https://hdl.handle.net/20.500.12008/26 Reúne las tesis de grado Wed, 18 Feb 2026 21:48:55 GMT 2026-02-18T21:48:55Z https://hdl.handle.net/20.500.12008/53512 Título: SIGAP : Sistema de Información Geográfica para el Análisis Prospectivo Autor: Cristiani, María Eugenia; Moreno, Santiago Resumen: Existen cada vez más y distintas técnicas para estudiar el futuro. Una de las técnicas utilizadas con este objetivo es la Prospectiva. La misma se basa en el método científico teniendo en cuenta el pasado y presente para lograr obtener una representación lo más completa posible de diferentes alternativas del futuro. Se utiliza para medir los potenciales impactos de determinados proyectos pudiendo de este modo prevenir resultados no deseados. En Uruguay esta disciplina se suele utilizar en la gestión de políticas de ordenamiento territorial. Es en esta área de estudio donde cobran relevancia las variables territoriales georeferenciadas. En este contexto surge la necesidad de promover el desarrollo de técnicas y herramientas de software, que ayuden a sistematizar los procesos de análisis prospectivo tradicional vinculándolo con elementos geográficos. Una línea de investigación de Rosario Casanova es la aplicación de sistemas de información geográfica para realizar estudios prospectivos. El objetivo de este proyecto es desarrollar una aplicación que asista al analista prospectivo en la tarea de procesar los distintos factores clave, generando así los diferentes escenarios territoriales posibles. Esta herramienta permitiría al analista prospectivo realizar sus estudios de forma más sencilla y objetiva. Para lograr dicho objetivo, cobran especial relevancia los Sistemas de Información Geográfica como herramienta idónea para modelar y entender los comportamientos de las variables geográficas. Estos no solo permiten una visualización del territorio de manera simple e intuitiva, sino que también permiten realizar operaciones geográficas entre los datos que participan en el análisis. En este proyecto de grado se desarrolló una herramienta como extensión de gvSIG que ayuda a realizar el análisis prospectivo en todas sus etapas. La misma permite la definición del modelo prospectivo, los factores clave y realizar las proyecciones correspondientes. Esta será publicada como plugin oficial de gvSIG y puesta a disposición de la comunidad. Descripción: Cliente : Ing. Agrimensora Rosario Casanova. Fri, 01 Jan 2016 00:00:00 GMT https://hdl.handle.net/20.500.12008/53512 2016-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53498 Título: Análisis y extensión de modelos de células de dirección de la cabeza de roedores Autor: Pereira Cuadrado, Lázaro Resumen: Este trabajo presenta un análisis de artículos de células de dirección de la cabeza de roedores que describan su comportamiento, y realiza un relevamiento, tanto de modelos matemáticos como de modelos computacionales. Comenzando por el análisis de artículos con enfoques principalmente biológicos sobre dichas células, donde construye una base sólida de entendimiento de la temática, se continúa a través de sucesivos artículos referenciados. Cada uno de estos artículos incrementa, paso a paso, sobre distintas propiedades y desarrolla cada uno modelos más complejos. Una vez adquirida una comprensión adecuada de la dinámica de las células y los modelos, se procede a la puesta en funcionamiento y prueba de uno de los modelos relevados. La construcción de un escenario de pruebas en el simulador Gazebo, donde se incluye un entorno de referencias para experimentar y un robot Ridgeback: práctico, sencillo y extensible, que permite, sobre el sistema operativo robótico, ROS, la ejecución del modelo computacional y análisis de su funcionamiento, evidenciando carencias y problemas, y mostrando posibilidades de extensiones a implementar. Una de estas carencias es la falta de procesamiento de imágenes para las referencias visuales, por lo que se incluyó un paso intermedio entre la cámara del robot y la activación de la célula de para darle un uso práctico a las células de visión, obteniéndose resultados satisfactorios con corrección de desfasaje de dirección del sistema. Diversas magnitudes de velocidad angular de giro del robot no se ven acompasadas por el desplazamiento del cúmulo del atractor de la red neuronal, causando una acumulación de error en la representación de la dirección del sistema. Por esto, se consideró y llevó a cabo la implementación de soporte de múltiples velocidades puntuales. Si bien se logró que el sistema tolere más de una velocidad específica de giro, el resultado no es fácilmente escalable considerando la cantidad de magnitudes que pueden surgir en varios escenarios de funcionamiento. Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/20.500.12008/53498 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53487 Título: Procesamiento automático de respuestas abiertas en encuestas a usuarios de servicios del INAU Autor: Moreira Quijano, Nestor Andrés Resumen: En los primeros meses del comienzo de la pandemia de COVID-19 las familias uruguayas con hijos a cargo manifestaron estar sufriendo elevados niveles de afectación (Ares et al. 2020). Desde la Secretaría Ejecutiva de Primera Infancia de INAU surge la iniciativa de lanzar un programa de acompañamiento familiar en una modalidad virtual llamado Parentalidades Comprometidas en Casa. Este programa fue realizado en una serie de entregas distribuidas en modo virtual usando el sistema de mensajería Whatsapp. Cada entrega consistía de un documento con propuestas lúdicas y educativas para padres y madres. Al final de la entrega, se les pedía a los usuarios que completaran un formulario con una opinión sobre esa entrega. Este trabajo surge de un planteo del INAU con el objetivo de automatizar el procesamiento de las respuestas a las encuestas de los usuarios. Estas respuestas son generalmente breves y usando lenguaje natural. El volumen a procesar se puede seguir incrementando (si el programa se continua más allá de la pandemia), lo cual plantea un desafío para procesar todas las respuestas de forma manual y con pocos recursos. Uno de los objetivos del INAU es clasificar las respuestas en una jerarquía de categorías dada, donde cada respuesta pueda pertenecer a una o más de una de estas categorías. En este documento de tesis se aborda el problema con una primera fase exploratoria de los datos, así como la aplicación de un conjunto de técnicas de aprendizaje automático no supervisado con los objetivos de (a) entender la naturaleza de los datos, (b) identificar características, tópicos y grupos de datos (c) reportar al INAU posibles caminos a seguir para un abordaje del problema a futuro. Sat, 01 Jan 2022 00:00:00 GMT https://hdl.handle.net/20.500.12008/53487 2022-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53439 Título: Implementación de modelo de despacho eléctrico para el complejo hidroeléctrico del Río Negro Autor: Rodríguez Castro, Mathias; Montaño Cobas, Matias Ernesto; Zampetti Garin, Ernesto Resumen: La presente memoria documenta el desarrollo de una herramienta computacional para la resolución del problema de Coordinación Hidrotérmica de Corto Plazo, centrado en la operación horaria del Complejo Hidroeléctrico del Río Negro. El sistema fue implementado en C++ con una arquitectura modular y extensible, diseñada para representar de forma desacoplada agentes generadores, demandas, esquemas de despacho y solvers. El trabajo se basa en una formulación matemática de la literatura, que modela en detalle la operación de las represas de Bonete, Baygorria y Palmar. La implementación se desarrolló en dos etapas: una versión inicial en Python para validación conceptual, seguida por una migración a C++ con enfoque orientado a objetos. El sistema permite instanciar agentes dinámicamente, resolver el modelo con distintos solvers y almacenar los resultados estructuradamente. Su diseño facilita la incorporación de nuevas unidades, demandas o estrategias sin modificar el núcleo. Como validación, se integró una unidad térmica rápida y un esquema de costo de agua no lineal en Bonete, comprobando la extensibilidad del sistema. Se presentan además líneas de trabajo futuro, incluyendo agentes mixtos (como baterías), despachos con penalizaciones dinámicas y generación masiva de instancias para entrenamiento de modelos de aprendizaje automático. El resultado es una herramienta validada, flexible y reutilizable, aplicable en contextos académicos y de planificación energética. Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/20.500.12008/53439 2025-01-01T00:00:00Z