El metaverso se posiciona como un entorno digital inmersivo con potencial para transformar procesos organizacionales, especialmente los de carácter comercial. Sin embargo, hoy en día persiste la necesidad de analizarlo no como una novedad tecnológica, sino por su desempeño percibido como infraestructura que puede apoyar procesos organizacionales. Este es el principal aporte del estudio, que se sitúa en una intersección entre ingeniería y organización; propone y aplica un marco evaluativo integrado que permite analizar el desempeño percibido de un entorno virtual inmersivo utilizado como sistema de apoyo a procesos organizacionales. Se emplea el marketing mix como caso de aplicación, bajo un diseño cuasi-experimental con enfoque mixto, que incluye el diseño e implementación de un espacio comercial inmersivo mediante realidad virtual y la aplicación empírica del marco con 25 participantes. Como hallazgos, los participantes valoraron positivamente la interacción con el portafolio de productos, también la forma como fueron representados los componentes del marketing mix y mostraron una alta comprensión del proceso comercial. No se observaron dificultades cognitivas generalizadas, aunque la preferencia por comprar en el metaverso fue moderada.
In this work, we study the non-reciprocal superconducting diode effect in two geometries in the meso-superconducting regime, in three real dimensions, for two cases of interest: (i) a non-regular meso-parallelepiped, with the inclusion of an external current in the presence of an applied magnetic field , and (ii) a superconducting meso-wedge, with the same conditions as in case (i). We vary and thus study the vortex configuration, the phase of the order parameter, and the Gibbs free energy density as a function of the applied external current. Furthermore, we show how fluxoids can be used to control current flow and study the resistive state using the voltage-current curve, thereby allowing control of directionality and generating a periodic geometric barrier at one of the edges. This is the proposed superconducting diode presented in this manuscript.
En este trabajo se manufacturó un nanocompuesto de matriz de magnesio reforzado con nanotubos de carbono de pared múltiple por medio de la técnica tipo sándwich. Se utilizaron técnicas de microscopía electrónica para evidenciar la dispersión y las características interfaciales entre los constituyentes. Los resultados mostraron un buen grado de dispersión de los nanorefuerzos en la matriz metálica sin la formación de clústeres y se evidenció una buena interacción entre la matriz metálica y los nanotubos de carbono. Adicionalmente, se revelaron algunos mecanismos que afectan el comportamiento mecánico del compuesto, como el tamaño de grano, las intercaras coherentes o semicoherentes y el apilamiento de dislocaciones, entre otros.
In this work, a storm episode with strong winds occurring in 2021 in an area of the Caribbean region of Colombia was studied, with the aim of identifying affected banana areas using satellite remote sensing. A total of 1,198.87 ha and 1,618.62 ha of banana crops affected by strong winds were identified according to the optical and radar images analyses, respectively. The estimated economic loss in banana production to be exported amounted to $ 55,793,101,762.95 COP. Finally, the re-establishment of the spectral signature of the affected banana coverage was evident 107 days after the storm event occurred. The results demonstrated that optical data from Sentinel-2 and Synthetic Aperture Radar (SAR) data from Sentinel-1 are useful for detecting areas with probable damage and making estimates of the economic losses. Analysis with optical images was the most suitable remote sensing technique found for identifying and mapping affected banana areas.
This paper presents a methodology for dimensionality reduction of three-dimensional models through volumetric Discrete Cosine Transform (DCT) compression combined with nonlinear latent-space encoding. The proposed framework aims to efficiently represent geometric information while preserving structural consistency and semantic coherence across a dataset of vehicle models. Initially, each 3D model is converted into a Truncated Signed Distance Function (TSDF) voxel grid representation. A three-dimensional DCT is then applied to compact the volumetric energy into low-frequency coefficients, enabling significant compression ratios while retaining the most relevant geometric information. Experimental results demonstrate that most of the volumetric energy is concentrated within the first 25×25×25 DCT coefficients. Using this subset results in a data reduction of approximately 99.25% compared to the original voxel grid, maintaining the global geometric structure of the vehicles. Higher-frequency components primarily encode fine details such as mirrors, bumpers, wheel arches, and lower chassis structures. These findings confirm that low-frequency components capture the dominant morphological characteristics necessary for shape analysis and clustering. Subsequently, the compressed representations are projected into a two-dimensional latent space using a learned nonlinear mapping. Clustering in the latent domain reveals semantically meaningful groupings of vehicles, where proximity correlates with geometric similarity. The relationship between Euclidean distance in latent space and geometric reconstruction error (measured via Mean Squared Error after inverse DCT reconstruction) exhibits a clear monotonic trend, validating the consistency of the latent representation. Additionally, interpolation experiments confirm that the latent space is continuous and semantically coherent. Intermediate latent variables generate smooth geometric transitions between different vehicle categories, demonstrating the generative capability of the proposed representation.
La Planificación de la Etapa Inicial (FEP) y herramientas tradicionales como el Índice de Definición de Proyectos (PDRI) son fundamentales para reducir riesgos y estructurar evaluaciones, pero su enfoque determinista limita la consideración de la incertidumbre y de las interdependencias entre variables. Este estudio propone una metodología probabilística basada en Redes Bayesianas (BNs) para cuantificar la incertidumbre en las fases tempranas de planificación. El modelo integra datos empíricos de 14 proyectos de vivienda de interés social y conocimiento experto, lo que permite análisis basados en escenarios que respaldan la toma de decisiones iniciales. Entrenado con el algoritmo de Expectación-Maximización, el modelo alcanzó una precisión predictiva aceptable (R² = 0.76; MSE = 0.214; RMSE = 0.463). Los resultados muestran que las BNs mejoran la fiabilidad de la planificación y facilitan la mitigación proactiva de riesgos al incorporar dinámicamente la incertidumbre. La metodología cierra la brecha entre herramientas deterministas y sistemas probabilísticos de apoyo a la decisión, ofreciendo un marco escalable y replicable para la planificación temprana en proyectos de vivienda de interés social y otros contextos constructivos de alta incertidumbre.
El aprendizaje profundo ha transformado la medicina computacional; sin embargo, su implementación práctica sigue limitada por las elevadas exigencias de recursos computacionales, memoria y consumo energético. La creciente complejidad de los modelos de inteligencia artificial, que hoy alcanzan cientos de millones de parámetros y dependen de clústeres de GPU de alto rendimiento, dificulta su adopción en entornos con recursos restringidos, donde la latencia y la privacidad de los datos son factores críticos. El presente estudio tiene como objetivo desarrollar y validar una metodología que permita optimizar y comprimir redes neuronales profundas sin comprometer su desempeño predictivo, posibilitando así un despliegue eficiente y sostenible en dispositivos portátiles, sistemas periféricos y equipos médicos de bajo consumo energético. La técnica de Destilación del Conocimiento se empleó para transferir el conocimiento desde un modelo “maestro” robusto y de gran escala hacia un modelo “estudiante” más pequeño y eficiente. En este caso, DenseNet-121 actuó como modelo maestro y MobileNet-V2 como modelo estudiante. El modelo destilado MobileNet-V2 alcanzó un AUC-ROC de 0.865 con una desviación estándar de 0.0010, superando tanto al maestro (AUC-ROC 0.858; desviación estándar 0.0015) como al estudiante sin destilar (AUC-ROC 0.824; desviación estándar 0.0006) aplicando la estrategia Unos la cual fue la que mejores resultados obtuvo. El modelo maestro contenía 6.96 millones de parámetros (26.87 MB), mientras que el modelo estudiante utilizó 2.23 millones de parámetros (8.64 MB), logrando una reducción de tamaño de aproximadamente tres veces. Este modelo compacto ofreció una precisión comparable o superior, con menor tiempo de inferencia y consumo energético, lo que se alinea con los objetivos de sostenibilidad y facilita la adopción de inteligencia artificial médica robusta en entornos con recursos limitados. Código disponible en https://github.com/felixmejia/Knowledge_Distillation.
Este artículo presenta el diseño y validación computacional de una prótesis transfemoral con rodilla policéntrica, usando síntesis cinemática y dinámica de sistemas multicuerpo. Se sintetizaron dos mecanismos (cuatro barras y Stephenson) para reproducir la trayectoria fisiológica del centro instantáneo de rotación (CIR) de la rodilla humana. La optimización mediante un algoritmo adaptativo de evolución diferencial generó configuraciones con error RMS del CIR significativamente reducido. El mecanismo obtenido cubre un rango de movimiento de 90.1° entre 97° (extensión) y 7° (flexión), cumpliendo los criterios de estabilidad pasiva reportados en la literatura. El modelo dinámico formulado mediante Lagrange aumentada mostró alta concordancia con el análisis cinemático (errores <0.2%) y fuerzas articulares entre 750 y 1750 N, validando la estabilidad y la bifurcación automática durante la marcha. El diseño final es estructuralmente viable y manufacturable mediante procesos convencionales.
El suministro de agua potable representa un desafío global, que se ve agravado en regiones costeras como el Departamento de La Guajira en Colombia. La escasez de agua es una preocupación constante que afecta especialmente a niños y jóvenes. Esta situación impacta directamente la prestación de servicios esenciales de higiene y alimentación en las escuelas de la región, lo que a menudo provoca ausentismo estudiantil. Para abordar los problemas de escasez de agua, se han utilizado diversas tecnologías para aprovechar los recursos hídricos locales. Sin embargo, muchas de estas soluciones tecnológicas son costosas y presentan dificultades durante su implementación. Por lo tanto, se requieren alternativas eficaces. Estas alternativas son necesarias para el desarrollo de una planta solar de desalinización de agua de mar como una solución de emergencia para obtener agua potable a partir de agua salada. El sistema de desalinización solar está compuesto por tres subsistemas que se utilizan para mejorar la eficiencia del proceso: un sistema de intercambiador de calor que acelera el enfriamiento del vapor de agua destilada para producir un mayor rendimiento líquido; un sistema de distribución de fluidos y un sistema de control de nivel que mantienen el nivel óptimo de agua en el reactor y maximizan la producción de agua destilada. La solución propuesta tiene como objetivo producir un máximo de 1300 litros de agua por día para uso general. Los resultados ilustran la eficiencia y rentabilidad del sistema de desalinización propuesto, especialmente para instituciones educativas con un número limitado de estudiantes que enfrentan dificultades en el suministro de agua. La selección de esta tecnología de destilación solar se basa en el abundante potencial de radiación solar en la zona del proyecto (La Guajira, Colombia). La destilación solar seleccionada se caracteriza por su seguridad y simplicidad de uso, lo que la convierte en una solución ideal para el suministro de agua potable en regiones remotas o en situaciones de emergencia.
La integración de tecnologías digitales en el sector de la arquitectura, la ingeniería y la construcción (AEC) ha impulsado nuevas estrategias para optimizar la gestión de información y fortalecer los procesos de comunicación durante el ciclo de vida de los proyectos. En este contexto, Building Information Modeling (BIM) se ha consolidado como una metodología ampliamente utilizada para la coordinación y administración de datos en proyectos de construcción. Más recientemente, la incorporación de tecnologías de Realidad Virtual (VR) ha ampliado las capacidades de visualización e interacción de los modelos BIM, favoreciendo entornos inmersivos para la evaluación y comprensión espacial. En respuesta a esta evolución tecnológica, la presente investigación propone un flujo de trabajo estructurado para la integración BIM-VR, orientado a mejorar la interoperabilidad entre plataformas y facilitar la generación de entornos virtuales inmersivos. El flujo de trabajo se desarrolló en tres etapas principales. La primera corresponde a la preparación del modelo BIM mediante Revit y el procesamiento de información con Dynamo. La segunda etapa se centra en la configuración del entorno VR en Unreal Engine, utilizando Blueprint para la programación visual y la interacción de los elementos del modelo. Finalmente, la tercera etapa comprende la simulación y visualización inmersiva del entorno BIM-VR mediante el dispositivo Meta Quest 2. Como resultado principal, se logró la consolidación de un entorno BIM-VR funcional que integra la información del modelo BIM en una experiencia inmersiva e interactiva. Adicionalmente, la investigación generó un repositorio digital con una plantilla reutilizable de VR, diseñada para aplicaciones académicas e investigativas. Los resultados evidencian el potencial de la integración BIM-VR para fortalecer procesos de visualización, aprendizaje y comunicación técnica en entornos educativos y de diseño colaborativo.
Este estudio tiene como objetivo analizar la dinámica epidemiológica de la transmisión de la malaria en Quibdó, Colombia, mediante un enfoque de modelización computacional basado en principios de simulación con agentes. A partir de marcos espaciales y temporales discretos, la investigación representa de manera sistemática las poblaciones humanas y de mosquitos que interactúan dentro de un entorno urbano estructurado, caracterizado por condiciones climáticas tropicales favorables para la persistencia de la enfermedad. El modelo integra datos epidemiológicos empíricos para su calibración y validación, lo que permite explorar los procesos estocásticos subyacentes a las interacciones huésped-vector-ambiente. Se realizaron cinco simulaciones independientes de un año calendario completo mediante métodos de Monte Carlo, con el fin de capturar la variabilidad inherente y la heterogeneidad poblacional. Los resultados revelan que el manejo dirigido de los hábitats acuáticos —elementos centrales para el desarrollo larvario de los mosquitos— puede inducir disminuciones rápidas en la incidencia de la malaria. Asimismo, las simulaciones demuestran que una reducción de los hábitats larvarios de tan solo un dos por ciento conduce a la interrupción efectiva de la transmisión en el transcurso de varios meses, poniendo de manifiesto el impacto crítico de las intervenciones locales. La principal contribución de este trabajo radica en la aplicación de conceptos de la física computacional y estadística, en particular la modelización estocástica y la dinámica de sistemas, para abordar procesos biológicos complejos en la epidemiología de enfermedades infecciosas.
En esta contribución analizamos la respuesta magnética de una estructura superconductora mesoscópica (triángulo y rectángulo) con múltiples terminales, en los que se aplica una corriente continua (DC). Calculamos las curvas de voltaje-corriente y resistividad-corriente para varios campos magnéticos y tamaños de la muestra. Asimismo, analizamos la dinámica del estado de vórtice en un rectángulo y un triángulo mesoscópicos bajo dos corrientes aplicadas. Para ello, resolvemos las ecuaciones generalizadas de Ginzburg-Landau dependientes del tiempo. Encontramos una dependencia analítica de la corriente crítica respecto del campo aplicado y del tamaño de la muestra.
La investigación, llevada a cabo en el Advanced Data Engineering Lab, tuvo como objetivo desarrollar un sistema de reconocimiento facial y emociones, en tiempo real. Este proyecto, que forma parte de una iniciativa más amplia para mejorar la interacción humano-máquina, utilizó redes neuronales convolucionales y algoritmos de aprendizaje automático, como Random Forest, para analizar expresiones faciales. Los sistemas de cómputo empleados tenían la capacidad de realizar procesamiento intensivo de datos en tiempo real. Los modelos CNN fueron entrenados utilizando el conjunto de datos FER2013, aplicando técnicas de aumento de datos y preprocesamiento para mejorar la generalización del modelo. El modelo B, con una arquitectura optimizada, alcanzó una precisión del 64%, superando el rendimiento de otros modelos. Sin embargo, el estudio reveló dificultades para clasificar con precisión emociones negativas sutiles, como la tristeza, la ira y el miedo, lo que destaca la necesidad de conjuntos de datos más equilibrados y mejores técnicas de extracción de características. La investigación sugiere que las mejoras futuras deben centrarse en el uso de conjuntos de datos más grandes y diversos, así como en técnicas avanzadas como el aprendizaje por transferencia. El sistema propuesto tiene un gran potencial para aplicaciones en contextos industriales, especialmente para mejorar la interacción humano-robot y el monitoreo de la seguridad de los trabajadores.
Este artículo de resultados presenta una metodología basada en opciones reales para valorar proyectos fotovoltaicos en Instituciones Prestadoras de Servicios de Salud (IPS) de Colombia, superando las limitaciones de los métodos financieros tradicionales ante la incertidumbre sectorial. El objetivo general fue hacer una valoración de proyectos fotovoltaicos en hospitales mediante el enfoque de opciones reales. La metodología empleó un enfoque mixto, descriptivo y transversal, analizando dos casos en Barranquilla: el Hospital Barranquilla y el Hospital Nazareth. Se utilizaron encuestas y modelos matemáticos de árboles binomiales y Black-Scholes para dimensionar la viabilidad técnica y financiera. Los resultados tradicionales mostraron un VPN de $70.580.406 (TIR 23%) para Barranquilla y $40.974.695 (TIR 22%) para Nazareth. No obstante, el análisis de opciones reales reveló un valor adicional de $11.928.063 por expansión en el primer caso, mientras que en el segundo se recomendó retrasar la inversión por riesgos operativos. Las encuestas validaron una alta pertinencia ambiental, proyectando ahorros en costos operativos de entre el 15% y el 25%. Para concluir, esta metodología constituye una herramienta estratégica para fortalecer la resiliencia energética y la sostenibilidad en el Caribe colombiano. A modo de cierre, la propuesta no solo optimiza el rendimiento económico, sino que asegura la continuidad de servicios críticos, dinamizando el progreso social y la industria energética regional.
El ácido poliláctico (PLA) es uno de los materiales más utilizados en procesos de impresión 3D; sin embargo, la generación de residuos provenientes de soportes y piezas defectuosas representa un desafío creciente para su gestión. Este trabajo presenta el diseño y validación de un sistema modular para el reciclaje de PLA mediante trituración y extrusión, orientado a su implementación en entornos educativos y de manufactura a pequeña escala. El sistema desarrollado permite transformar residuos de impresión 3D en filamento reutilizable a través de un proceso integrado de reducción de tamaño y extrusión controlada. Se evaluaron parámetros operativos como la capacidad de trituración, el consumo energético y la estabilidad dimensional del filamento obtenido. Los resultados muestran una capacidad de trituración de 1.2 kg/h y una producción de filamento de 0.32 kg/h con un diámetro promedio de 1.75 ± 0.10 mm, valores comparables con prototipos académicos reportados en la literatura. El sistema desarrollado demuestra la viabilidad técnica del reciclaje de PLA en contextos educativos y de innovación tecnológica.
Calcium copper titanate (CCTO) and zinc oxide (ZnO) are metal oxide semiconductors with significant potential for volatile organic compound (VOCs) sensing applications, such as the detection of 1-isopropanol, due to their remarkable semiconducting properties. CCTO is notable for its exceptionally high dielectric constant, whereas ZnO is a wide-bandgap semiconductor widely recognized for its excellent gas-sensing performance at elevated temperatures. In this study, a CCTO/ZnO composite was synthesized via solution combustion (SC), a technique that enables the formation of highly dispersed composite materials without the need for mechanical mixing, thus reducing both energy consumption and processing time. X-ray diffraction (XRD) analysis confirmed that incorporating 20 weight % (wt.%) ZnO into the combustion solution preserved CCTO as the predominant phase, with ZnO crystallizing due to the high temperatures achieved during combustion. However, increasing the ZnO content to 50 wt.% destabilized the CCTO phase and promoted the formation of a secondary phase, TiZn₂O₄, attributed to redox conditions and elevated reaction temperatures. Scanning electron microscopy (SEM) and field emission scanning electron microscopy (FE-SEM) revealed the formation of CCTO aggregates larger than 20 µm, composed of grains approximately (0.3 ± 0.1) µm in size. In contrast, ZnO nanoparticles, measuring (14 ± 3) nm, were uniformly distributed across the CCTO surface, as confirmed by energy-dispersive X-ray spectroscopy (EDX), supporting the effectiveness of the SC method in producing well-dispersed heterojunction composites. The gas-sensing performance of the composites was evaluated based on their sensitivity to 1-isopropanol vapor. All composites exhibited significant sensor responses; however, the 50 wt. % CCTO/ZnO composite demonstrated the highest response at 300 °C across a concentration range of 18.8 to 3761.44 ppm, along with good reproducibility, highlighting the potential of the CCTO/ZnO heterostructure synthesized via solution combustion for 1-isopropanol detection.
In this paper, we investigate reinforcement learning (RL) as a method for optimizing the automatic identification of bird species from acoustic recordings. A pipeline is proposed that integrates audio signal segmentation, bandpass filtering, and Kalman filtering, whose parameters are dynamically optimized using Q-learning. The reward function is defined based on the confidence scores provided by the BirdNET classifier. The RL agent adaptively adjusts the Kalman filter parameters according to the variable acoustic conditions of the environment. The proposed scheme was trained on a set of 50 field recordings and evaluated on 315 recordings form the BirdCLEF 2025 dataset, achieving an average increase of 25% (SD +/- 8.3%) in classification confidence levels compared to the baseline method.
The integration of digital technologies within the Architecture, Engineering, and Construction (AEC) sector has promoted new strategies to optimize information management and strengthen communication processes throughout the project life cycle. In this context, Building Information Modeling (BIM) has become a widely adopted methodology for data coordination and management in construction projects. More recently, the incorporation of virtual reality (VR) technologies has expanded the visualization and interaction capabilities of BIM models, enabling immersive environments for evaluation and spatial understanding.In response to this technological evolution, the present research proposes a structured BIM-VR workflow aimed at improving interoperability between platforms and facilitating the development of immersive virtual environments. The workflow was developed in three main stages. The first stage involves the preparation of the BIM model using Revit and the processing of information through Dynamo. The second stage focuses on the configuration of the VR environment in Unreal Engine, employing Blueprint for visual scripting and interaction with model elements. Finally, the third stage comprises the simulation and immersive visualization of the BIM-VR environment using the Meta Quest 2 device.As a primary result, a functional BIM-VR environment was successfully developed, integrating BIM model information into an immersive and interactive experience. Additionally, the research produced a digital repository containing a reusable VR template designed for academic and research applications. The findings demonstrate the potential of BIM-VR integration to strengthen visualization processes, learning experiences, and technical communication in educational and collaborative design environments.
This paper presents the computational design and validation of a transfemoral prosthesis with a polycentric knee mechanism, based on kinematic synthesis and multibody dynamics. Two linkage mechanisms (four-bar and Stephenson) were synthesized to reproduce the physiological instantaneous center of rotation (ICR) trajectory of the human knee. Optimization using an adaptive Differential Evolution algorithm generated configurations with significantly reduced RMS ICR error. The resulting mechanism achieves a full range of motion of 90.1 degrees, from 97 degrees (extension) to 7 degrees (flexion), satisfying passive stability criteria reported in the literature. The dynamic model, formulated using an augmented Lagrangian approach, showed excellent agreement with the kinematic analysis(errors below 0.2%) and joint reaction forces between 750 and 1750 N, confirming system stability and automatic bifurcation during gait. The final design is structurally feasible and manufacturable using conventional processes.
The drinking water supply is a global challenge that is particularly severe in coastal regions such as the Department of La Guajira, Colombia, where water scarcity remains a persistent issue affecting children and young people and directly impacting the provision of essential hygiene and food services in local schools, often leading to student absenteeism. To address these challenges, various technologies have been implemented to harness local water resources; however, many of these solutions are costly and present significant implementation barriers, making cost-effective and technically viable alternatives necessary. This work proposes a solar seawater desalination plant as an emergency solution for producing potable water from saltwater. The system integrates three main subsystems to improve process efficiency: a heat exchanger subsystem to accelerate vapor condensation and increase liquid yield, a fluid distribution subsystem to ensure uniform operation, and a level control subsystem to maintain optimal water levels in the reactor. The main objective of the proposed system is to produce up to 1300 liters of water per day for general use. The results demonstrate the technical feasibility and cost-effectiveness of the proposed desalination plant, particularly for educational institutions with limited student populations facing water supply constraints. The selection of solar distillation technology is justified by the high solar radiation potential of La Guajira, and its operational simplicity, safety, and low maintenance requirements make it especially suitable for remote regions and emergency scenarios.
