https://rinacional.tecnm.mx/jspui/handle/TecNM/10899 La Maestría en Ciencias de la Ingeniería es un programa de nueva creación, con orientación profesional incorporado al Sistema Nacional de Posgrados (SNP) del CONAHCYT. Thu, 02 Jul 2026 05:06:11 GMT 2026-07-02T05:06:11Z https://rinacional.tecnm.mx:443/retrieve/ff7a8833-030b-43fb-ac4d-c8580d695367/logo web.png https://rinacional.tecnm.mx/jspui/handle/TecNM/10899 https://rinacional.tecnm.mx/jspui/handle/TecNM/13301 Title: MODELO CLASIFICADOR DE RESIDUOS SÓLIDOS URBANOS (RSU) DEL TIPO MADERA Y TEXTIL MEDIANTE INTELIGENCIA ARTIFICIAL Y MACHINE LEARNING Authors: CARRANZA VEGA, JONATHAN JESÚS Description: En varias ciudades del mundo los Residuos Sólidos Urbanos (RSU) son un problema en crecimiento, se estima que aumente a 3,400 millones de toneladas para el año 2050. En México se generan diariamente en promedio 108,146 toneladas de RSU. Los sistemas de Inteligencia Artificial (IA) se han fortalecido como herramientas informáticas para agilizar los procesos de gestión. No obstante, la mayoría de estos se centran principalmente en la clasificación de residuos como papel, plástico, vidrio y metal, por lo que, los desechos de madera y textil han recibido poca atención. Este trabajo propone un análisis comparativo sistemático de modelos de aprendizaje automático bajo condiciones controladas que evalúa la capacidad discriminativa de descriptores de textura clásicos aplicados a las categorías de RSU de madera y textil. El procedimiento consistió en la extracción de características de textura de un conjunto de 4,396 imágenes de residuos de madera y textil utilizando técnicas Local Binary Pattern (LBP), Gray-Level Co-occurrence Matrix (GLCM), Histogram of Oriented Gradients (HOG), Canny/Sobel edge detection y Fractal Dimension (FD). Al integrar todos estos descriptores se implementó el algoritmo Random Forest Importance para identificar las variables más discriminantes. Finalmente, el subconjunto óptimo se utilizó para entrenar tres modelos de Machine Learning (ML). Los resultados demostraron que Multilayer Perceptron (MLP) obtuvo el mejor desempeño con una precisión del 96.70%, seguido por Random Forest (RF) con 95.45% y Support Vector Machine (SVM) con 95.22%. Esto confirma que al combinar técnicas clásicas de análisis de textura con modelos de ML logra una clasificación binaria de alta precisión para textiles y madera bajo condiciones controladas. La implementación de estas comparaciones servirá como base para el desarrollo de nuevas herramientas tecnológicas con bajo costo computacional que lleven a cabo una adecuada separación de residuos. Fri, 26 Jun 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13301 2026-06-26T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13123 Title: EVALUACIÓN DE UN SISTEMA DE GESTIÓN DE RESIDUOS SÓLIDOS URBANOS Authors: PERALTA ROJO, DENISSE Description: La gestión inadecuada de los Residuos Sólidos Urbanos (RSU) constituye un desafío ambiental crítico, dado que aproximadamente el 40% de los residuos llega a sitios de disposición no controlados donde la incineración a cielo abierto genera una contaminación significativa del aire, suelo y agua. El objetivo de este estudio fue evaluar el Sistema de Gestión Ambiental (SGA) de RSU en Chilpancingo de los Bravo, Guerrero, México, mediante indicadores de sostenibilidad, la normatividad ambiental mexicana aplicable con el propósito de identificar deficiencias operativas y estructurales que orienten la mejora integral de su gestión. Siguiendo una metodología que comprende el análisis del SGA a través del Plan de Desarrollo Municipal, la identificación de indicadores ambientales y normas mexicanas aplicables, evaluación del SGA mediante la caracterización de residuos e indicadores de sustentabilidad. Se definió una muestra de 208 kg conforme a las normas NMX-AA-015-1985 y NMX-AA-022-1985. Los resultados indican una tasa de generación de aproximadamente 350 toneladas por día (1.2 kg/habitante/día), con una cobertura de recolección municipal del 70% del territorio en 24 rutas diarias operadas por 30 vehículos. Los indicadores revelaron una porcentaje de reciclaje del 4.86%, cobertura de recolección 79.66%, tasa de tratamiento 0% por ausencia de instalaciones de compostaje o recuperación de materiales, y 95% de los residuos dirigidos al Sitio de Disposición Final (SDF), evidenciando deficiencias sustanciales en el SGA actual, subrayando que la aplicación sistemática de indicadores es una herramienta diagnóstica eficaz para identificar brechas y orientar mejoras basadas en evidencia en la gobernanza de RSU. Fri, 29 May 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13123 2026-05-29T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/12389 Title: PROGRAMA SEMBRANDO VIDA: MECANISMOS DE FOCALIZACIÓN EN EL ESTADO DE GUERRERO Authors: Vázquez Martínez, Diana Dolores Description: En el año 2019 el gobierno mexicano puso en marcha el Programa Sembrando Vida (PSV) con el propósito de enfrentar las problemáticas de degradación ambiental y rezago social en áreas rurales. Este trabajo analiza los mecanismos de focalización del PSV y su efectividad en el cumplimiento de sus metas en la región centro del estado de Guerrero. La investigación desarrolla una metodología mixta de seis etapas: 1. Análisis descriptivo de las Reglas de Operación; 2. Revisión documental y estadística del padrón de beneficiarios; 3. Selección de variables clave para construir indicadores sociales, económicos y ambientales; 4. Diseño, validación y aplicación de un instrumento basado en la fase 3, cálculo del tamaño de muestra al 90% de confianza, y un muestreo probabilístico estratificado proporcional; 5. Aplicación de indicadores; y 6. Análisis de resultados mediante estadística descriptiva e inferencial con intervalos de confianza para una proporción poblacional. Thu, 12 Mar 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/12389 2026-03-12T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/10923 Title: PROTOTIPO DE ÓRTESIS CON ESTIMULACIÓN MUSCULAR CONTROLADO POR COMANDOS DE VOZ Authors: RAMÍREZ ARCOS MARÍA ISABEL, RAAI961230MGRMRS03 Description: El entrenamiento de modelos de Inteligencia Artificial (IA) ha permitido el desarrollo de prototipos ortopédicos orientados a tratamientos y terapias físicas. En este estudio, se planteó como objetivo el diseño y construcción de una órtesis con estimulación muscular, controlada mediante comandos de voz, orientada al tratamiento de artrosis de rodilla en adultos mayores La metodología aplicada se estructuró en cinco etapas: 1. Adquisición de los datos; 2. Construcción del modelo; 3. Construcción del circuito; 4. Confección de la órtesis; y 5. Ensamblado del sistema. Se implementó un modelo basado en Redes Neuronales Convolucionales (CNN), integrado en un microcontrolador Arduino Nano 33 BLE Sense. El algoritmo fue entrenado y desplegado a través de la plataforma Edge Impulse, lo que permitió el reconocimiento eficiente de comandos de voz. La órtesis responde a cuatro instrucciones predefinidas: Fuerte (3), Medio (2), Bajo (1) y Nada (0), activando la estimulación muscular conforme a la intensidad indicada. Thu, 03 Jul 2025 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/10923 2025-07-03T00:00:00Z