<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>DSpace Comunidad :</title>
  <link rel="alternate" href="http://localhost:8080/xmlui/handle/123456789/71" />
  <subtitle />
  <id>http://localhost:8080/xmlui/handle/123456789/71</id>
  <updated>2026-07-25T01:06:49Z</updated>
  <dc:date>2026-07-25T01:06:49Z</dc:date>
  <entry>
    <title>Aplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.</title>
    <link rel="alternate" href="http://localhost:8080/xmlui/handle/123456789/1395" />
    <author>
      <name>Barreto Jara, Ana Cecilia</name>
    </author>
    <author>
      <name>Garay Morínigo, Matías Alejandro</name>
    </author>
    <author>
      <name>Ayala Díaz, Katia Andrea</name>
    </author>
    <id>http://localhost:8080/xmlui/handle/123456789/1395</id>
    <updated>2026-05-27T15:37:00Z</updated>
    <published>2025-01-01T00:00:00Z</published>
    <summary type="text">Título : Aplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.
Autor : Barreto Jara, Ana Cecilia; Garay Morínigo, Matías Alejandro; Ayala Díaz, Katia Andrea
Resumen : Actualmente, la medicina veterinaria en Paraguay enfrenta desafíos significativos en el diagnóstico por imágenes, particularmente en la interpretación de radiografías para detectar fracturas óseas en caninos. La escasez de radiólogos veterinarios especializados obliga a profesionales generales a realizar interpretaciones radiológicas sin formación específica, incrementando el riesgo de errores diagnósticos que pueden derivar en tratamientos inadecuados y comprometer la recuperación animal. En respuesta a esta problemática, se desarrolló FractosIA, una aplicación web asistida por inteligencia artificial para diagnosticar fracturas en radiografías caninas, integrando tecnologías modernas de visión por computadora y aprendizaje profundo mediante redes neuronales convoluciones. El objetivo del sistema es permitir a los veterinarios cargar imágenes radiológicas, procesarlas mediante algoritmos de inteligencia artificial y obtener diagnósticos asistidos en tiempo real. Se evaluaron tres arquitecturas avanzadas: ResNet50, EfficientNetB3&#xD;
y Visión Transformer, entrenadas con un dataset de más de 400 imágenes radiológicas etiquetadas en colaboración con profesionales veterinarios. La metodología abarcó la recolección y etiquetado&#xD;
del dataset, el desarrollo y entrenamiento de modelos en entorno con GPU especializada, y la implementación de una aplicación web completa integrando servicios en la nube para autenticación, almacenamiento&#xD;
de datos y gestión de imágenes. Los resultados demostraron que EfficientNetB3 fue la arquitectura más efectiva, alcanzando 82,79% de precisión en clasificación del tipo de fractura y 85,96% en&#xD;
identificación de ubicación anatómica. El sistema final permite subir radiografías, visualizarlas con herramientas interactivas (zoom, paneo, recorte), obtener diagnóstico automático, generar reportes en PDF y&#xD;
gestionar el historial de análisis. Las pruebas de integración confirmaron el correcto funcionamiento de todos los módulos con tiempos de respuesta apropiados para el entorno clínico, demostrando una tasa de éxito superior al 82% y estableciendo su viabilidad como herramienta de apoyo diagnóstico en medicina veterinaria.</summary>
    <dc:date>2025-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Predicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15</title>
    <link rel="alternate" href="http://localhost:8080/xmlui/handle/123456789/1394" />
    <author>
      <name>Acosta Medina, Marcos Daniel</name>
    </author>
    <author>
      <name>Taboada Moreno, Gonzalo José</name>
    </author>
    <author>
      <name>Ramírez Vergara, Luis Carmelo</name>
    </author>
    <id>http://localhost:8080/xmlui/handle/123456789/1394</id>
    <updated>2026-05-11T16:10:23Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Título : Predicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15
Autor : Acosta Medina, Marcos Daniel; Taboada Moreno, Gonzalo José; Ramírez Vergara, Luis Carmelo
Resumen : La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente&#xD;
de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como&#xD;
Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor&#xD;
certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas.&#xD;
Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet&#xD;
en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas&#xD;
confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron&#xD;
mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados&#xD;
evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Impacto del Compensador Estático de Reactivos (CER) en la Estabilidad de Tensión mediante Simulaciones con ANATEM</title>
    <link rel="alternate" href="http://localhost:8080/xmlui/handle/123456789/1393" />
    <author>
      <name>Barreto Candia, Kevin Juan Carlos</name>
    </author>
    <author>
      <name>Gamarra Ramírez, Juan Marcelo</name>
    </author>
    <author>
      <name>Benítez Ojeda, Manuel Alejandro</name>
    </author>
    <id>http://localhost:8080/xmlui/handle/123456789/1393</id>
    <updated>2026-05-11T15:50:40Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Título : Impacto del Compensador Estático de Reactivos (CER) en la Estabilidad de Tensión mediante Simulaciones con ANATEM
Autor : Barreto Candia, Kevin Juan Carlos; Gamarra Ramírez, Juan Marcelo; Benítez Ojeda, Manuel Alejandro
Resumen : Este estudio de investigación se enfoca en el análisis del impacto del Compensador Estático de Reactivos (CER) en la estabilidad de tensión de los sistemas eléctricos de potencia, utilizando simulaciones realizadas con el software ANATEM. La estabilidad de tensión es un factor crítico para la operación segura y confiable&#xD;
de los sistemas eléctricos, ya que su deterioro puede provocar una disminución en la calidad del servicio e incluso interrupciones en el suministro eléctrico. Se modeló un sistema eléctrico de tres barras y se realizaron simulaciones tanto sin compensación como con la implementación del CER, evaluando su desempeño&#xD;
bajo diferentes escenarios de carga y condiciones de contingencia, como cortocircuitos. Los resultados obtenidos permiten analizar el efecto del CER en la mejora de la estabilidad de tensión y su viabilidad para ser aplicado en sistemas eléctricos actuales.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Diseño de un dispositivo para el registro y caracterización de cargas eléctricas en entornos residenciales mediante análisis de Fourier.</title>
    <link rel="alternate" href="http://localhost:8080/xmlui/handle/123456789/1392" />
    <author>
      <name>Franco Ruiz Díaz, Fernando José</name>
    </author>
    <author>
      <name>Medina Cardozo, Carlos Fabian</name>
    </author>
    <author>
      <name>Villalba Bareiro, Guillermo Javier</name>
    </author>
    <author>
      <name>Ayoroa Martínez, René Andrés</name>
    </author>
    <id>http://localhost:8080/xmlui/handle/123456789/1392</id>
    <updated>2026-05-04T15:37:17Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Título : Diseño de un dispositivo para el registro y caracterización de cargas eléctricas en entornos residenciales mediante análisis de Fourier.
Autor : Franco Ruiz Díaz, Fernando José; Medina Cardozo, Carlos Fabian; Villalba Bareiro, Guillermo Javier; Ayoroa Martínez, René Andrés
Resumen : Este trabajo presenta el desarrollo de un prototipo para la adquisición y análisis de la corriente eléctrica en dispositivos residenciales, con el objetivo de identificar sus patrones característicos de consumo. La metodología se centró en la selección crítica de componentes, estableciendo criterios ponderados al 20% para el sensor de corriente (aislamiento galvánico, fidelidad de la forma de onda, disponibilidad/costo, características técnicas y rango de medición) y el microcontrolador (resolución/muestreo, gestión de&#xD;
datos, interfaces, viabilidad práctica y seguridad). Se implementaron adecuaciones clave para la integración segura y precisa a la red de 220V/50Hz, incluyendo un circuito de acondicionamiento de señal, protecciones contra transitorios y aislamiento óptico. El sistema registra la corriente, permitiendo la observación directa&#xD;
de firmas eléctricas como picos, transitorios, desfases y armónicos, típicos de cargas resistivas, inductivas, capacitivas y electrónicas.&#xD;
Los resultados obtenidos, consistentes con lo esperado, demuestran que el prototipo captura con fidelidad estos comportamientos, proporcionando una base de datos válida y reproducible para estudios&#xD;
posteriores de diagnóstico de consumo y eficiencia energética. Se concluye que el enfoque metodológico asegura mediciones precisas y seguras, validando el sistema como una herramienta confiable para el análisis de firmas eléctricas.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
</feed>

