Our purpose is to manage, preserve, and disseminate all the intellectual, scientific, and historical production of our university community.
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Prototipo de identificación y clasificación de anomalías provenientes en Logfiles de la red CORE-MPLS de EMCALI para el evento de Potencia Óptica de la interfaz de comunicación
(Pontificia Universidad Javeriana Cali, 2026) Zapato Castaño, William; Cano Salgado, Daniel; Mora Cardona, Mario Julián
El presente proyecto desarrolló un prototipo AIOps para la predicción anticipada de eventos de degradación de potencia óptica en las interfaces de la red CORE-MPLS de EMCALI E.I.C.E. E.S.P., mediante el análisis de registros de sistema (syslogs) utilizando técnicas de aprendizaje automático y aprendizaje profundo. La problemática central radica en que la gestión tradicional del Centro de Operaciones de Red (NOC) opera de forma reactiva, detectando fallas en las interfaces ópticas solo después de producirse, con el consecuente impacto en los Acuerdos de Nivel de Servicio (SLA) y en la continuidad de los servicios de telecomunicaciones. El objetivo general fue construir un prototipo funcional capaz de clasificar anomalías en archivos de log de la red CORE-MPLS de EMCALI para apoyar la toma de decisiones proactiva del equipo de soporte técnico. La metodología siguió el marco de referencia ASUM-DM (Analytics Solutions Unified Method for Data Mining), estructurado en ocho fases que abarcaron desde la comprensión del negocio y la ingeniería de características hasta la construcción de un prototipo de reporte operativo. A partir de aproximadamente 192,000 líneas de syslogs crudos se construyeron 67,187 ventanas temporales de 60 segundos con 14 características de ingeniería, incluyendo estadísticos móviles de eventos, telemetría óptica (potencia Rx/Tx en dBm) y derivadas temporales de anomalías. Se evaluaron cinco modelos (ARIMA, Regresión Logística, XGBoost, Isolation Forest y LSTM) bajo un esquema estricto de separación temporal que garantizó la ausencia de filtración de información futura (data leakage). Los resultados demostraron la superioridad del modelo LSTM para capturar la dinámica temporal secuencial de los eventos de red, alcanzando un Recall del 90\% sobre el conjunto de prueba, detectando 135 de 150 eventos positivos. En la interfaz con mayor densidad de telemetría óptica (XGigabitEthernet3/0/0), el modelo obtuvo un F1-Score del 61.54\% (Precisión: 50\%, Recall: 80\%), proporcionando una ventana de anticipación aproximada de una hora para la ejecución de acciones preventivas. El prototipo fue entregado como un paquete Python modular con interfaz de línea de comandos (CLI) que genera reportes operativos en formato HTML, demostrando la viabilidad técnica del enfoque propuesto y aportando evidencia preliminar de su viabilidad operativa sobre el escenario evaluado.
Diseño de una arquitectura de software Cloud-Agnostic basada en Microservicios, orientada a la proximidad, y protocolos de cifrado Cero conocimiento (Zero Knowledge Proofs) y efimeridad de datos para la red social AllRight
(Pontificia Universidad Javeriana Cali, 2026) Ceballos Adarve, Vladimir; Moreno Valiyes, Efren; Córdoba Victoria, Juan Felipe
El presente documento expone el diseño de la arquitectura sociotécnica para AllRight, una plataforma de red social efímera orientada a mitigar la ansiedad social en adultos jóvenes mediante interacciones presenciales espontáneas y seguras. A diferencia de las plataformas de social discovery tradicionales, AllRight implementa un paradigma de Residuo Cero y Privacy by Design, operando al 100% en memoria volátil (RAM) mediante un motor NoSQL en memoria (Redis) y garantizando el anonimato estructural de los usuarios a través de protocolos de identificación basados en ZeroKnowledge Proofs (ZKP). El diseño arquitectónico adopta el estándar C4 y se fundamenta en un ecosistema Cloud Agnostic contenerizado, lo que asegura una portabilidad absoluta entre múltiples proveedores de nube. La viabilidad de la propuesta se estructura bajo una metodología iterativa de validación empírica en dos momentos, evaluando tanto métricas de rendimiento técnico como variables psicométricas de seguridad emocional en el usuario final.
Desarrollo de un modelo de inteligencia artificial para la predicción de demanda en productos de alta rotación en PYMES de Ibagué
(Pontificia Universidad Javeriana Cali, 2026) Nova Rojas, William Andrés; Mora Cardona, Mario Julián
Las pequeñas y medianas empresas (PYMEs) minoristas suelen reponer inventario con criterios empíricos, lo que aumenta la probabilidad de desabastecimiento (ruptura de inventario y ventas perdidas) y de sobreinventario (capital inmovilizado, mayores costos de almacenamiento y merma). En este contexto, el presente trabajo de grado desarrolla y evalúa un modelo de inteligencia artificial para la predicción de demanda diaria de productos de alta rotación en dos puntos de venta minoristas ubicados en Ibagué (Mercaya y Villa Café), con el propósito de aportar una herramienta evaluada cuantitativamente y aplicable a la operación para apoyar la gestión de inventarios. Metodológicamente, se construyó un proceso reproducible que transforma datos operativos en una estructura consistente producto–día, ejecuta limpieza y estandarización, e incorpora señal temporal mediante lags y agregaciones móviles (rolling). Adicionalmente, se integran variables de calendario (día, quincena, mes y condición de día hábil) y, cuando es pertinente, contexto climático. Se entrenaron y compararon modelos de regresión lineal y ensambles basados en árboles (Random Forest, XGBoost y LightGBM) bajo un esquema de validación temporal para un horizonte de predicción de un día (h = 1). El desempeño se evaluó con métricas orientadas a una lectura operativa del error (MAE y WAPE %) y con medidas complementarias de ajuste (R2 y R2 adj ) y de penalización de errores grandes (MSE), además del tiempo de entrenamiento. Los resultados muestran que el mejor desempeño se alcanza con conjuntos compactos de variables (aprox. 9–12 variables base), lo que evidencia que aumentar el número de variables no garantiza una mejor generalización. En ambos negocios, la señal dominante proviene de la memoria temporal reciente y del calendario; en Villa Café, además, la descripción categórica del clima aporta señal contextual relevante. Random Forest presentó el mejor equilibrio global, reduciendo el error frente al entrenamiento con todas las variables: en Mercaya, el MAE disminuyó de 1075.68 a 933.04 (WAPE % de 35.85 a 31.10), y en Villa Café de 1355.22 a 1099.53 (WAPE % de 43.41 a 35.22), junto con mejoras en R2 y una menor complejidad del conjunto de variables. En conjunto, el trabajo entrega un procedimiento sostenible y replicable para apoyar decisiones de compra, reducir el desabastecimiento y el sobreinventario, y estandarizar la reposición mediante un ciclo de mejora continua basado en evidencia.
Prototipo de videojuego en realidad virtual basado en una narrativa para niños con diversidades sensoriales
(Pontificia Universidad Javeriana Cali, 2026) Gustín Martínez, Valeria Fernanda; Castillo Erazo, María Paula; Navarro Newball, Andrés Adolfo
El presente trabajo desarrolló un prototipo funcional de videojuego sensorial en realidad virtual, inspirado en el cuento infantil ¿Dónde está mi mamá jaguar?, orientado a promover la inclusión educativa y favorecer la comprensión narrativa en niños de 5 a 12 años con diversidades visuales y/o auditivas. El prototipo integra recursos multisensoriales y mecanismos de accesibilidad dentro de una experiencia inmersiva basada en la exploración, el reconocimiento y la interacción guiada. La propuesta fue diseñada e implementada utilizando tecnologías de realidad virtual y evaluada con profesionales del Instituto para Niños Ciegos y Sordos del Valle del Cauca, quienes aportaron retroalimentación para validar la funcionalidad, accesibilidad y pertinencia del sistema como herramienta de apoyo educativo inclusivo.
Finvise: desarrollo de una plataforma web de educación financiera con inteligencia artificial adaptativa
(Pontificia Universidad Javeriana Cali, 2026) Valencia Payán, Nicolás; Noreña Agudelo, Luis Gonzalo
El presente trabajo de grado describe el diseño y desarrollo de FinVise, una plataforma web educativa que emplea inteligencia artificial adaptativa para personalizar el aprendizaje financiero de sus usuarios. A diferencia de los robo-advisors tradicionales, cuya finalidad es ejecutar operaciones financieras reales, FinVise opera exclusivamente como herramienta pedagógica, enmarcando cada recomendación como un ejemplo contextualizado al perfil de vida del usuario y no como asesoramiento financiero regulado. El sistema integra cinco fuentes de datos de mercado en tiempo real, un motor de recomendaciones basado en el modelo de lenguaje Claude Sonnet de Anthropic, un algoritmo de aprendizaje Multi-Armed Bandit (UCB1) para personalización adaptativa, detección automática de cinco sesgos cognitivos respaldados por la literatura de finanzas conductuales (Kahneman y Tversky), y un diseño de encuesta pre/post que permite medir el impacto educativo cuantitativamente. La plataforma fue construida con NestJS en el backend y React con Vite en el frontend, con Supabase (PostgreSQL) como capa de persistencia. Este documento presenta la identificación de requisitos funcionales y no funcionales del sistema, el diseño de su arquitectura, la implementación del prototipo y los resultados de las pruebas de validación.