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 319

Aplicación móvil basada en redes neuronales convolucionales para apoyar la identificación de melanoma en pescadores de Pimentel
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Sandoval Elias, Jairo Salome; Zelada Valdivieso, Hector Miguel
En el presente estudio se desarrolló una aplicación móvil basada en redes neuronales convolucionales para el apoyo en la identificación de melanoma en pescadores de la sociación Pimenteleña en Caballito de Totora. Para el logro del objetivo principal, se realizó la evaluación de 3 arquitecturas de redes neuronales convolucionales basándose en sus principales métricas de rendimiento en el conjunto de datos de imágenes de ISIC 2019 Challenge, contando al final con 27,132 imágenes, que fueron debidamente distribuidas durante el proceso de entrenamiento, siendo Resnet152V2, el modelo óptimo obteniendo un 92.3% de exactitud. En cuanto a la validación del modelo generado, se obtuvieron los resultados de 88.8%, 95.48% y 89.53% en las métricas de precisión, sensibilidad y especificidad respectivamente. Para el proceso de validación de la aplicación móvil se utilizó el modelo de aceptación tecnológica TAM, en la que se encuestaron a 35 personas de la asociación, obteniendo una valoración promedio de 87.25% de facilidad de uso, y un 94.75% de utilidad percibida, también se realizó una validación mediante un cuestionario de juicio de expertos, en la que se encuestó a 3 dermatólogos especialistas, de los cuales el 33.33% consideró estar de acuerdo y el 66.67% completamente de acuerdo en que la aplicación apoyaría eficazmente la identificación de posibles casos de melanoma. Asimismo, para el despliegue del modelo se utilizó Python y TensorFlow Lite y para la integración de toda la aplicación se utilizó Scrum con una duración de 3 sprints, utilizando el lenguaje de programación Kotlin.
Implementación de software de geolocalización parael apoyo del monitoreo y asignación del personal policial de la Comisaría Cesar Llatas
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Rojas Bravo, Arnold Anderzon; Noblecilla Vinces, William Alfredo
La presente investigación se centró en brindar una solución ante los desafíos que enfrentaba una institución policial estatal perteneciente a la ciudad de Chiclayo, con el fin de mejorar el proceso de monitoreo y asignación de comisiones a los efectivos en servicio. Para ello se realizaron diversas pruebas que permitieron la identificación de los factores que provocaban deficiencias en situaciones imprevistas durante el día. Los problemas principales identificados incluían retrasos en la localización de los efectivos, respuestas indicando que estaban ocupados en otras diligencias, e incluso proporcionando información de ubicación incorrecta, lo que resultaba en pérdida de tiempo y, en ocasiones, llegadas tardías a las ubicaciones requeridas. Para abordar estos problemas, se desarrolló un producto de software que cumplía con los requisitos específicos de la institución y garantizaba la seguridad y confiabilidad en su funcionamiento. En el proceso de desarrollo, se aplicó el marco de trabajo de SCRUM, facilitando el análisis de la problemática existente y la implementación de la solución propuesta. El producto final consistió en una aplicación web y móvil que aprovechaba los servicios de geolocalización para rastrear la ubicación de los efectivos y asignarles diligencias de manera más eficiente. La calidad del software se evaluó conforme a tres criterios de la norma ISO 25000: adecuación funcional, seguridad y fiabilidad, obteniendo altos niveles de cumplimiento en cada uno de estos aspectos. Finalmente, el software se sometió a una validación por parte de los usuarios finales, siguiendo el estándar TAM, y obtuvo un alto grado de aceptación por parte de estos usuarios.
Sistema web basado en machine learning como apoyo a la identificación del nivel de aprendizaje de artesanos del CITE Sipán
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Guzman Huaman, Angela Yanixa; Robles Pizarro, Luis David
En el contexto de un centro de innovación tecnológica, se abordó la problemática de identificar adecuadamente el nivel de aprendizaje de los artesanos en el CITE Sipán, un centro de innovación en Lambayeque que apoya a los artesanos mediante capacitaciones y asistencia técnica. La falta de un sistema adecuado para caracterizar a los artesanos generaba ineficiencias en la asignación de recursos y en la adaptación de los servicios a las necesidades específicas de cada artesano. Para resolver esta situación, se implementó un sistema web basado en Machine Learning como apoyo a la identificación del nivel de aprendizaje de los artesanos del CITE Sipán, facilitando así la planificación de actividades y optimizando el uso de recursos. Se exploraron varios modelos de Machine Learning, entre ellos la regresión logística, el árbol de decisión y el CatBoostClassifier, de los cuales el árbol de decisión mostró ser el más efectivo, alcanzando una precisión del 75%. Además, el modelo fue optimizado mediante validación cruzada y se implementó en una interfaz web que permitió una visualización intuitiva de los resultados. Finalmente, se evaluó la usabilidad del sistema a través de encuestas, mostrando una alta aceptación y satisfacción por parte de los usuarios, quienes consideraron el sistema útil y fácil de utilizar. Esto demostró que la implementación del modelo de Machine Learning fue una herramienta efectiva para apoyar la gestión y la mejora continua del aprendizaje en el sector artesanal.
Aplicación móvil inteligente para apoyar el proceso de entrenamiento personalizado en un gimnasio de Chiclayo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Navarro Monje, Maria Eugenia; Zelada Valdivieso, Hector Miguel
En la investigación se desarrolló una aplicación móvil integrada con un sistema experto mediante las metodologías Scrum y Buchanan, que permitió la generación automática y seguimiento de planes de ejercicio y alimentación, con el fin de apoyar el proceso de entrenamiento personalizado de un deportista en un gimnasio de Chiclayo. La investigación fue de tipo aplicada, y tuvo una muestra poblacional de 30 deportistas. Para el logro del proyecto, se realizó la recopilación y análisis de los conocimientos de los entrenadores del gimnasio y se generó la base de conocimiento del sistema experto, con 17 hechos únicos y 288 reglas documentadas. Luego se construyó con Python el componente inteligente con 292 métodos en la clase principal, alcanzando un 87% de precisión en las pruebas para determinar el plan de ejercicios y alimentación adecuado para los deportistas del gimnasio. Posteriormente se desarrolló la aplicación móvil que integró dicho componente inteligente, mediante el framework Flutter y Flask para el desarrollo de la API, obteniendo 50 interfaces de usuario, luego, se realizaron pruebas de caja negra, caja blanca y especializadas, que demostraron resultados satisfactorios tanto en funcionalidad como en rendimiento. Finalmente, se evaluó la utilidad y facilidad de uso percibida de la aplicación mediante un cuestionario basado en el modelo TAM con escala de Likert. El 92% de los entrenadores la consideraron útil y el 94% fácil de usar, mientras que el 93% de los clientes la valoró positivamente y el 96% destacó su facilidad de uso.
Sistema de predicción de calidad del producto en el área de producción de una empresa manufacturera de la región Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Cumpa Chancafe, Josue Giancarlos; Reyes Burgos, Karla Cecilia
La presente investigación se centra en el desarrollo de un sistema de predicción de calidad para la producción de bandas modulares en una empresa manufacturera de Lambayeque. La metodología empleada fue CRISP-DM, permitiendo una estructuración eficiente desde la comprensión del problema hasta la implementación de soluciones. Se utilizó un data set de 3469 registros, de los cuales el 80% se destinó para el entrenamiento del modelo, garantizando así una base sólida para su desarrollo. Para la construcción del modelo predictivo, se utilizó la inteligencia artificial, específicamente redes neuronales con Tensor Flow, la cual, tras el análisis y ajuste de parámetros, alcanzo una precisión del 94%. Los resultados obtenidos demostraron la capacidad del sistema para prever información que permite corregir parámetros antes de la producción, mejorando la eficiencia y reduciendo defectos. Además, el sistema fue validado conforme a la norma ISO 25010, logrando un alto nivel de adecuación funcional. Estos hallazgos son relevantes para futuras investigaciones en el campo de la manufactura industrial.
Sistema web basado en RNC para detectar secuelas respiratorias en pacientes de COVID-19 a través de imágenes de placas de pulmón de un hospital
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Roncal Gaslac, Harold Ivan; Roncal Gaslac, Harold Ivan; Torres Benavides, Juan Antonio
El propósito de la investigación fue el desarrollo de un sistema web basado en Redes Neuronales Convolucionales (RNC) para la detección de secuelas respiratorias en pacientes de COVID-19 mediante imágenes de placas de pulmón. Esta investigación es de tipo aplicada debido a que propone una solución tecnológica para apoyar el diagnóstico médico en respuesta a la problemática identificada. Este proyecto se realizó en el hospital Santa María de Cutervo-, donde se ha observado un aumento en los casos de secuelas respiratorias entre los sobrevivientes del virus. Actualmente, el diagnóstico se basa en la interpretación manual de imágenes, lo que puede ser impreciso y requerir tiempo. Con el fin de mejorar este proceso, se implementó un modelo de aprendizaje profundo donde se analiza imágenes de placas de pulmón para identificar patrones indicativos de secuelas como fibrosis pulmonar. La metodología implementada en esta investigación fue CRIS-DM, la cual incluyó la recolección de un conjunto de datos de 288 imágenes para las etapas de entrenamiento y pruebas, seguido por el entrenamiento del modelo RNC utilizando técnicas avanzadas como el algoritmo de BackPropagation, optimizador Adam y una función de pérdida categorical_crossentropy. Los resultados preliminares demostraron que el sistema logró una precisión del 92.3%, lo que podría transformar la práctica clínica al proporcionar diagnósticos más exactos con un 95.2% de exactitud. Además, la solución tiene el potencial de optimizar el proceso de atención médica y reducir costos asociados al diagnóstico de estas secuelas,
Sistema web basado en machine learning para apoyar el prediagnóstico de cardiomiopatía isquémica en un hospital de Cutervo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Bazan Flores, Yenifer Esther; Bazan Flores, Yenifer Esther; Zelada Valdivieso, Hector Miguel
El estudio se centró en el desarrollo de un sistema web basado en machine learning para el prediagnóstico de cardiomiopatía isquémica en pacientes del Hospital Santa María de Cutervo. Los objetivos del proyecto incluyeron la identificación de características del paciente relacionadas con la enfermedad, la elaboración de un modelo de machine learning y la aplicación web para facilitar la detección temprana de pacientes en riesgo. Para estructurar el desarrollo, se utilizó la metodología CRISP-DM, la cual guió cada fase del proyecto, desde la comprensión del problema hasta el despliegue de la solución. Los resultados revelaron que factores como la hipertensión, la diabetes y el sedentarismo eran determinantes en la presencia de cardiomiopatía isquémica. La red neuronal alcanzó una precisión del 97.2%, lo que indicó su alta efectividad en las predicciones. Además, la aplicación desarrollada permitió a los médicos realizar evaluaciones clínicas de manera eficiente y acceder a estadísticas de diagnóstico, lo que mejoró la detección temprana de la enfermedad. La validación del sistema mediante el modelo TAM evidenció su efectividad y utilidad en el contexto hospitalario, destacando su potencial en áreas con recursos limitados. Este enfoque innovador no solo mejoró la atención médica, sino que también optimizó el diagnóstico de la cardiomiopatía isquémica, representando un avance significativo en la práctica clínica.
Implementación de un portal de proveedores basado en SAP Fiori y SAP Cloud Platform para apoyar el proceso de facturación de compras en empresas que utilizan SAP ERP
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Alza Meza, Jose Arturo; Alza Meza, Jose Arturo; Cachay Maco, Junior Eugenio
La presente tesis desarrolla e implementa una solución basada en SAP Fiori, desplegada en SAP Cloud Platform (SCP), con el objetivo de apoyar el proceso de facturación de compras en empresas que utilizan SAP ERP. El proyecto se estructuró bajo la metodología ágil SAP Activate, permitiendo construir, probar y validar iterativamente los módulos requeridos. Para el desarrollo se empleó el framework SAPUI5 en JavaScript para el FrontEnd y el lenguaje ABAP para la lógica de negocio en el BackEnd. La solución incluyó la integración segura entre SCP y SAP ERP mediante SAP Cloud Connector, habilitando la interoperabilidad a través de servicios OData. La evaluación de la calidad de la solución se realizó utilizando el estándar ISO 25010, obteniendo un 98 % de adecuación funcional, 95 % de exactitud funcional, un tiempo de respuesta promedio de 1.2 segundos, 100 % de interoperabilidad con SAP ERP y un 99.5 % de disponibilidad. Además, se logró una mejora significativa en la experiencia de usuario y una reducción considerable de los tiempos y errores en el proceso de facturación. La arquitectura propuesta demuestra ser escalable, segura y alineada con las mejores prácticas del ecosistema SAP, aportando valor tangible a las organizaciones al facilitar la transformación digital en sus procesos de compras y finanzas.
Sistema web basado en algoritmo predictivo de machine learning para apoyar el proceso de mantenimiento de vehículos de transporte pesado
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Tenazoa Shupingahua, Segundo Pedro; Tenazoa Shupingahua, Segundo Pedro; Zelada Valdivieso, Hector Miguel
El estudio tuvo como objetivo principal implementar un sistema web basado en algoritmos predictivos de machine learning para optimizar el mantenimiento de vehículos de transporte pesado. También, se establecieron objetivos específicos, como seleccionar los algoritmos capaces de predecir datos numéricos sobre problemas de mantenimiento en la empresa; luego, se identificaron las herramientas tecnológicas que soportan las técnicas de machine learning necesarias para desarrollar la arquitectura del sistema web predictivo. A continuación, se evaluó la exactitud y validez del algoritmo predictivo para confirmar la fiabilidad de la información obtenida. Finalmente, se examinó la calidad del software en función de su usabilidad y funcionalidad. En el desarrollo del sistema, se adoptaron las metodologías CRISP-DM y marco de trabajo Scrum; la primera optimizó la minería de datos enfocada en mantenimiento vehicular y proporcionó una estructura adecuada desde la comprensión del negocio hasta la evaluación del modelo, mientras que Scrum organizó el trabajo en sprints para cada actividad, asegurando una implementación ágil durante el proceso, se integraron herramientas tecnológicas como Django, PostgreSQL y Python, utilizando módulos JSON y la biblioteca Scikit-learn para calcular la precisión del modelo. Al finalizar el desarrollo, la calidad del software fue evaluada mediante pruebas de caja negra y caja blanca. Los resultados algoritmo árbol de decisión alcanzó una exactitud de 99.5%, mientras que redes neuronales alcanzó una exactitud de 73.3%. En conclusión, el sistema web demostró ser un recurso significativo para el mantenimiento de vehículos de transporte pesado, proporcionando datos precisos y útiles para la toma de decisiones.
Solución de inteligencia de negocios basada en minería de datos para la toma de decisiones en el área comercial de la empresa Tiendas Delgado S.A.C.
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Deza Cachay, Alberths Alexis; Deza Cachay, Alberths Alexis; Diaz Vidarte, Miguel Orlando
La presente investigación tiene como objetivo implementar una herramienta de inteligencia de negocios que utilice minería de datos para mejorar la toma de decisiones en el área comercial de Tiendas Delgado S.A.C. Se aplicó un enfoque analítico y deductivo, utilizando técnicas de recolección de datos como entrevistas y un diseño pre-experimental para evaluar la efectividad del sistema implementado. La metodología de Ralph Kimball se empleó para diseñar un modelo dimensional que permitiera organizar la información y estructurar un almacén de datos. Se analizaron tres modelos predictivos: regresión lineal, SARIMA y LSTM, siendo este último el seleccionado por su mayor precisión (R² promedio de 70%). La solución desarrollada incluyó un módulo de predicción que generó informes detallados para la planificación estratégica, mejorando el ajuste de stock y la eficiencia operativa. Finalmente, la aceptación tecnológica del sistema fue validada mediante el modelo TAM, destacando la utilidad y facilidad de uso percibida por los usuarios.
Sistema inteligente basado en una red neuronal para predecir dietas alimenticias que ayuden a prevenir la obesidad en pacientes del Hospital Nacional Almanzor Aguinaga Asenjo - 2023
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Prado Bobadilla, Jose Nicolaz; Prado Bobadilla, Jose Nicolaz; Lujan Segura, Edwar Glorimer
La obesidad es una creciente preocupación de salud global que afecta a personas de todas las edades y está fuertemente vinculada a enfermedades crónicas. En Perú, la obesidad es un problema generalizado [1], este estudio se centra en el desarrollo de un sistema inteligente basado en una red neuronal. Este sistema está diseñado para predecir dietas alimenticias saludables y prevenir la obesidad en los pacientes del Hospital Nacional Almanzor Aguinaga Asenjo. Nuestra investigación utilizó datos como peso, edad, sexo, altura y nivel de actividad física para calcular las necesidades calóricas diarias de los pacientes. A través de una aplicación móvil, se proporcionan recomendaciones de desayuno, almuerzo y cena, manteniendo un déficit calórico para facilitar la pérdida de peso gradual. El modelo de red neuronal se sometió a una evaluación exhaustiva utilizando métricas como MAE, MSE y R^2, y los resultados demostraron una alta precisión en la predicción de necesidades calóricas. Además, el software fue evaluado según la adecuación funcional y la usabilidad del sistema según los estándares ISO 25010, y se obtuvo un alto nivel de satisfacción por parte de los usuarios. Esta investigación se llevó a cabo aplicando las metodologías SCRUM y CRISP-DM, las cuales se adaptaron de manera efectiva a los objetivos. En conjunto, este trabajo ofrece un impacto positivo en la salud y el bienestar de la población peruana y sienta las bases para futuras investigaciones en esta área.
Sistema web inteligente basado en machine learning para apoyar la gestión de inventarios en la empresa E.B Pareja Lecaros S.A.
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Montero Lopez, Roberto Carlos; Montero Lopez, Roberto Carlos; Zelada Valdivieso, Hector Miguel
La investigación desarrolló un sistema web inteligente en base a machine learning para apoyar la gestión de inventarios en la empresa E.B Pareja Lecaros S.A., empleando algoritmos de regresión para predecir la demanda futura de productos. Se siguieron las metodologías Scrum, en cuatro sprints, y CRISP-DM en seis fases. En el primer objetivo, se logró una colección estructurada de datos evaluada según la norma ISO/IEC 25012, alcanzando un rango objetivo en las tablas analizadas y consolidando un dataset para entrenar el modelo de predicción. En el segundo objetivo, se evaluaron diversos algoritmos de machine learning y sus métricas de error, identificando que el algoritmo XGBoost obtuvo el mejor nivel de proximidad en la predicción, optimizando los niveles de stock para la gestión eficiente del inventario. En el tercer objetivo, se validó la funcionalidad de la aplicación web mediante pruebas de caja negra, cumpliendo con un 100% de los requerimientos funcionales, permitiendo la corrección continua de errores durante los sprints. En el cuarto objetivo, la aplicación obtuvo un 92% de aprobación en utilidad percibida y facilidad de uso según el modelo TAM, demostrando que satisface las necesidades de la empresa. Estos resultados destacan la efectividad de crear un sistema de predicción con el fin de apoyar la gestión de inventarios, reduciendo los costos y generando beneficios financieros en un entorno empresarial complejo.
Sistema informático para el proceso enseñanza – aprendizaje de gramática mediante un videojuego educativo personalizado para los estudiantes de segundo grado de secundaria de la IE Serafín Filomeno
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Rodas Vigo, Jose Leonardo; Rodas Vigo, Jose Leonardo; Torres Benavides, Juan Antonio
El presente proyecto desarrolló un sistema informático en forma de videojuego educativo personalizado para mejorar el proceso de enseñanza-aprendizaje de gramática en estudiantes de segundo grado de secundaria de la Institución Educativa Serafín Filomeno. El videojuego, creado bajo la plataforma Unity, fue diseñado como un juego de rol (RPG) en 2D con estética pixelada, con el objetivo de captar la atención de los estudiantes y motivarlos a aprender temas de gramática, como la tildación y la ortografía, de manera interactiva. Se implementó inteligencia artificial (IA) para ajustar la dificultad de los retos gramaticales según el nivel de conocimiento de cada estudiante, proporcionando retroalimentación inmediata y adaptativa. Durante el proceso de desarrollo, se llevaron a cabo varias iteraciones del videojuego, incluyendo una fase beta con la participación de estudiantes y docentes. Los resultados obtenidos indicaron que los estudiantes mostraron un mayor interés y mejoraron su rendimiento en gramática, demostrando la efectividad del videojuego como herramienta pedagógica.
Software educativo con lógica difusa para mejorar el aprendizaje de geometría de los sólidos en estudiantes de 5° de secundaria
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Muñoz Rodrigo, Jeremy Fabian; Muñoz Rodrigo, Jeremy Fabian; Aranguri Garcia, Maria Ysabel
El bajo rendimiento en geometría, especialmente en el estudio de los sólidos geométricos y la carencia de enfoques educativos efectivos, motivaron el desarrollo de la presente investigación. Con el fin de contribuir a mejorar el aprendizaje de los sólidos geométricos en los estudiantes de 5º de secundaria, se implementó un software educativo basado en lógica difusa. Además, la metodología utilizada para desarrollo del software fue SCRUM, ya que permite adaptar sus fases para garantizar el éxito del proyecto. La solución se construyó utilizando la teoría de Van Hiele, la cual estructura los niveles de comprensión geométrica, e incorporando recursos interactivos como conceptos, fórmulas, ejercicios y videos, utilizando Python y el framework Django. El software utiliza un algoritmo de lógica difusa para evaluar las competencias de los estudiantes en visualización, análisis, deducción informal y deducción formal, clasificándolos en niveles de inicial, intermedio o avanzado. Los usuarios mostraron una sólida aceptación tecnológica, impactando de manera positiva en el ámbito social, tecnológico y científico. En comparación con otros estudios similares, este se distingue por su enfoque específico en la enseñanza de la geometría de los sólidos, el uso de la lógica difusa, la teoría de Van Hiele y por la capacidad de personalizar las recomendaciones en tiempo real según el perfil de avance de cada estudiante. Esta investigación tiene un gran potencial para generar impactos positivos en la educación de los estudiantes y fomentar la inclusión educativa, abriendo oportunidades para su desarrollo y ampliación a mayor escala en el futuro.
Desarrollo de una aplicación de predicción usando machine learning para la planificación de compra de insumos en el restaurante El Nuevo Ferrocarril
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Chiroque Huamanchumo, Nelson Alonso; Chiroque Huamanchumo, Nelson Alonso; Reyes Burgos, Karla Cecilia
La investigación aborda el problema de planificación de compra de insumos en el restaurante El Nuevo Ferrocarril, debido a que la cantidad de compras era calculada basándose únicamente en la experiencia de ventas pasadas, generando gastos por sobreabastecimiento o desabastecimiento de insumos. Ante ello se desarrolló una aplicación web que utiliza un modelo de predicción de ventas basado en ML, para determinar la cantidad de insumos a comprar. Con el fin de lograr nuestro objetivo principal, se evaluaron los modelos ARIMA, Random Forest, Prophet y RNN LSTM con MAPE y MSE, usando 157 registros de ventas semanales y considerando análisis de series temporal y la inclusión de días festivos. También, se valoró la precisión de los modelos predictivos por cada producto, usando la métrica FA. Finalmente se evaluó la calidad de la aplicación web usando la métrica "rendimiento" y la herramienta Lighthouse. Los resultados obtenidos seleccionaron a Prophet como el mejor modelo con 537.36 de MSE promedio y 14.16% de MAPE promedio. Se obtuvo una alta precisión por cada modelo, con un FA promedio de 0.71. La calidad de la aplicación registró un rendimiento medio de 90, indicándonos una buena calidad de la aplicación. El proyecto fue desarrollado usando SCRUM por su adaptabilidad en los requerimientos y entregables en corto plazo, además, la aplicación fue desarrollada usando el framework Flask, FastApi y el lenguaje Python.
Sistema inteligente de apoyo para la detección de postura en la prevención de trastornos musculoesqueléticos de trabajadores en un hospital de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Cantelli Salazar, Fernando Antonio; Cantelli Salazar, Fernando Antonio; Castillo Zumaran, Segundo Jose
El presente trabajo de investigación demostró como un Sistema Inteligente de Apoyo, basado en la tecnología de Machine Learning y centrado en la visión computacional puede presentarse como solución a la problemática de detección de posturas inadecuadas, contribuyendo así a la prevención de trastornos musculoesqueléticos (TME). El sistema permite detectar posturas incorrectas en base a la detección de puntos de referencias y reglas de evaluación, gestionar la información recolectada mediante una interfaz de usuario y mostrar recomendaciones en tiempo real para corregir dichas posturas. La investigación realizada fue de tipo aplicada, centrándose en la prevención de TME apoyándose en la implementación de un sistema inteligente capaz de evaluar las posturas de los trabajadores de salud de un hospital de Lambayeque. El sistema fue implementado utilizando la metodología Extreme Programming (XP), incluyendo una interfaz web dinámica desarrollada en Python, con el uso de Streamlit y MySQL como gestor de base de datos. Gracias al uso del modelo MediaPipe para la estimación de poses y el procesamiento de video, se alcanzó una precisión del 92% en la identificación de posturas inadecuadas, detectando en esta postura los puntos de referencia de la cara y oídos, cuello, cadera y miembros superiores e inferiores mediante la captura lateral del cuerpo del sujeto en su totalidad.
Plataforma tecnológica probador virtual para mejorar la experiencia del comprador en el comercio electrónico de la moda
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Gonzalez Agip, Omar Alexander; Gonzalez Agip, Omar Alexander; Lujan Segura, Edwar Glorimer
En el presente trabajo, se desarrolló la implementación de un probador virtual basado en algoritmos de visión por computadora para mejorar la experiencia de compra en el comercio electrónico de prendas de vestir. Los objetivos específicos fueron determinar el algoritmo más óptimo para el reconocimiento de partes del cuerpo, lograr un alto grado de exactitud y realismo en el probador virtual, y garantizar la calidad de la aplicación móvil del ecommerce NavyFit al implementar esta funcionalidad. Para lograr estos objetivos, se llevó a cabo un estudio exhaustivo de algoritmos de visión por computadora, evaluando su precisión y tiempo de ejecución. Se desarrolló y ajustó el probador virtual utilizando técnicas de aprendizaje automático y se evaluó su rendimiento con conjuntos de datos de imágenes diversas. Además, se integró el probador virtual y la aplicación móvil donde se realizaron pruebas exhaustivas utilizando herramientas de testing. Los resultados destacan un algoritmo de reconocimiento de prendas y partes del cuerpo altamente preciso, capaz de aplicarse a diferentes tipos de prendas y personas. El probador virtual mostró un alto grado de exactitud y realismo en las simulaciones. Además, la aplicación móvil NavyFit demostró una calidad satisfactoria al implementar esta funcionalidad, superando las pruebas de rendimiento y funcionalidad. En conclusión, esta investigación proporcionó una solución efectiva para mejorar la experiencia de compra en el comercio electrónico de prendas de vestir mediante la implementación de un probador virtual preciso y realista. La integración exitosa en la aplicación móvil NavyFit brinda a los usuarios la posibilidad de probarse virtualmente la ropa antes de comprarla, mejorando la toma de decisiones y reduciendo las devoluciones. Estos hallazgos contribuyen al avance de la tecnología de visión por computadora y su aplicación en el campo del comercio electrónico.
Sistema inteligente basado en minería de datos para predecir la producción de fertilizante en la empresa Nutrition Vegetable Corporation Figal SAC
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Seclen Custodio, Carlos Alexander; Seclen Custodio, Carlos Alexander; Bravo Jaico, Jessie Leila
En este estudio se desarrolló un sistema predictivo basado en minería de datos para la empresa Nutrition Vegetable Corporation Figal SAC, enfocado en optimizar su producción de fertilizantes mediante el análisis avanzado de datos históricos. Siguiendo la metodología CRISP-DM, se analizaron y evaluaron diversos modelos predictivos, aplicando técnicas de validación cruzada y métricas de rendimiento como precisión, exactitud y recall, donde la red neuronal alcanzó una capacidad predictiva del 53%. El sistema fue implementado a través de una interfaz web interactiva, validado bajo la norma ISO 25010, asegurando su usabilidad y eficiencia operativa en condiciones reales. Los resultados demostraron una mejora significativa en la planificación de la producción, evidenciada por la reducción de pérdidas operativas y una gestión más eficiente de recursos. La plataforma desarrollada permitió visualizar datos y generar predicciones en tiempo real, facilitando la toma de decisiones estratégicas y contribuyendo a prácticas más sostenibles en la cadena productiva, lo que posibilitó a la empresa anticipar y ajustar sus niveles de producción de manera más precisa, minimizando el desperdicio de recursos y mejorando su competitividad en el mercado. Las pruebas realizadas fueron llevadas a cabo mediante SonarCloud.
Aplicación predictiva para apoyar el diagnóstico de trastornos psicológicos en alumnos de la Institución Educativa Privada Santo Toribio de Mogrovejo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Torres Becerra, Miguel Esteban; Torres Becerra, Miguel Esteban; Chavarry Chankay, Mariana
La detección temprana de trastornos mentales en la infancia es esencial, ya que afectan la capacidad de los menores para realizar actividades diarias y su desarrollo educativo. Esta problemática se refleja en la Institución Educativa Privada Santo Toribio de Mogrovejo. En esta investigación, se desarrolló una aplicación predictiva para la identificación rápida de trastornos psicológicos en alumnos, facilitando su tratamiento. Utilizando la metodología CRISP-DM, se revisaron 13 estudios previos para seleccionar el algoritmo de clasificación adecuado, en los cuales los que más resaltaban fueron red neuronal artificial, Random Forest y KNN, siendo este último el elegido para el modelo predictivo tras haber sido evaluado con Weka, una herramienta de software para aprendizaje automático. KNN logró una precisión del 86%, exactitud del 79%, recall del 54%, especificidad del 92% y puntaje F1 del 69%. Este modelo predictivo fue implementado en una aplicación web, la cual permite a los alumnos realizar un cuestionario para obtener un diagnóstico presuntivo para autismo, TDAH y trastornos de lenguaje, y al personal de la institución gestionar los resultados. La aplicación proporciona una solución eficiente para identificar y tratar trastornos psicológicos en alumnos, mitigando los desafíos asociados con la escasez de recursos y personal especializado en entornos educativos. Su implementación puede mejorar significativamente la atención y el bienestar emocional de los estudiantes, evitando consecuencias negativas a largo plazo como dificultades académicas, problemas de conducta, baja autoestima y dificultades en las relaciones interpersonales.
Aplicación web usando Deep Learning aplicado al reconocimiento de plagas y enfermedades para mejorar el tratamiento de los cultivos de papa Yungay en Cutervo-Angurra
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Cabrera Herrera, Elis Dina; Cabrera Herrera, Elis Dina; Alarcon Garcia, Roger Ernesto
La detección temprana de las plagas y enfermedades en el cultivo de papa Yungay es importante porque ayuda a evitar pérdidas en la producción. Continuamente los agricultores del caserío Angurra se ven perjudicados a causa de un diagnóstico tradicional que no les permite llevar un correcto control de las mismas. Dicha situación encontrada ha permitido encaminar esta investigación con el objetivo de desarrollar una aplicación web usando Deep Learning aplicado al reconocimiento de plagas y enfermedades para mejorar el tratamiento de los cultivos de papa Yungay, mediante el procesamiento de imágenes, las cuales fueron extraídas de 30 cultivos de papa en diferente temporalidad y ubicación. Se hizo uso de dos metodologías, una de ellas fue CRISP-DM y la otra fue metodología SCRUM. La primera se utilizó para la elaboración del modelo computacional basado en redes neuronales artificiales (SOM) utilizando técnicas del Deep Learning la cual dio como resultado una precisión de 99.42%, esto con la entrada de las 4 mil imágenes y su procesamiento en cuanto a características que fueron determinados y evaluados por el modelo. Su desarrollo se realizó en la plataforma Google Colab utilizando el lenguaje Python aplicándose las 6 fases que comprende la metodología. La segunda se utilizó para el desarrollo de la aplicación web, ambas metodologías interactuaron entre sí para lograr una respuesta dando como resultado la creación de la aplicación web que generó un resultado de detección de plagas o enfermedades. En la construcción de la aplicación web se utilizó la herramienta Django usando el lenguaje Python, incluyendo todas las fases de desarrollo de la metodología Scrum. En conclusión, se logró obtener una precisión optima y confiable en un rango de precisión de 99.42%, lo cual hace que esta investigación sea de suma importancia para los agricultores de papa Yungay.