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 330

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.
Agente inteligente recomendador de atractivos turísticos en el departamento de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Davila Nieto, Justo Andres; Zelada Valdivieso , Hector Miguel
Este estudio aborda la problemática de la baja afluencia de turistas en el departamento de Lambayeque, atribuida a factores como la falta de información personalizada y la limitada promoción de los atractivos locales, lo cual impacta en la satisfacción de los visitantes y la competitividad del sector. El objetivo principal es desarrollar un agente inteligente recomendador de atractivos turísticos que ofrezca sugerencias personalizadas en función de las preferencias individuales de cada usuario. Para la implementación del sistema, se emplearon las metodologías CRISP-DM y Scrum, facilitando el proceso de modelado de datos en fases y la gestión ágil del proyecto mediante sprints iterativos. CRISP-DM permitió estructurar la comprensión de los datos y la creación de un modelo de recomendación basado en contenido, mientras que Scrum posibilitó la planificación y los ajustes continuos en el desarrollo. El modelo fue integrado en una aplicación web y su aceptación tecnológica evaluada mediante el modelo TAM. Los resultados más relevantes incluyen una aplicación web funcional con un modelo de recomendación optimizado, capaz de ofrecer sugerencias variadas y relevantes, logrando un equilibrio entre similitud y diversidad en las recomendaciones, con un índice de diversidad de 0.6, además los resultados de la evaluación tecnológica del agente inteligente, muestran una aceptación positiva entre los usuarios, quienes consideran que la aplicación es útil y fácil de usar. Este proyecto no solo facilita el acceso a información adecuada para los turistas, sino que también fortalece la competitividad del sector turístico de Lambayeque.
Aplicación móvil inteligente para evaluar y potenciar el vocabulario receptivo en niños con autismo de una institución educativa de Chiclayo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Tuesta Rodas, Sergio Anibal; Zelada Valdivieso, Héctor Miguel
La Tesis aborda el desarrollo de una aplicación móvil inteligente para evaluar y potenciar el vocabulario receptivo en niños con autismo en primer grado de una institución educativa de Chiclayo. El estudio responde a la necesidad de soluciones alternativas ante las restricciones de los métodos tradicionales de enseñanza para niños con trastorno del espectro autista (TEA), quienes representan aproximadamente el 0.625% de la población infantil en el mundo según la organización mundial de la salud (OMS). Se implementó la metodología MOBILE-D para el desarrollo de la aplicación móvil y la metodología IDEAL para el sistema experto, permitiendo evaluar y clasificar a los niños en niveles (bajo, medio y alto). La aplicación integra actividades basadas en el Test de vocabulario en imágenes Peabody (PPVT) y comunicación aumentativa y alternativa (CAA), con ejercicios adaptativos que se ajustan según el rendimiento del niño en cada sesión. Los resultados evidencian una aplicación móvil inteligente que implementó criterios específicos de clasificación, evaluando 18 preguntas en la prueba inicial y 8 en sesiones de práctica. Su funcionamiento y precisión fueron validados mediante pruebas tanto en el sistema experto como en la funcionalidad, superándolas satisfactoriamente y alcanzando un 80 % de precisión. La herramienta fue evaluada por especialistas a través de un instrumento que valoró cuatro áreas clave: sistema de evaluación inicial, contenido terapéutico, sistema de seguimiento clínico y accesibilidad/usabilidad, obteniendo una calificación satisfactoria de 59.33 puntos (98.89%). Concluyendo que la aplicación permitió evaluar y apoyar a mejorar el vocabulario receptivo en niños con autismo en primer grado.
Sistema inteligente basado en deep learning para el apoyo en el diagnóstico del cáncer del pulmón para el Hospital Regional de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Torres Sanchez, Andy Alberto; Lujan Segura, Edwar Glorimer
La presente investigación ha demostrado que un sistema inteligente basado en aprendizaje profundo ha logrado con éxito la detección de nódulos pulmonares en el Hospital Regional de Lambayeque. El objetivo principal fue el desarrollo de un sistema inteligente para apoyar el diagnóstico del cáncer de pulmón. Los objetivos específicos incluyeron la determinación de un algoritmo de preprocesamiento de imágenes, la selección y aplicación de un modelo de aprendizaje automático adecuado, el diseño de un modelo computacional para la detección de nódulos pulmonares, y la validación de su precisión. Se utilizó la metodología crisp-dm para el desarrollo del modelo, con fases que incluyeron la comprensión del negocio y los datos, la preparación de estos, el modelado y la evaluación del modelo. Se eligieron redes neuronales convolucionales (CNN) por su capacidad de aprender patrones complejos en las imágenes médicas. El modelo entrenado alcanzó una precisión del 91.89%, demostrando una alta eficacia en la detección de nódulos pulmonares. El sistema, además de permitir un diagnóstico temprano, tiene el potencial de agilizar el proceso de análisis médico, reduciendo la carga de trabajo de los radiólogos y mejorando la atención a los pacientes.
Sistema experto para ayudar a la detección de las enfermedades cardiovasculares más comunes en la provincia de Ferreñafe
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Villalobos Romero, Alonso Jeremy; Noblecilla Vinces, William Alfredo
Este trabajo se centra en el desarrollo de un sistema experto diseñado para asistir en la detección de enfermedades cardiovasculares mediante el análisis de electrocardiogramas. Utilizando la metodología de ingeniería del conocimiento de John Durkin, se establecieron varios objetivos específicos: determinar la arquitectura tecnológica adecuada que soporte de manera efectiva el sistema, definir un algoritmo óptimo para el reconocimiento de patrones en los electrocardiogramas y validar la eficiencia del sistema. Los resultados obtenidos de cada uno de estos objetivos específicos demostraron que la arquitectura seleccionada proporciona la estabilidad y escalabilidad necesarias para el funcionamiento del sistema en un entorno real. Además, el algoritmo desarrollado para el reconocimiento de patrones mostró una alta precisión de 93.75% en la identificación de indicadores potenciales de enfermedades cardiovasculares, lo cual fue corroborado por la validación a través del cuestionario TAM, que confirmó la eficacia y la aceptación del sistema entre los usuarios finales con un 4.6%. Estos hallazgos destacan la viabilidad del sistema experto como una herramienta valiosa en el ámbito de la salud cardiovascular.
Implementación de una API con base en redes neuronales convolucionales para la validación e identificación de árboles en Chiclayo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Sanchez Cieza, Cinthia Nayeli; Mera Montenegro, Huilder Juanito
En esta investigación se implementó una API REST basada en redes neuronales convolucionales para la validación e identificación de especies de árboles en Chiclayo, permitiendo abordar la problemática de la carencia de herramientas tecnológicas eficientes para una adecuada gestión del arbolado urbano, donde la falta de identificación precisa de especies dificulta su conservación y manejo sostenible. Utilizando la metodología CRISP-DM, se desarrollaron dos modelos con arquitectura ResNet50: uno de validación que alcanzó 98.43% de precisión en la clasificación binaria de árboles, y otro de identificación de especies con 96% de precisión media. Para el entrenamiento, se generaron dos conjuntos de datos: uno basado en CIFAR-100 con 60,000 imágenes diversas y otro específico con 2568 imágenes de árboles nativos de Chiclayo. La API desarrollada identifica con alta precisión cinco especies arbóreas nativas de Chiclayo, presentando una efectividad del 100% para Palmera Real, 97% para Algarrobo y Ponciano, y 93% para Ficus y Molle, con tiempos de respuesta de 2-10 segundos por consulta. La validación del correcto funcionamiento de la API se realizó a través de una aplicación web que integra sus servicios, facilitando pruebas exhaustivas mediante captura y carga de imágenes para comprobar la efectividad del sistema de reconocimiento.
Aplicación web basado en machine learning para predecir el rendimiento académico en matemática del tercer grado en un colegio militar
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Bazan Fernandez, Edwin Manuel; Castillo Zumaran, Jose Segundo
En esta investigación se determinaron ciertas características claves que influyen en el rendimiento académico estudiantil, con la finalidad de predecir aquellos estudiantes que tengan alta probabilidad de desaprobar. Entre los principales problemas abordados se encuentran los factores que afectan el rendimiento académico, la deserción estudiantil y el alto porcentaje de desaprobados, la cual genera un incremento en los costos operativos, como la ampliación de horas laborales de los docentes y el uso intensivo de recursos e infraestructura. Para abordar esta problemática se propuso desarrollar una aplicación web basado en Machine Learning permitiendo predecir el rendimiento académico, teniendo en cuenta los siguientes objetivos específicos: determinar cuáles son las variables para predecir con mayor grado de precisión el rendimiento académico, determinar el algoritmo que nos proporcione la mayor precisión al predecir el rendimiento académico, crear un modelo de predicción en base a los datos recolectados y el algoritmo seleccionado, desarrollar la aplicación web como herramienta de interacción, validar la aplicación web construida en base a técnicas de pruebas de ingeniería de software. La metodología empleada es CRISP-DM, utilizada en proyectos de minería de datos y Machine Learning. Durante el desarrollo se evaluaron tres algoritmos de regresión, obteniendo los resultados: Algoritmo Regresión Lineal (ECM:14.15, RMSE:3.76, Índice de Concordancia:99.99988%), algoritmo Gaussian Naive Bayes ECM y el algoritmo regresor de Árbol de Decisión (ECM: 8.49, RMSE:91, Índice de Concordancia: 99.99992%), tras evaluar los resultados se seleccionó el algoritmo con mejor desempeño para implementar el modelo de predicción del rendimiento académico de los nuevos estudiantes.
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.