Browsing by Subject "Internet of Things"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Diseño e implementación de un sistema de monitoreo IoT para incubadoras neonatales cerradas mediante sensores integrados
    (Pontificia Universidad Javeriana Cali, 2026) Bernal Muñoz, Angélica; Hurtado Zúñiga, Isabella; Palacios Duarte, Juan Esteban; Corchuelo Guzmán, Valentina
    Para este proyecto de grado se desarrolló un sistema de monitoreo integral para el monitoreo de múltiples incubadoras neonatales cerradas, utilizando sensores y una plataforma IoT para enviar variables al personal de salud de forma remota. Esta propuesta surge ante la necesidad de optimizar la supervisión de los neonatos prematuros, los cuales deben de permanecer en un ambiente controlado y una vigilancia constante para asegurar su desarrollo y seguridad. Los sistemas actuales permiten monitorear las variables de forma local, lo cual supone un problema a la hora de gestionar múltiples incubadoras. El sistema propuesto incluye la selección y validación de sensores, el diseño del circuito de adquisición de datos, su integración con un microcontrolador y una interfaz IoT, así como pruebas en un entorno simulado en el hospital de la Pontificia Universidad Javeriana Cali. Se realizaron dos prototipos para monitorear las variables de dos incubadoras neonatales, mediante la integración de sensores y la comunicación IoT para entregar la información a una interfaz para el uso remoto. Los resultados obtenidos evidenciaron que la mayoría de las variables cumplen con los criterios de validación establecidos gracias a la revisión de literatura. No obstante, en el caso de la medición de ruido, se identificaron limitaciones asociadas a factores externos que afectaron su correcto funcionamiento dentro del alcance del proyecto. Para algunos sensores, fue necesario realizar ajustes de calibración, como la aplicación de un offset en la medición de temperatura, una corrección lineal en la humedad y la calibración del sistema de peso mediante un factor de escala para la interpretación de los datos del módulo HX711. Se implementó también una interfaz IoT que permite la visualización sencilla de los datos obtenidos por los sistemas mediante WiFi, facilitando la interpretación de la información y contribuyendo a mejorar la supervisión simultánea de múltiples incubadoras. En conjunto, se obtuvo un prototipo funcional, demostrando así la viabilidad de la implementación de tecnologías IoT junto con la integración de sensores para la adquisición de datos en este tipo de aplicaciones.
  • Thumbnail Image
    Item
    Diseño e implementación de un sistema predictivo de calidad del agua para piscicultura en Colombia, basado en tecnología IoT y aprendizaje automático
    (Pontificia Universidad Javariana Cali, 2025) Burbano Rincón, Kamilo Yani Vam; Álvarez Bermúdez, Diego Alejandro; Martínez Álvarez, Alexánder; Valencia Díaz, Manuel Vicente
    La piscicultura en Colombia es crucial económica y socialmente. El control efectivo de las variables fisicoquímicas del agua es fundamental para su éxito. Este trabajo presenta el diseño, implementación y evaluación de un sistema IoT para monitorear estas variables en una piscicultura en Jamundí, Valle del Cauca. El sistema, que incluye hardware para medir temperatura del agua, pH y total de sólidos disueltos en el agua (TDS), transmite datos a una plataforma web cada 15 minutos. En el desarrollo del software de la plataforma web se empleó una arquitectura modelo-vista-controlador (MVC) con Java y Spring Boot, garantizando seguridad y usabilidad. Además, se aplicaron técnicas de machine learning para optimizar la gestión del agua, evaluando modelos como la regresión lineal, regresor de máquinas de soporte vectorial, regresor de k-vecinos más cercanos, regresor de árbol de decisión y regresor de bosque aleatorio. El modelo que obtuvo el menor MAE (Error absoluto medio) fue el regresor de árboles de decisión. En la plataforma web, los piscicultores pueden registrar las mediciones fisicoquímicas del agua de manera manual o utilizar el dispositivo diseñado para obtener las mediciones automáticamente. Las variables para las que se realizaron predicciones fueron la temperatura del agua, la conductividad del agua, los TDS y el pH. El sistema desarrollado permite a los operadores de pisciculturas acceder a datos actualizados en línea desde cualquier dispositivo con conexión a internet. Los datos recolectados se presentan de manera clara y comprensible mediante gráficos, facilitando su interpretación y análisis. Además, los modelos de aprendizaje automático implementados han demostrado ser efectivos en la predicción de la calidad del agua, lo que mejora significativamente la toma de decisiones y optimiza la gestión de mediciones en la piscícola.