucion educativa identificar con anticipacion estudiantes con problemas potenciales de rendimiento academico. A partir de ello, se pueden desplegar acciones de acompanamiento y mitigacion inmediatas. La metodologia fue aplicada a una muestra de estudiantes de una universidad publica en Colombia, obteniendo un nivel de aciertos del 91.7%. EnglishAbstract: The aim of this article is to predict the academic performance of higher education students, considering several influential factors, applying artificial intelligence techniques (classifiers). Although such factors have been widely analyzed from quantitative and qualitative approaches, they still represent research opportunities using artificial intelligence tools, particularly in academic performance prediction. With the definition of influential factors (educational, family background, social and economics, habits and customs, among others), a methodology was designed to train a system able to a priori classify a new student, in one of the five categories of academic performance. This classification allows an educational institution to have an early identification of students with potential academic performance problems. From this knowledge the institution can deploy immediate mitigation action. The methodology was applied to a sample of students from a public university in Colombia, obtaining a success level of 91.7%.

espanolSe presenta un modelo de simulacion como plataforma de experimentacion de la logistica de operacion de una cadena de fabricacion/distribucion de pequena escala, dirigida especialmente a estudiantes y profesionales involucrados en su planeacion, diseno y operacion. En la construccion del modelo, se uso en conjunto de metodos: simulacion basada en agentes y por eventos discretos, ademas del uso de un Sistema de Informacion Geografica (SIG). El uso iterativo del modelo permite evaluar el desempeno de diversos escenarios que se presentan en el mundo real. Permite, ademas, analizar diferentes situaciones para el desarrollo de habilidades y competencias para la toma de decisiones bajo incertidumbre, relacionadas con tamano de la flota de transporte, capacidad del sistema de produccion, cobertura geografica de servicio a la demanda y ubicacion apropiada de la planta de fabricacion/distribucion utilizando un ejemplo tipico de la industria EnglishA simulation model is presented as a platform for experimentation in the logistics of the operation of a small-scale manufacturing / distribution chain, aimed especially at students and professionals involved in its planning, design and operation. In the construction of the model, several methods were involved: simulation based on agents and discrete events, in addition to the use of a Geographic Information System (GIS). The iterative use of the model allows evaluating the performance of different scenarios that are presented in the real world. It also allows analyzing different situations to develop skills and competencies for decision making under uncertainty related to size of the transport fleet, system capacity of production, geographical coverage of service to the demand and appropriate location of the manufacturing/distribution plant using a typical example of the industry.

A tecnologia aplicada ao uso de grandes dados tem sido uma ferramenta importante para prover informacao necessaria para dar respostas aos desafios de saude publica ante a pandemia de COVID-19, e na Colombia nao tem sido excecao. Neste documento se analisam dois insumos de analitica de dados (rastreio digital de contatos e analise agregado de mobilidade, ambos os dois baseados em dados de telefonia celular) sobre os quais se tem tomado medidas de saude publica no pais latino-americano como, por exemplo, determinar zonas de controle diferencial dentro da cidade, o rastreio de contatos, e a identificacao de potenciais superdispersores. Com base em uma amostra dos dados utilizados, se faz uma reflexao a luz dos resultados reportados ate agora, especialmente desde uma perspectiva de redes complexas de contatos e superdispersores, as quais se tem mostrado tem um papel critico no comportamento da epidemia. As analises expostas sao parte de uma complexa interacao entre o contexto politico e epidemiologico que fazem diversas suas respetivas implementacoes. Finalmente, ressalta-se que a Colombia conta com diversos exemplos de politicas publicas informadas por dados de ultima geracao.Alternate abstract: La tecnologia aplicada al uso de grandes datos ha sido una herramienta importante para proveer informacion necesaria para dar respuestas a los retos de salud publica ante la pandemia de COVID-19, y en Colombia no ha sido la excepcion. En este documento se analizan dos insumos de analitica de datos (rastreo digital de contactos y analisis agregado de movilidad, ambos basados en datos de telefonia celular) sobre los cuales se han tomado medidas de salud pubica en el pais latinoamericano como, por ejemplo, determinar zonas de control diferencial dentro de una ciudad, el rastreo de contactos, y la identificacion de potenciales superdispersores. Con base en una muestra de los datos utilizados, se hace una reflexion a la luz de los hallazgos reportados hasta el momento, especialmente desde una perspectiva de redes complejas de contactos y superdispersores, las cuales se ha mostrado tienen un papel critico en el comportamiento de la epidemia. Los analisis expuestos son parte de una compleja interaccion entre el contexto politico y epidemiologico que hacen diversas sus respectivas implementaciones. Por ultimo, se resalta que Colombia cuenta con diversos ejemplos de politicas publicas informadas por datos de ultima generacion.Alternate abstract: Technology applied to the use of big data has been an important tool to provide necessary information for public health responses to the COVID-19 pandemic, and Colombia has not been the exception. In this document, we analyze two data inputs (digital contact tracking and aggregate mobility analysis, both based on cell pone data), based on which public health measures have been taken in the Latin American country, such as, for example, determining differential control zones within a city, contact tracking, and identification of potential super spreaders. Based on a simple of the data used, we reflect upon the findings reported so far, especially from the perspective of complex networks of contacts and super spreaders, which have been shown to have a critical role in the behavior of the epidemic. The analyses shown here are part of a complex interaction of political and epidemiological contexts which have led to diverse implementations. We highlight that several examples of public policies in Colombia have been informed by this data.

Resumen Con el propósito de detectar las herramientas y enfoques desarrollados en la programación de recursos o la planeación de actividades en la agricultura, el presente documento muestra la revisión sistemática de literatura adelantada para tal fin, así mismo, expone los resultados y discusión de ellos. Se pretende realizar un diagnóstico del desarrollo de este sector y como está siendo impactado por diferentes herramientas de optimización, que en su mayoría han sido aplicadas en la industria. El documento muestra una introducción general, las ecuaciones de búsqueda utilizadas, las bases de datos en las que fueron aplicadas las ecuaciones de búsqueda, los resultados de la revisión sistemática de literatura y la discusión de los resultados obtenidos. Abstract With the purpose of detect the tools and approaches developed into the resource scheduling or an activity planning in the agriculture, the present paper shows the systematic review of literature which was done for such purpose, likewise, it shows the results and discussing of them. Is intended to make a diagnostic of the development into this field and how it is influenced by different optimization tools, which have been mainly applied in the industry. The paper shows a general introduction, the searching equations used, the databases where the searching equations were applied, the results of the systematic review of literature and the discussion of the results obtained. Resumo Para detectar as ferramentas e abordagens desenvolvidas na programação de recursos ou o planejamento de atividades na agricultura, este documento mostra a revisão sistemática da literatura para este propósito, bem como os resultados e discussões sobre elas. Pretende-se fazer um diagnóstico do desenvolvimento deste setor e como ele está sendo impactado por diferentes ferramentas de otimização, que foram aplicadas principalmente na indústria. O documento apresenta uma introdução geral, as equações de busca utilizadas, os bancos de dados em que as equações de busca foram aplicadas, os resultados da revisão sistemática da literatura e a discussão dos resultados obtidos.

El objetivo del presente estudio fue recopilar la información existente de las herramientas más utilizadas en la planeación de las cadenas de suministros, donde el propósito fundamental es la reducción de los costos. esto se realizó a partir de una aplicación web, llamada tree of science, en donde se encontraron diversas tendencias a partir de las referencias bibliograficas. la revisión brindó conclusiones sobre las investigaciones y aplicaciones de herramientas de inteligencia artificial e investigacion de operaciones, como algoritmos, metaheurísticas , programación lineal, programacion no lineal, programación dinámica y algunos hibridos. Igualmente, el estudio concluyó acerca de los temas más tratados, vacíos de conocimiento y sectores económicos objeto de estudio, así como la identificación de objetivos y variables utilizadas en las publicaciones. Por último, se presentaron las metodologías identificadas y las más relevantes de la literatura. Palabras claves: Cadena de suministro, Algoritmo, Metaheurística, Programación, Costos, Tree of Science, Inteligencia Artificial.

Resumen En este artículo, se integran durante el proceso de programación de un sistema de manufactura tipo "Job Shop", algunas expectativas de los siguientes grupos de interés: proveedores, sociedad, colaboradores de la organización, clientes y accionistas. De esta forma, se diseña un proceso de evaluación multiobjetivo, por medio del cual se pretende la minimización simultánea del conjunto de variables presentadas a continuación: tiempo proceso, emisiones dióxido de carbono, nivel de fatiga, factor global desperdicio y costos de producción. Asimismo, se expresa que el método propuesto, se encuentra fundamentado en la selección de aquellos individuos, cuyo grado de cercanía a determinados puntos de referencia, sea el máximo posible. Es así como, el desempeño del método anterior (método puntos referencia), se coteja con el desempeño de cierto método multiobjetivo, basado en análisis de subgrupos (método subgrupos). Al respecto, se observa que el primer método muestra, mayor capacidad para detectar la fluctuación estadística inherente a los datos. De este modo, se establece que el "método puntos referencia" supera el desempeño del "método subgrupos", en cuanto al comportamiento de los parámetros "coeficiente de variación" y "rango", para el caso de 4 (tiempo proceso, emisiones dióxido carbono, nivel fatiga, costos producción) de las 5 variables analizadas. Abstract In this paper, during the programming process of a "Job Shop" manufacturing system, some expectations of the following stakeholders, are integrated: suppliers, society, employees of the organization, clients and shareholders. In this way, a multiobjective evaluation process is designed. This process lets to minimize, the set of variables presented below: makespan time, carbon dioxide emissions, fatigue level, waste global factor and production costs. Likewise, it is expressed that the proposed method is based on the selection of those chromosomes, whose degree of proximity to certain reference points, is the maximum possible. In this respect, the performance of the previous method (method: reference points), is compared with the performance of a certain multiobjective method, based on subgroup analysis (method: subgroups). Thus, it is observed that the first method shows, greater capacity to detect the statistical fluctuation inherent to the data. In this way, it is established that the "method: reference points" exceeds the performance of the "method: subgroups", in terms of the behavior of the parameters "coefficient of variation" and "rank", in the case of 4 (makespan time, carbon dioxide emissions, fatigue level, production costs) of the 5 variables analyzed. Resumo Neste trabalho, durante o processo de programação de um sistema de manufatura “Job Shop”, são integradas algumas expectativas das seguintes partes interessadas: fornecedores, sociedade, funcionários da organização, clientes e acionistas. Desta forma, um processo de avaliação multiobjetivo é projetado. Este processo permite minimizar o conjunto de variáveis apresentadas abaixo: tempo de expansão, emissões de dióxido de carbono, nível de fadiga, fator global de resíduos e custos de produção. Da mesma forma, é expresso que o método proposto é baseado na seleção desses cromossomos, cujo grau de proximidade a certos pontos de referência é o máximo possível. A este respeito, o desempenho do método anterior (método: pontos de referência) é comparado com o desempenho de um determinado método multiobjetivo, baseado na análise de subgrupos (método: subgrupos). Assim, observa-se que o primeiro método mostra, maior capacidade de detectar a flutuação estatística inerente aos dados. Desta forma, estabelece-se que o “método: pontos de referência” excede o desempenho do “método: subgrupos”, em termos do comportamento dos parâmetros “coeficiente de variação” e “hierarquia”, no caso de 4 (tempo de preparação, emissões de dióxido de carbono, nível de fadiga, custos de produção) das 5 variáveis analisadas.

Resumen El objetivo de este trabajo es seleccionar, por medio de un clasificador bayesiano de dos clases, la mejor regla de prioridad que puede ser aplicada en un problema Job Shop: Open Shop. En una primera fase se expone el diseño del clasificador, entrenado con 300 problemas generados aleatoriamente. En 150 de ellos, la mejor regla de prioridad para secuenciarlos fue FIFO (First in First Out) y en los restantes fue la regla LPT (Long Process Time). En una segunda fase, un conjunto de 300 problemas diferentes, con las mismas características de la primera fase, fueron generados aleatoriamente. Estos problemas fueron clasificados previamente (sin secuenciarlos) por medio la técnica bayesiana propuesta. Los resultados demuestran que en el 96% de los casos, el clasificador propuesto logra identificar la mejor regla de prioridad para secuenciar pedidos. Abstract The aim of the present paper to select, through a two-class Bayesian classifier, the best priority rule to solve a Job Shop: Open Shop scheduling problem. In a first phase, the design of the classifier, trained with 300 randomly problems, is exposed. In 150 of them, the best priority rule for sequencing was FIFO (First In First Out) while in the rest was the LPT (Long Process Time). In a second phase, a set of 300 different problems, with the same characteristics of the first phase, were randomly generated. These problems were classified previously (without sequencing them) through the proposed Bayesian technique. The results show that, in 96% of cases, the proposed classifier identifies the best priority rule to sequence the orders. Resumo O objetivo deste trabalho é seleccionar, por meio de um classificador bayesiano de duas clases, a melhor regra de prioridade que pode-se aplicar em um problema Job Shop: Open Shop. Na primeira fase expõe-se o design do classifi-cador, treinado com 300 problemas gerados aleatoriamente. Em 150, a melhor regra de prioridade para os sequenciar foi FIFO (First in First out), e nos outros foi LPT (Long Process Time). Na segunda fase, um conjunto de 300 problemas diferentes, com as mesmas características da primeira fase, foram gerados aleatoriamente. Esses problemas foram classificados previamente (sem sequenciar) por meio da técnica bayesiana proposta. Os resultados mostraram que no 96% dos casos, o classificador proposto logrou identificar a melhor regra de prioridade para sequenciar os pedidos.

espanolSe propone una metodologia basada en redes neuronales para la programacion de pedidos en un ambiente job shop-open shop. El problema de programacion de la produccion en sistemas job shop consiste en definir la mejor secuencia de pedidos para minimizar el tiempo total de proceso (makespan) u otras variables relevantes. Diversas tecnicas inteligentes se han aplicado para resolver este tipo de problema. 2in embargo, estas presentan dificultades practicas cuando se requieren cambios de programacion, pues exigen reconfigurar nuevamente el problema para obtener una nueva solucion. La metodologia propuesta entrena la red mediante la combinacion de los tiempos de proceso en cada nodo, por medio de funciones de transferencia multiplicadas por pesos que son generados por el algoritmo de programacion de la red. La red neuronal propuesta permite obtener soluciones no solo para un problema en particular, sino para los nuevos que surjan sin necesidad de hacer una nueva reconfiguracion. Las soluciones encontradas fueron comparadas con otras tecnicas de programacion de la produccion, encontrandose desempenos superiores en el makespan del orden del 30% al 164%. EnglishA methodology based on neural networks is proposed for solving the job shop-open shop scheduling problem. The job shop scheduling problem consist of defining the best order sequence to minimize the total processing time (makespan) or other relevant variables. 2everal intelligent techniques have been applied to solve this kind of problem. However, when reprogramming is required these techniques present practical difficulties since they require to be restructured to find a new solution. The proposed methodology trains the network by combining the processing times at each node, through transfer functions that are multiplied by weights obtained from the algorithm of network programming. The proposed neural network obtains solutions not only for a particular problem but also for new situations without requiring a problem reconfiguration. When compared with other techniques, the obtained solution showed a superior performance ranging from 30% to 164% in terms of the makespan.

espanolEn este articulo se establece un enfoque novedoso para programar sistemas Job Shop, basado en sostenibilidad. Se evaluan las siguientes variables de sostenibilidad: emisiones equivalentes de dioxido de carbono (variable ambiental), intensidad sonora, accidentalidad laboral y peso manipulado (variables sociales: salud ocupacional) y finalmente, tiempo de proceso y costos de mano de obra directa (variables economicas). La metodologia se estructura en catorce pasos que cubren aspectos tales como diseno del metodo multiobjetivo, fundamentos de los algoritmos geneticos y comparacion con otros metodos. Se determina que el metodo disenado muestra un desempeno superior para la variable factor ponderado (P(Xj), al compararlo con resultados de otros metodos tales como reglas de programacion o el metodo del cuello de botella movil. EnglishIn this paper an innovative focus to programming Job Shop systems, based on sustainability, is presented. The following sustainability variables are evaluated: carbon dioxide emissions (environmental variable), sound intensity, accident rate and handled weight (social variables: occupational health) and finally, makespan time and direct labor costs (economic variables). The methodology is structured in fourteen steps that cover aspects such as multiobjective method design, description of genetic algorithms, and comparison with other methods. It is determined that the designed method shows greater performance for the variable weighted factor P(Xj) when they are compared with results from other methods such as programming rules and mobile bottle neck method

En este artículo se presenta una metodología que pretende minimizar de forma simultánea, en un ambiente de producción tipo “job shop” correspondiente a una empresa metalmecánica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fracción defectuosa generada por la fatiga del operario. Con este propósito se fusionan elementos de los algoritmos genéticos Vega y Moga, desarrollando para el efecto las siguientes etapas: generar la población inicial, conformar la nueva población, realizar análisis de varianza y por último, comparar con un método híbrido entre sumas ponderadas y algoritmos genéticos. De acuerdo con lo anterior, al evaluar el individuo de menor tiempo de proceso proveniente de la metodología basada en los algoritmos Vega y Moga, respecto al individuo de menor tiempo de desarrollo proveniente del método híbrido entre sumas ponderadas y algoritmos genéticos, se encuentra que el primero supera en desempeño al segundo así: en cuanto a la variable tiempo de proceso (en horas) en 27,86%; en cuanto a la variable tiempo de proceso (en semanas) en 1,25%; en cuanto a la variable costo de mano de obra directa (MOD) en 6,73% y, en cuanto a la variable fracción defectuosa en 25,85%. This paper presents a methodology that aims to minimize simultaneously, in a “Jo b Shop” production system the following variables: process time (makespan time), cost of direct labor and also the fraction defective generated by operator fatigue. For this purpose, are taken and fused elements of genetic algorithms Vega and Moga, through the following steps: generating the initial population, form the new population, obtaining the appropriate analysis of variance and finally compared with a hybrid method of weighted sums and genetic algorithms. According to the above, when evaluating the solution faster processing time corresponding to the method based on algorithms Vega and Moga, respect to the solution faster processing time calculated from the method based on weighted sums and genetic algorithms, states that the first one exceeds the second performance as: for process time variable (in hours) at 27.86%, for variable in process time (in weeks) at 1.25%, in terms of the variable cost of direct labor in 6.73% and, as to the variable defective fraction in 25.85%.