https://rinacional.tecnm.mx/jspui/handle/TecNM/2179 Wed, 05 Aug 2026 15:13:32 GMT 2026-08-05T15:13:32Z https://rinacional.tecnm.mx:443/retrieve/354531f1-9578-4d28-ba98-8ba815d90a93/TEST.jpg https://rinacional.tecnm.mx/jspui/handle/TecNM/2179 https://rinacional.tecnm.mx/jspui/handle/TecNM/13704 Title: Implementación de un sistema de gestión de calidad conforme a la norma iso/iatf 16949 en una empresa de fabricación de convertidores catalíticos y producción de AUS32 para el sector Authors: Cano Pérez, María F. Description: De acuerdo con la International Automotive Task Force (2021), el sector automotriz se distingue por demandar elevados niveles de calidad, trazabilidad y control en sus procesos a lo largo de la cadena de suministro. Estas exigencias impulsan a las organizaciones a adoptar Sistemas de Gestión de la Calidad alineados con estándares internacionales como ISO 9001 e IATF 16949, los cuales se enfocan en la mejora continua, la gestión de riesgos y la satisfacción del cliente. El presente estudio tiene como propósito fortalecer el Sistema de Gestión de la Calidad en una empresa dedicada a la fabricación de convertidores catalíticos y a la producción de AUS32, a través de la estandarización de procesos, el fortalecimiento del control documental y la implementación de herramientas de calidad que aseguren el cumplimiento de los requisitos normativos. Fri, 10 Jul 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13704 2026-07-10T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13703 Title: Sistema de conteo y madurez del agave con inteligencia artificial Authors: Morales López, Luis M. Description: El siguiente proyecto propone el desarrollo de un sistema de conteo y clasificación de madurez de agave a través de video en tiempo real, principalmente para municipios productores dentro del Estado de México. El problema actualmente en la supervisión de cultivos radica principalmente en los métodos manuales de conteo y evaluación de madurez, ya que estos resultan lentos y con margen de error alto; esta situación limita y retrasa la toma de decisiones de los procesos de producción y manejos del cultivo. Para cubrir esta necesidad, el sistema sugiere poner en práctica un modelo de visión por computadora que facilite la identificación de cada planta para agilizar el conteo y clasificación de madurez de las plantas de agave en tiempo real a través de video. La clasificación de madurez se basa en atributos visuales como la forma, el color y el tamaño de la roseta. Asimismo, se incorpora un módulo de seguimiento de objetos que reconoce cada agave por separado y evita los conteos dobles; de esta forma se asegura que los resultados son más fiables en terrenos más extensos. Thu, 02 Jul 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13703 2026-07-02T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13702 Title: Desarrollo de sistema loT de monitoreo de la contaminación en tiempo real para la gestión de agua residual textil del lavado de la mezclilla Authors: Rojas Zetina, Deivid I. Description: El presente proyecto surge como una propuesta orientada a fortalecer la gestión ambiental mediante la implementación de un sistema de monitoreo automatizado en tiempo real para medir la calidad de los cuerpos de agua. Existe un flujo constante de desechos desde fábricas, campos de cultivo y hasta nuestros propios hogares que terminan en algún cuerpo agua. Las consecuencias son muy visibles, en los ecosistemas que se deterioran y comunidades con menos acceso a agua potable. La metodología empleada para este proyecto fue la metodología de “prototipado”, debido a su enfoque en la creación de modelos funcionales en etapas tempranas del desarrollo. Esta metodología permite elaborar versiones preliminares del sistema, lo cual ayuda mucho en este caso ya que se requieren hacer pruebas constantes, obtener retroalimentación y realizar mejoras progresivas hasta alcanzar un buen resultado. El sistema integra sensores fisicoquímicos encargados de medir parámetros como pH, temperatura, conductividad y potencial redox, los cuales se encuentran conectados a un microcontrolador ESP32S que permite la recopilación y transmisión de los datos en tiempo real. La información es enviada a una página web, donde se procesa y se presenta de forma clara además de comprender mediante un mapa de México con puntos claros con los que se puede interactuar, facilitando su interpretación por parte de usuarios interesados. Entre los resultados esperados se encuentra, la disminución de los tiempos de respuesta ante posibles contaminantes y la mejora en los procesos de supervisión en comparación con los métodos manuales. En conclusión, el desarrollo de esta red de monitoreo representa una solución tecnológica a la desinformación e ignorancia de la sociedad ante la contaminación del agua, al integrar las tecnologías de Internet de las Cosas (IoT) con el automatismo y visualización de datos. Thu, 02 Jul 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13702 2026-07-02T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13701 Title: Sistema detección de incendios forestales mediante inteligencia artificial Authors: Ordoñez González, Brayan Description: Los incendios forestales constituyen una amenaza constante a nivel mundial. Su impacto afecta la biodiversidad, la economía y la salud pública. En México, la Comisión Nacional Forestal (CONAFOR) reportó en 2023 una superficie afectada superior a 560,000 hectáreas (Comisión Nacional Forestal, 2025). Los métodos tradicionales de detección, como el patrullaje terrestre o la observación satelital, presentan limitaciones en la rapidez de respuesta. Con frecuencia, los incendios se identifican cuando ya alcanzan una extensión considerable. El presente trabajo tiene como propósito desarrollar e implementar un sistema de detección temprana de incendios forestales. La metodología se basa en el modelo CRISP-DM e incluye tres etapas. La primera consiste en la creación de un conjunto de imágenes con y sin presencia de fuego. La segunda contempla el diseño, entrenamiento y evaluación de arquitecturas de redes neuronales convolucionales (CNN), implementando específicamente el modelo YOLOv5, para la detección y clasificación en imágenes, La tercera corresponde al desarrollo de una plataforma web que integre el modelo de inteligencia artificial y automatice el envío de alertas mediante una API. Thu, 02 Jul 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13701 2026-07-02T00:00:00Z