https://rinacional.tecnm.mx/jspui/handle/TecNM/197 CENIDET Fri, 11 Sep 2026 19:45:49 GMT 2026-09-11T19:45:49Z https://rinacional.tecnm.mx:443/retrieve/a42f5acc-fed1-4f52-a259-632164ac983b/CENIDET PNG.png https://rinacional.tecnm.mx/jspui/handle/TecNM/197 https://rinacional.tecnm.mx/jspui/handle/TecNM/13985 Title: Desarrollo de un modelo basado en lenguaje natural para la recuperación de información histórica y cultural mediante técnicas de retrieval augmented generation Authors: Franco Rogel, Johan Argenis%2042376 Description: Los modelos de lenguaje de gran tamaño han demostrado un desempeño sobresaliente en tareas de generación de texto; sin embargo, presentan limitaciones para responder consultas sobre dominios especializados debido a la posibilidad de generar información no respaldada por fuentes documentales. Una estrategia ampliamente utilizada para reducir este problema consiste en emplear arquitecturas de Generación Aumentada por Recuperación (RAG por sus siglas en inglés), las cuales incorporan información externa durante el proceso de generación. En esta investigación se desarrolló y evaluó un sistema RAG orientado al dominio museográfico, empleando un modelo de lenguaje pequeño (SLM por sus siglas en inglés) y una estrategia de recuperación híbrida basada en la combinación lineal de evidencia léxica y evidencia semántica. Como parte del trabajo se realizaron cinco experimentos: evaluación de la robustez del recuperador ante errores ortográficos; selección del modelo generativo mediante el banco de pruebas Multilingual Massive Multitask Language Understanding (MMMLU); comparación de estrategias de recuperación sobre el conjunto MessIRve; evaluación integral del sistema RAG mediante métricas de recuperación, generación y evaluadores automáticos; y evaluación con usuarios para analizar el desempeño y la interacción con el sistema. Los resultados muestran que la estrategia híbrida propuesta supera a los métodos de recuperación convencionales, obteniendo mejores valores en MRR y exhaustividad (Recall). Asimismo, la implementación desarrollada obtuvo un mejor desempeño que una implementación equivalente basada en LangChain tanto en recuperación como en generación de respuestas. Finalmente, la evaluación con usuarios evidenció que el sistema facilita la consulta de información histórica mediante lenguaje natural y favorece la exploración del contenido museográfico. Fri, 04 Sep 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13985 2026-09-04T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13984 Title: Análisis de Extracción de Energía de un Sistema Fotovoltaico Parcialmente Sombreado Mediante la Reconfiguración con Algoritmos Inteligentes y Convertidor Multipuerto Authors: Córdova Ávila, Angel Uriel%2063995 Description: La generación de energía eléctrica mediante sistemas fotovoltaicos ha adquirido gran relevancia debido a la necesidad de incrementar la participación de fuentes renovables, disminuir la dependencia de los combustibles fósiles y reducir las emisiones de gases de efecto invernadero. Sin embargo, el desempeño de los sistemas fotovoltaicos se ve afectado por condiciones de sombreado parcial, provocando limitaciones que han impulsado el desarrollo de estrategias orientadas a maximizar el aprovechamiento de la energía disponible. En este trabajo de investigación se propone una estrategia de reconfiguración dinámica para sistemas fotovoltaicos empleando un convertidor multipuerto, capaz de desacoplar los paneles sombreados de los no sombreados para maximizar la energía extraída del sistema. El sistema incorpora un algoritmo de optimización por Enjambre de Partículas (Particle Swarm Optimization, PSO) para el seguimiento del punto de máxima potencia (Maximum Power Point Tracking, MPPT), permitiendo adaptar la configuración del sistema de acuerdo a las condiciones de irradiancia presentes. Los resultados obtenidos demuestran que bajo condiciones de sombreado parcial, donde una configuración convencional en serie presenta pérdidas de potencia de hasta el 89.9 %, la estrategia propuesta logra recuperar una eficiencia promedio de hasta el 80.21 % en los escenarios de mayor severidad, además de mantener una extracción uniforme de potencia en los módulos desacoplados. Este avance presenta una alternativa basada en convertidores multipuerto y técnicas de optimización que incrementa la extracción de la energía solar disponible, contribuyendo al desarrollo de sistemas fotovoltaicos más eficientes y robustos para hacer frente a las principales limitaciones para el aprovechamiento eficiente de la energía solar fotovoltaica. Wed, 02 Sep 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13984 2026-09-02T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13983 Title: Diseño de una microturbina hidráulica para la generación de energía verde a partir de la recuperación energética en redes de tuberías de suministro de agua Authors: Paez Soto, David Emiliano%1313852 Description: El monitoreo continuo de las redes de suministro para mitigar pérdidas de agua demanda el uso de sensores electrónicos autónomos. No obstante, su implementación enfrenta importantes limitaciones logísticas y económicas, debido a la dependencia del suministro de energía en zonas remotas. En algunos casos, estos sistemas utilizan baterías que requieren ser reemplazadas periódicamente, lo que representa una dificultad adicional en lugares de difícil acceso. Aunque las microturbinas hidráulicas de eje vertical colocadas directamente en las tuberías presurizadas representan una alternativa viable de autoabastecimiento, los diseños tradicionales de arrastre inducen elevadas caídas de presión que obstruyen el flujo en el conducto hídrico. Para superar esta problemática, en este trabajo se propone el diseño paramétrico de álabes utilizando tres espirales matemáticas inspiradas en la naturaleza: Arquímedes, Fibonacci y Logarítmica. El proceso incluyó la validación y verificación de las simulaciones de las turbinas instaladas en una tubería mediante el software, utilizando datos numéricos y experimentales como referencia. Durante la verificación, se obtuvo un error relativo inferior al 5 % en la estimación del torque y la eficiencia. Los resultados de las simulaciones demuestran que la espiral Logarítmica es la más eficiente, alcanzando un 16.5 %, superando al diseño convencional S-Shaped (12.8 %) y al perfil Bach (15.8 %) reportados en la literatura. Aunque el torque generado fue menor en comparación con el de la turbina de referencia (S-Shaped), las turbinas propuestas lograron reducir la caída de presión en casi un 50 %, al pasar de 14 256 Pa a 8 069 Pa. Esto favorece una menor pérdida de carga en el sistema hidráulico. En conclusión, el uso de geometrías basadas en espirales matemáticas, como las empleadas en este proyecto, mejora la eficiencia mecánico-hidráulica y favorece la implementación de microturbinas como fuentes sostenibles de energía para redes inteligentes de agua. Estas tecnologías representan una solución innovadora para avanzar hacia infraestructuras hídricas energéticamente autónomas. Wed, 02 Sep 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13983 2026-09-02T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13982 Title: Detección de Comportamiento Sospechoso en Videos de Situaciones en Carretera Authors: Gutiérrez Montor, Mauricio%1249659 Description: El robo a transporte de carga es un delito de alta incidencia en México que impacta directamente en la seguridad de los transportistas. En el estado del arte se identificó que la mayoría de los desarrollos basados en inteligencia artificial para detectar o reconocer comportamientos sospechosos asociados a delitos se enfocan en cámaras de videovigilancia fijas, ubicadas dentro o fuera de establecimientos, generalmente bajo condiciones controladas. Otros trabajos procesan secuencias en entornos más desafiantes, como carreteras, donde la cámara es móvil y las condiciones de la escena son variables; sin embargo, estos se orientan principalmente a la detección de accidentes. Ante este panorama, en este trabajo se propuso una arquitectura basada en visión artificial para la detección autónoma de comportamientos sospechosos característicos de robo a transporte de carga, utilizando secuencias de video capturadas desde cámaras móviles de tablero (dashcams) con vista frontal. La solución integra módulos de detección de objetos (OD), seguimiento múltiple de objetos (MOT) y clasificación de series de tiempo (TSC) dentro de un pipeline asíncrono capaz de operar en tiempo real. Para el entrenamiento y evaluación, se construyeron dos conjuntos de datos novedosos: uno compuesto por videos reales extraídos de redes sociales y otro formado por videos sintéticos generados mediante motores gráficos e inteligencia artificial generativa. La evaluación experimental demostró que la combinación del modelo OD YOLO11s, el sistema MOT Deep OC-SORT y el modelo TSC HydraMultiRocket alcanzó una exactitud balanceada de 83.21 % en la clasificación de eventos normales, sospechosos y evidentes. Con ello, el trabajo realizado constituye un componente funcional para el desarrollo futuro de sistemas de alerta proactiva capaces de anticipar y registrar situaciones de riesgo en carretera. Wed, 02 Sep 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13982 2026-09-02T00:00:00Z