Escuela de Ingeniería de Sistemas y Computación

URI permanente para esta colecciónhttps://repositorio.usat.edu.pe/handle/20.500.12423/37

Examinar

Mostrando 1 - 20 de 345

Sistema web con inteligencia artificial generativa para reforzar la comprensión de textos en inglés en estudiantes de tercero de secundaria
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Rojas Medina, Juan Carlos; Torres Benavides, Juan Antonio
El objetivo de este estudio fue implementar un sistema web basado en inteligencia artificial generativa para reforzar la comprensión de textos en inglés en estudiantes de tercero de secundaria de la IE Juan Pablo Vizcardo y Guzmán. Para evaluar su impacto, se trabajó con una muestra de 47 estudiantes seleccionados de un grupo mayor, aplicando un diseño preexperimental con preprueba y posprueba. El sistema integra un algoritmo capaz de identificar el nivel de logro de cada estudiante y generar actividades de repaso ajustadas a su desempeño. Los resultados evidencian mejoras importantes después de la intervención. Según las evaluaciones realizadas, el 95.56% de los estudiantes obtuvo un puntaje superior al registrado en el diagnóstico inicial, y el 93.33% logró avanzar al menos un nivel de logro. Estas mejoras reflejan el efecto directo de las prácticas adaptativas, la retroalimentación inmediata y las rutas personalizadas generadas por el sistema. Además, la experiencia de usuario obtuvo valoraciones superiores a 4 puntos en facilidad de uso, claridad y utilidad pedagógica, según la encuesta basada en ISO 25010.En conjunto, los hallazgos muestran que la inteligencia artificial generativa puede convertirse en un apoyo real y efectivo para fortalecer la comprensión de textos en inglés, ya que permite atender necesidades individuales, promover el avance progresivo y facilitar el seguimiento del desempeño de cada estudiante.
Sistema web colaborativo para apoyar el diseño curricular por competencias en un programa de pregrado de una universidad de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2024) Peñaloza Manrique, Juan Pablo; Zelada Valdivieso, Hector Miguel
La investigación aborda la necesidad de modernizar el diseño curricular basado en competencias en la educación superior, especialmente en la región de Lambayeque, donde muchos egresados carecen de las habilidades requeridas por el mercado laboral. Identifica deficiencias en la construcción de perfiles de egreso, la articulación de cursos y la integración de herramientas digitales, lo que afecta la coherencia y pertinencia de los planes de estudio. Para resolverlo, se desarrolló un sistema web colaborativo utilizando WebSockets, que permite la participación en tiempo real de docentes y autoridades, facilita la gestión y trazabilidad del diseño curricular y estandariza el proceso de elaboración de programas académicos. La solución, evaluada según normas internacionales de calidad y aceptación tecnológica, mejora la coherencia de los planes de estudio, reduce costos y promueve una gestión curricular participativa, contribuyendo a la formación de egresados con competencias alineadas a las demandas del mercado laboral y los estándares educativos nacionales.
Sistema inteligente de apoyo a la gestión de inventario para los productos de mayor rotación de la mina Shahuindo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Chavez Hernandez, Marccelo Aron; Vilchez Rivas, Marlon Eugenio
La presente tesis tuvo como objetivo general implementar un sistema inteligente de apoyo a la gestión de inventario para los productos de mayor rotación de la mina Shahuindo. Para ello, se desarrolló un modelo predictivo utilizando el algoritmo RandomForestRegressor, el cual alcanzó una precisión del 90.67% y un coeficiente R² de 0.91, optimizando la predicción de la demanda basándose en datos históricos. Asimismo, se diseñó un módulo de toma de ecisiones usando redes neuronales, capaz de generar sugerencias de decisión automáticas según el comportamiento del inventario. Ambos algoritmos fueron integrados en una plataforma web que permite monitorear niveles de stock en tiempo real, emitir alertas y generar órdenes de compra. La validación del sistema se realizó mediante la comparación entre los resultados del modelo predictivo y el consumo real, mostrando una mejora significativa en la planificación y respuesta logística. La aplicación del sistema evidenció una reducción del riesgo de quiebres de stock y mayor eficiencia operativa, cumpliendo con los objetivos específicos y demostrando su potencial de escalabilidad a otros contextos industriales.
Sistema inteligente para apoyar el proceso de tramitación de título profesional en la Facultad de Enfermería de la UNPRG
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Zorrilla Adrianzen, Franzo Jesus; Zelada Valdivieso, Hector Miguel
El proyecto de investigación tuvo como objetivo desarrollar un sistema inteligente para apoyar el proceso de tramitación de títulos en la Facultad de Enfermería de la Universidad Nacional Pedro Ruiz Gallo y como objetivos específicos, determinar las características de conformidad de los expedientes en el proceso, implementar el modelo de visión artificial para la evaluación de conformidad del trámite, construir la aplicación web que integre el modelo de visión artificial implementado y evaluar el sistema inteligente en base a casos de estudio. En cuanto a la metodología se utilizó Buchanan como metodología general y Scrum para la programación en Python con PostgreSQL. Como resultados al aplicar la metodología se pudieron obtener 8 campos relevantes para el análisis de expedientes y se determinaron 11 reglas que usan esos campos para validarlo; se programó una API que usando algoritmos de Reconocimiento Óptico de Caracteres (OCR), encriptación y manipulación de imágenes aplicaba estas reglas definidas y permitía al sistema validar automáticamente los campos requeridos; luego se construyó la aplicación utilizando framework Django y Fast API acorde al proceso definido por el reglamento de la Facultad de Enfermería. Por último, se evaluó la precisión del sistema en base a casos de estudio con datos reales de egresados y se pudo obtener que el sistema tiene una precisión 88.8% siendo el 11.2% fallido debido a rotaciones y desviaciones de la imagen ajenas al sistema que le impedía retornar las respuestas esperadas.
Aplicativo móvil basado en modelos predictivos de alerta para cambio de repuestos en unidades vehiculares de la unidad de transporte de la UNPRG
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Haro Corrales, Fabian Guillermo; Bravo Jaico, Jessie Leila
El mantenimiento vehicular deficiente es una de las principales causas de fallas mecánicas inesperadas en vehículos y de accidentes de tránsito. Muchos conductores no llevan un control adecuado de los repuestos de su vehículo, prolongando el uso de repuestos desgastados sin conocer el momento exacto de su reposición. Esta situación provoca ineficiencias en la flota de transporte de la Universidad Nacional Pedro Ruiz Gallo, debido a la demora en la adquisición de repuestos ante fallas vehiculares por repuestos desgastados, afectando el servicio a más de 4,500 estudiantes. Esta investigación tuvo como objetivo desarrollar un aplicativo móvil basado en modelos predictivos de alerta para anticipar el desgaste de repuestos en unidades vehiculares. Se diseñó un modelo de regresión lineal para estimar fechas de reemplazo de repuestos en función del patrón de consumo vehicular, complementado con la detección de comportamientos anómalos mediante datos en tiempo real obtenidos del sensor OBDII. El modelo alcanzó valores de coeficiente de determinación (R²) de hasta 0.999 y valores de error cuadrático medio (MSE) bajos, garantizando precisión y robustez en sus predicciones. El aplicativo integró notificaciones automáticas a los conductores, permitiendo planificar la reposición de repuestos con anticipación. Asimismo, la validación tecnológica basada en el modelo TAM evidenció una aceptación favorable, con niveles de satisfacción promedio del 81% en facilidad de uso y 89% en utilidad percibida, lo que demuestra su viabilidad práctica. En conclusión, el aplicativo constituye una herramienta de apoyo en la gestión del mantenimiento preventivo, reduciendo riesgos mecánicos y mejorando la seguridad vial.
Sistema inteligente de apoyo al diagnóstico de preeclampsia en mujeres embarazadas en zonas rurales de Santa Cruz, Cajamarca
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Barturen Trujillano, Eliana Lizeth; Lip Curo, Guadalupe Teresa
En el presente trabajo se evidencia el desarrollo de un sistema inteligente de apoyo al diagnóstico de preeclampsia en mujeres embarazadas que residen en zonas rurales en un centro de salud en Santa Cruz. Para ello, se realizaron encuestas dirigidas a especialistas y gestantes para conocer cómo tradicionalmente se detecta la preeclampsia y cómo la asistencia a los controles prenatales se vinculan a esta. Por otro lado, para cumplir con los objetivos se siguió la metodología del ciclo de vida de Machine Learning la cual permitió el análisis de algoritmos que se relacionen con el proyecto; tomando en cuenta características como, algoritmos de clasificación con tipo de aprendizaje supervisado; del mismo modo, la metodología del Ciclo de vida Modelo Mobile Sprint (MMS) que permitió la integración del modelo en una aplicación móvil y la implementación de la interfaz de usuario. Posteriormente, se validó el modelo seleccionado para la predicción de preeclampsia, para ello, el algoritmo seleccionado fue Random Forest con un porcentaje de precisión del 85%. Finalmente, una gestante y una obstetra utilizaron el sistema inteligente, para así poder evaluar su usabilidad y calidad del producto, esto mediante una encuesta basado en la ISO25010. Por tal motivo, la implementación de este sistema inteligente ha permitido el diagnóstico temprano de preeclampsia en gestantes que residen en zonas rurales, debido a que estas tienden a tener limitaciones de acceso a controles prenatales tradicionales, haciendo que la detección de enfermedades no se detecte a tiempo.
Sistema de monitoreo preventivo de anemia mediante imágenes de la conjuntiva palpebral en niños menores de 5 años de Pimentel
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Chiscol Patazca, Juan David; Zelada Valdivieso, Hector Miguel
La anemia es una enfermedad que afecta a una gran parte de la población infantil a nivel mundial, en la región Lambayeque y especialmente en el distrito de Pimentel. Esta investigación tiene como objetivo desarrollar un sistema de monitoreo preventivo de anemia en niños menores de 5 años, utilizando el análisis de imágenes de la conjuntiva palpebral mediante Deep Learning. El sistema permite a los padres monitorear los signos de anemia desde casa a través de una aplicación móvil multiplataforma, compatible con Android e iOS. La metodología empleada incluyó la recolección de datos, el entrenamiento de un modelo de detección y su implementación en un entorno real, con pruebas piloto que validaron su efectividad, logrando una precisión del 90%. Esta solución facilita la detección temprana de la anemia y permite el monitoreo continuo de la salud infantil sin la necesidad de visitas frecuentes al centro de salud. Además, ofrece herramientas educativas para los padres sobre la prevención de la anemia.
Desarrollo e implementación de una solución basada en inteligencia artificial para la categorización de vehículos en el Proyecto Especial de Infraestructura de Transporte Nacional – Provías Nacional
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Pejerrey Gomez, Pedro Ricardo; Diaz Vidarte, Miguel Orlando
La clasificación de vehículos en las estaciones de peaje de PROVIAS NACIONAL se realiza mediante sensores instalados de manera invasiva en la superficie de la losa de concreto. Aunque este método resulta funcional, presenta inconvenientes, ya que el desgaste generado por el flujo vehicular reduce progresivamente la efectividad de los sensores. En el mercado existen alternativas menos invasivas, como los sensores infrarrojos; sin embargo, para PROVIAS NACIONAL su implementación supondría un incremento considerable en los costos, al requerir modificaciones tanto en la infraestructura como en el software. Este estudio surgió de la necesidad de incorporar métodos innovadores que aprovecharan las tecnologías y técnicas actuales, con el propósito de reemplazar los enfoques tradicionales en la identificación y categorización de vehículos dentro de las estaciones de peaje. En consecuencia, el objetivo principal de la investigación fue desarrollar e implementar una solución basada en inteligencia artificial para llevar a cabo dicha clasificación. Para el desarrollo del modelo se adoptó la metodología CRISP-DM, mientras que la implementación de la solución se ejecutó siguiendo los principios de la metodología ágil XP. Los resultados obtenidos demostraron que la solución propuesta alcanzó una precisión del 95% en la clasificación de vehículos, superando ampliamente a los métodos tradicionales. Asimismo, se evidenció una reducción en los costos de mantenimiento. Estos hallazgos confirmaron la viabilidad técnica y económica de implementar soluciones basadas en inteligencia artificial en el contexto de PROVIAS NACIONAL.
Sistema de inventario inteligente basado en el modelo EOQ probabilístico para mejorar el proceso de compra en una estación de servicios
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Vasquez Bustamante, Ermes Yampier; Torres Benavides, Juan Antonio
El presente trabajo desarrolló un sistema inteligente de gestión de inventarios basado en el modelo EOQ probabilístico, integrando técnicas avanzadas de inteligencia artificial para la predicción de la demanda en la estación de servicios YAMMAR E.I.R.L. El objetivo principal fue optimizar la gestión integral del inventario mediante la reducción significativa de los costos operativos y la mejora en la disponibilidad continua de productos. Se aplicó la metodología CRISP-DM para estructurar las fases del desarrollo, abarcando desde la preparación de datos hasta el modelado predictivo. Entre los resultados más destacados se obtuvo una reducción del 83 % en la frecuencia mensual de faltantes de stock, pasando de aproximadamente tres eventos mensuales a menos de uno; una disminución promedio del 22 % en los costos operativos asociados a pedidos, atribuida al uso del modelo EOQ; y un modelo de predicción con una precisión de hasta 89 % (R² = 0.89) en uno de los productos principales evaluados. Asimismo, se evaluó la experiencia del usuario final mediante una encuesta de usabilidad, alcanzando un nivel de satisfacción del 94.29 %, lo que demuestra la facilidad de uso, claridad de la interfaz y utilidad de las funcionalidades implementadas. Estos indicadores validan la efectividad del sistema en términos de precisión y ahorro, así como su aplicabilidad como solución replicable en otras estaciones de servicio con problemáticas similares de abastecimiento y planificación de compras.
Sistema de seguridad de red basado en el aprendizaje federado para detectar intrusiones en entornos médicos
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Torres Aguinaga, Johann Antonio; Reyes Burgos, Karla Cecilia
La ciberseguridad en entornos de salud, particularmente la protección de los dispositivos médicos conectados (DMC), presenta el desafío dual de mitigar el riesgo de intrusiones sin comprometer la privacidad del paciente. Esta investigación abordó dicha problemática mediante el desarrollo de un sistema de detección de intrusiones (IDS) basado en el aprendizaje federado. Se estableció una clasificación de amenazas jerárquica (Normal, Sospechosa y Ataque) tras analizar el tráfico de red del dataset “CICIDS2017”. El modelo Random Forest fue seleccionado como el algoritmo óptimo dentro de la arquitectura del aprendizaje federado, logrando una robustez de detección validada por métricas F1-Score y Recall. El sistema se implementó a través de un dashboard interactivo que permite la visualización y gestión en tiempo real del modelo federado. Finalmente, la usabilidad del sistema fue evaluada mediante el cuestionario SUS, alcanzando un puntaje promedio de 85.0, lo que lo clasifica con un nivel de usabilidad óptimo. Los resultados confirman que el sistema de seguridad de red basado en aprendizaje federado es una solución altamente precisa, eficiente y usable que aborda la necesidad de proteger los entornos médicos, garantizando la confidencialidad de los datos al entrenar los modelos localmente en los nodos de la red.
Sistema web basado en machine learning para contribuir a la reducción de readmisiones de pacientes con insuficiencia renal en el Hospital General de Jaén
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Carrasco Choez, Sisy Elizabeth; Chavarry Chankay, Mariana
En la presente investigación se desarrolló un sistema web basado en Machine Learning para contribuir a la reducción de readmisiones en pacientes con insuficiencia renal en el Hospital General de Jaén. El estudio integró la metodología CRISP-DM para el desarrollo del modelo predictivo y la metodología Kanban para la gestión ágil de las fases de diseño, implementación y validación del sistema. En la fase de modelado se entrenaron y compararon tres algoritmos, Regresión Logística, Random Forest y XGB evaluando su desempeño mediante métricas estándar (accuracy, precisión, recall, F1-score y ROC-AUC). El modelo de Regresión Logística optimizado obtuvo los mejores resultados globales (Accuracy = 0.699, Precisión = 0.614, Recall = 0.713, F1 = 0.660, ROC-AUC = 0.769), siendo seleccionado para su integración al sistema web hospitalario. El modelo se desplegó mediante un microservicio Flask conectado al entorno Laravel–MariaDB a través de contenedores Docker Desktop, permitiendo generar predicciones en 0.62 segundos por caso. La validación del sistema bajo el estándar ISO/IEC 25010:2011 evidenció una alta adecuación funcional, eficiencia temporal, usabilidad (calificación promedio 4.6/5 por personal médico), fiabilidad y mantenibilidad. Los resultados obtenidos demuestran la viabilidad técnica y clínica de incorporar modelos predictivos en la gestión hospitalaria, contribuyendo a la toma de decisiones médicas basadas en riesgo y al fortalecimiento del sistema web.
Sistema inteligente basado en machine learning para apoyar la optimización de la planificación logística en la empresa Héctor Ocaña Izquierdo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Bellasmil Farroñan, Christian Paul; Lip Curo, Guadalupe Teresa
Este proyecto tuvo como objetivo desarrollar un sistema inteligente basado en machine learning para optimizar la planificación logística en la empresa Héctor Ocaña Izquierdo. Para ello, se construyeron dos modelos principales: el primero, centrado en la predicción de demanda, utilizando redes neuronales LSTM, alcanzó una precisión del 93.83%. Este modelo permitió anticipar la demanda futura de manera precisa, facilitando la planificación de recursos. El segundo modelo se enfocó en la optimización de rutas logísticas, logrando una precisión del 99.08%. La combinación de ambos modelos proporcionó una interoperabilidad total, lo que mejoró significativamente la asignación de recursos y redujo los costos operativos, permitiendo una optimización de los tiempos de entrega y mejorando la eficiencia general del sistema. Los resultados obtenidos demostraron una mejora sustancial del 24.5% en tiempos de conducción, mostrando también una reducción del 34.47% en el recorrido. El sistema fue validado mediante pruebas de desempeño, alcanzando una fiabilidad del 99.44% en condiciones de operación continua, y una tasa de defectos por ejecución del 0.08 lo que confirmó su estabilidad y robustez para su implementación en entornos logísticos reales. Además, se desarrolló una plataforma web para facilitar la interacción en tiempo real y la gestión de las operaciones logísticas, alcanzando un 93.68% de satisfacción por parte de los usuarios, según las encuestas de satisfacción realizadas al final del proceso.
Aplicación móvil basado en machine learning para facilitar la comunicación de personas con discapacidad auditiva en el Perú
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Lopez Romero, Maricarmen; Zuñe Bispo, Luis Augusto
El proyecto tiene como objetivo desarrollar una aplicación móvil basado en machine learning para facilitar la comunicación de personas con discapacidad auditiva en el Perú. Esta investigación, de tipo aplicada, aborda como problema las limitaciones en la comunicación de las personas con discapacidad auditiva profunda. Para ello, se aplicaron métodos de investigación, entre ellos la revisión de literatura, el enfoque deductivo y técnicas de codificación. Además, entrevistas y encuestas a una muestra de 60 personas de la comunidad junto con evaluaciones realizadas por especialistas en Lenguaje de Señas Peruano. En el desarrollo del sistema, se implementaron dos metodologías: la metodología de Machine Learning, que se utilizó para la construcción del modelo computacional, y la metodología de Extreme Programming, para el desarrollo de la aplicación móvil. Se recopilaron 15,000 puntos claves correspondientes a 30 clases, pertenecientes a las señas estáticas y dinámicas que más se utilizan en una conversación, los cuales se utilizaron para entrenar una red neuronal densamente conectada. Posteriormente, se utilizó OpenNLP para estandarizar el texto de entrada durante el proceso de generación. Como resultado de este enfoque, se logró una precisión del 85% en entrenamiento y 97% en validación del modelo, lo que demuestra la eficacia del sistema propuesto. Por último, la aplicación móvil fue validada en entornos reales, permitiendo ajustes que mejoraron su accesibilidad y usabilidad para las personas con esta discapacidad, asegurando una respuesta más efectiva a sus necesidades
Sistema de visión artificial como apoyo en el proceso de diagnóstico de lesiones cerebrales en la empresa Ecoray Diagnóstico
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Perez Fiestas, Renatto Jesus; Aranguri Garcia, Maria Ysabel
Esta investigación presenta un sistema de visión artificial para apoyar el diagnóstico de lesiones cerebrales en Ecoray Diagnósticos. El objetivo fue integrar un flujo confiable que abarca lectura DICOM, preprocesamiento de tomografías y clasificación automática de subtipos de hemorragia intracraneal, mediante una red DenseNet-121 exportada a ONNX e incorporada en una aplicación de escritorio desarrollada en Java. El modelo se entrenó combinando 3713 estudios públicos rotulados de tomografías cerebrales y 184 estudios locales de la clínica Ecoray. El desarrollo se llevó a cabo con un diseño cuasi experimental y se organizó en módulos. El sistema incluye validación de metadatos DICOM, normalización de las imágenes, reducción de ruido, redimensionamiento y conversión a tensores para la red neuronal, además de un registro de auditoría y la generación de reportes mediante JasperReports. Los resultados muestran una validación basada en 184 estudios locales no utilizados en el entrenamiento para lo cual se obtuvo una exactitud global del 87%, una sensibilidad del 84% y una especificidad del 90%, lo que indica un desempeño clínicamente aceptable en la mayoría de los subtipos modelados los cuales son hemorragia epidural, intraparenquimal, intraventricular, subaracnoidea, subdural y la clase ninguno. El tiempo medio de procesamiento se mantuvo alrededor de cuatro segundos por estudio, reduciendo de forma notable el tiempo necesario para elaborar el informe en comparación con el flujo manual. La usabilidad, medida con el cuestionario SUS aplicado a los radiólogos, alcanzó un 82%, por encima del umbral de 68 considerado aceptable. El sistema se integró al flujo operativo como herramienta de apoyo, sin reemplazar el criterio del especialista, aportando estandarización del preanálisis, priorización de casos y trazabilidad técnica, además de lineamientos para su mantenimiento y mejora futura.
Sistema móvil basado en geolocalización y NLP para apoyar a la seguridad de los pasajeros de mototaxis en Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Forero Quiroz, Juan Josemi; Zelada Valdivieso, Hector Miguel
La inseguridad en el transporte de mototaxis en Lambayeque constituye una problemática creciente que afecta principalmente a los usuarios, quienes se encuentran expuestos a robos, acoso y secuestros debido a la informalidad del servicio. Ante esta situación, la presente investigación tuvo como objetivo desarrollar un sistema móvil basado en geolocalización y procesamiento de lenguaje natural que apoye la seguridad de los pasajeros. La metodología empleada fue de tipo aplicada, con un enfoque mixto cualitativo y cuantitativo, sustentada en métodos inductivo-deductivo, analítico-sintético e implementación, utilizando encuestas, entrevistas, pruebas experimentales y análisis de usabilidad bajo el modelo TAM. El sistema fue desarrollado mediante la metodología ágil Scrum, lo que permitió implementar de forma iterativa los módulos de registro, rastreo en tiempo real, visualización de datos de vehículo y conductor, así como la activación de alertas por voz en situaciones de emergencia. Los resultados evidenciaron que el módulo de geolocalización cumplió con el rastreo continuo de los viajes, mientras que el módulo de alerta alcanzó una precisión del 95% en el reconocimiento de comandos de voz. La validación funcional bajo la norma ISO 25010 confirmó la adecuación, corrección y pertinencia del sistema, y la evaluación de aceptación tecnológica mostró que los usuarios perciben la aplicación como útil y fácil de usar. En consecuencia, la propuesta se consolida como una alternativa innovadora y contextualizada que contribuye a la mejora de la seguridad ciudadana en el transporte de mototaxis en Lambayeque.
Sistema inteligente para la detección de lesiones de la mucosa oral en un centro de salud
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Durand Calle, Mauricio Benjamin; Alarcon Garcia, Roger Ernesto
La investigación abordó la problemática del diagnóstico tardío y el mal diagnóstico de lesiones de la mucosa oral, una situación crítica en países de ingresos medios y bajos donde 3.5 mil millones de personas padecen enfermedades bucodentales. En Perú, el cáncer bucal ocupa el sexto lugar entre las causas de muerte por neoplasias, debido principalmente a la falta de detección oportuna y diagnósticos inadecuados. Por ello se desarrolló un sistema basado en redes neuronales convolucionales para la detección automática de lesiones de la mucosa oral a través del análisis de imágenes. El proyecto se estructuró siguiendo las metodologías SCRUM y CRISP-DM, cubriendo desde la preparación tecnológica hasta la optimización del modelo. Para garantizar la calidad del dataset clínico, se evaluó la concordancia en el etiquetado mediante el índice de Cohen’s Kappa, obteniéndose un valor de κ=0.694 que indica un acuerdo considerable entre evaluadores. Respecto al componente técnico, se implementó el modelo SSD-MobileNet-V2-FPNLite-320 para la detección de gingivitis, entrenado con 362 imágenes, logrando una precisión del 97.3%, sensibilidad del 64.0%, F1-Score de 77.2% y una exactitud global de 62.9%. Complementariamente, se incorporó la detección de aftas orales mediante YOLO11s, empleando 386 imágenes, logrando una precisión del 67.83%, sensibilidad del 82.9%, F1-Score de 74.62% y exactitud de 59.54%. El sistema integral incluye gestión odontológica y modelos predictivos. La validación del sistema, basada en la metodología TAM2, reveló aceptación sobresaliente (98.33%), destacando facilidad de uso percibida(100%) sobre utilidad percibida (96.67%), confirmando su aplicabilidad práctica en entornos clínicos reales.
Aplicación con realidad aumentada para apoyar el aprendizaje de fuerza y movimiento en quinto grado de primaria, Colegio Santa Rosita
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Cubas Quispe, Yessenia Maribel; Alarcon Garcia, Roger Ernesto
Las dificultades en la enseñanza de la física elemental en primaria, junto con la falta de metodologías interactivas y recursos tecnológicos, motivaron esta investigación. Con el objetivo de implementar una aplicación con realidad aumentada (RA) para apoyar el aprendizaje de la fuerza y movimiento en quinto grado de primaria, fortaleciendo las habilidades de abstracción y comprensión de conceptos teóricos en estudiantes del quinto grado de la I.E “Santa Rosita”. La metodología empleada combinó un diseño cuantitativo preexperimental y el enfoque ADDIE (análisis, diseño, desarrollo, implementación y evaluación) para la estructuración del temario Fuerza y Movimiento, seguido por el desarrollo guiado por pruebas (TDD), lo que permitió un diseño estructurado y funcional. La aplicación se centra en la simulación de temas clave como Movimiento Rectilíneo Uniforme (MRU), Movimiento Rectilíneo Uniformemente Variado (MRUV), Movimiento Mecánico (MM), Caída Libre (CL) y Vectores (VR). Mediante modelos 3D interactivos, los estudiantes pueden visualizar y manipular fenómenos físicos, facilitando su comprensión abstracta. Los resultados reflejaron un aumento en la participación, rendimiento académico y aprendizaje autónomo. El promedio de comprensión conceptual pasó del 46.5% al 77%, lo que representa una mejora de 30.5 puntos porcentuales. Asimismo, el 83% de los estudiantes usó la aplicación de forma constante y el 90% manifestó mayor motivación al estudiar física con esta herramienta. Estos hallazgos validan la eficacia de la RA en entornos educativos del nivel primario.
Aplicación web basada en DDMRP para mitigar la rotura de stock en la empresa 3R Risaralda Steels and Industrial Recycling S.A.C.
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Ruidias Rojas, Rodrigo Sebastian; Mera Montenegro, Huilder Juanito
En esta investigación, se implementó la metodología DDMRP a través de un proceso ágil Scrum, dividido en 4 sprints, con el objetivo de implementar una aplicación web utilizando DDMRP para mitigar la rotura de stock en el inventario de la empresa 3R Risaralda Steels and Industrial Recycling S.A.C. En el primer objetivo, se logró una integración exitosa de DDMRP en la aplicación web, cumpliendo el 100% de los requisitos funcionales establecidos. El segundo objetivo se enfocó en determinar los niveles de buffer para la reposición de stock, utilizando un análisis de sensibilidad que demostró reducciones significativas en el inventario y mejoras en el flujo de caja. En cuanto al tercer objetivo, la medición del desempeño reveló una disminución extraordinaria del índice de rotura de stock, del 20.61% al 0.61%, demostrando una eficacia del 99% en la gestión de inventario. Estos resultados destacan la efectividad de la implementación de DDMRP, no solo en la integración técnica sino también en los beneficios financieros tangibles, subrayando la relevancia y el potencial de esta metodología para optimizar la gestión de inventario y mejorar la eficiencia operativa en entornos empresariales complejos.
Sistema inteligente para apoyar el diagnóstico del trastorno límite de la personalidad en un puesto de salud en Tumán
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Marin Tantalean, Moises Fernando; Diaz Espino, Miguel Angel
La presente investigación surge ante la dificultad de diagnosticar el trastorno Límite de la Personalidad en el área de psicología del puesto de salud en Tumán; debido a la ausencia de especialistas, el tiempo limitado para las entrevistas, y la alta demanda de atención, lo que resulta en un deterioro progresivo de la salud mental del paciente. Por lo tanto, se propuso el desarrollo de un sistema inteligente basado en una técnica de Machine Learning que permite apoyar al especialista, en el diagnóstico del trastorno mental. Para ello, se realizó una evaluación de cinco algoritmos de clasificación, seleccionando el más adecuado para este contexto. Por consiguiente, el modelo computacional se basó en el algoritmo de Árbol de Decisiones obteniendo un 91.55% de exactitud, 90.07% de precisión, 93.39% de sensibilidad y 89.71% de especificidad. Asimismo, se desarrolló un aplicativo web que se integró con dicho modelo, para ello, se utilizaron tecnologías como Django para el back-end, Scikit-learn para el modelo computacional, PostgreSQL para la base de datos y la metodología CRISP-DM en la guía del desarrollo de minería de datos. Por último, se obtuvo los resultados basados en la norma ISO 25010 con 91.11% en reconocibilidad, 87.77% en aprendizabilidad, 84.44% en operabilidad, 86.66% en protección de errores, 100% en involucración con el usuario, 83.3% en inclusividad y asistencia, y 86.66% en auto-descriptividad, llevando así una sólida aceptación por los especialistas en la capacidad de la interacción del aplicativo web.
Sistema de reconocimiento de patrones de vestimenta para el proceso de búsqueda de personas desaparecidas en el Mercado Modelo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Delgado Marruffo, Sthefany; Aranguri Garcia, Maria Ysabel
La desaparición de personas afecta los derechos fundamentales, donde los niños y adultos mayores son los más vulnerables. En Colombia se registró 2015 personas desaparecidas. En septiembre del 2024, Perú presentó 1411 denuncias de personas desaparecidas, donde Lambayeque tiene 69 registros. En julio, agosto y septiembre del 2023, Chiclayo tuvo un promedio de 43 personas desaparecidas. Ante ello, la investigación presenta como objetivo general implementar un sistema de reconocimiento de patrones de vestimenta para la búsqueda de personas desaparecidas en el Mercado Modelo, utilizando un algoritmo de Deep Learning. La metodología para el desarrollo del producto acreditable integra el modelo de Machine Learning con la metodología ágil Extreme Programming (XP). Las fases abarcan la recopilación, preparación de los datos, la selección y entrenamiento del algoritmo, luego las pruebas que verifican la precisión del producto acreditable al identificar personas a partir de su vestimenta. El algoritmo seleccionado, Mask R-CNN permite detectar y segmentar con precisión las prendas de la persona desaparecida en tiempo real a través de imágenes de una cámara. Además, la interfaz de usuario ha cumplido con los estándares de calidad de la adecuada funcionalidad, seguridad, usabilidad y eficiencia de desempeño en el sistema según la norma ISO/IEC 25010:2011. Los resultados indican que la investigación del producto acreditable identifica personas desaparecidas por la categoría y color de la prenda superior e inferior con un 85% de precisión, reduciendo el tiempo de respuesta y mejorando la identificación de personas desaparecidas en un entorno dinámico como el Mercado Modelo.