Browsing by Author "Ramírez Mora, Claudio Guillermo"
Now showing 1 - 4 of 4
- Results Per Page
- Sort Options
Thesis "APLICACIÓN DE NUEVOS USOS DEL COBRE EN SUPERFICIES DE CONTACTO, PARA REDUCCIÓN DE INFECCIONES INTRAHOSPITALARIAS Y SU IMPACTO EN LOS PRESUPUESTOS DE SALUD".(2018) Flores Pérez, Alvaro Javier; Departamento de Industrias; Ramírez Mora, Claudio GuillermoAlthough Chile is the main producer of copper worldwide, the activity and developments of this industry are focused on the extraction and refining processes, with very little development of the value added industry on the metal. The exploitation and sale of the metal as a raw material, even often in the mineral state as unrefined concentrate, adds little value, reaching only the level of Comoditie subject to fluctuations in the international market. The alternatives of innovation in new uses of copper are framed in its use as a driver and more recently in the exploitation of its antimicrobial and anti-fouling capacity. Regarding the antimicrobial quality of copper, there are enough studies and accreditations of its effectiveness in the substantial reduction of bacterial loads, however, its use in the hospital industry subscribes to pilot experiences without having a public policy to promote its use. This thesis explores the advances of technologies of copper uses in reducing bacterial loads and their projection in the reduction of intrahospital infections, exploring technical and economic antecedents that give light of the possibility of introduction and development of public policies that generate a virtuous link between new intensive uses of copper and a substantial impact on the improvement of biosecurity sanitary conditions, with the reduction of intrahospital infectionsThesis Desarrollo de un modelo predictivo para determinación de capacidad antidetonante en combustibles de aviación(Universidad Técnica Federico Santa María, 2025-09) Valdivia Cáceres, Felipe Andrés; Esteban Simón, Progaska Silva; Departamento de Industrias; Ramírez Mora, Claudio GuillermoEn aviación existen dos tipos de impulsión: motores de pistón o ignición por chispa y motores de turbina. La Gasolina de Aviación (AvGas) es un combustible para la aviación basada en motores de pistón como las avionetas. La producción de esta gasolina es acotada debido a la demanda mensual. La calidad y seguridad de la gasolina de aviación dependen de varios parámatros o análisis que se hacen en al combustible y uno de ellos es la capacidad antidetonante o Detonancia de mezcla rica, medida tradicionalmente mediante el método ASTM D909-22 con un motor CFR Waukesha, un equipo fabricado en 1959 que hoy presenta múltiples desafíos: alta complejidad, sin recambio y un proceso que requiere cerca de seis horas para entregar resultados. En Chile, solo un reducido número de especialistas domina esta técnica, lo que representa un riesgo operativo y regulatorio para la venta de la Gasolina de Aviación, producida exclusivamente en Refinería Aconcagua. Esta tesina propone el desarrollo de un modelo predictivo basado en machine learning (ML) que permita estimar la Detonancia mezcla rica a partir de otras propiedades fisico-químicas registradas en sistemas de laboratorio (LIMS). El modelo Random Forest resultó ser la alternativa más precisa en el conjunto de datos estudiado, con un error promedio inferior al 1%, reduciendo drásticamente los tiempos de análisis desde horas a segundos y mejorando la eficiencia en el proceso de control de calidad de la Gasolina de Aviación. Más allá del aspecto técnico, con este desarrollo se plantea un modelo de negocio escalable bajo la modalidad Machine Learning-as-a-Service (MLaaS), que convierte este piloto en la base para ofrecer servicios de analítica predictiva a laboratorios, refinerías y organismos reguladores. La propuesta se sustenta en ingresos recurrentes por suscripción y proyectos específicos de implementación, con potencial de expansión hacia la industria energética latinoamericana y otros sectores industriales. En síntesis, este trabajo integra ciencia de datos, innovación y emprendimiento para transformar un procedimiento analítico crítico en una solución digital más rápida, económica y escalable, que refuerza la competitividad y sostenibilidad de la industria de combustibles en Chile y la región.Thesis PROPUESTA DE GUÍA PRÁCTICA PARA LA APLICACIÓN DE TECNOLOGÍAS MACHINE LEARNING EN LAS EMPRESAS(2019-11-11) González López, Ana María; Departamento de Industrias; Ramírez Mora, Claudio GuillermoEl machine learning es sin duda una tecnología que ha ido impactando de forma exponencial en los aplicativos cotidianos y empresariales. Es nuestro deber como líderes tecnológicos saber orientar bien los desafíos empresariales y darle soluciones inteligentes. En este presente documento daremos un vistazo a que es el machine learning y cómo podemos aplicar soluciones a los nuevos desafíos empresariales en un mundo completamente real. Para interiorizarse y dar el primer paso, no se requiere de grandes recursos ni expertos en el tema. La tendencia en los últimos años, indica que algunas compañías apuestan por el Machine Learning (ML) pero lo hacen por el momento y en gran medida en un entorno controlado o de pruebas y sin influir en sus procesos de negocio principales según variados estudios, se concluye que dar el salto a la aplicación en áreas de negocio fundamentales es el gran reto al que deben hacer frente las organizaciones en 2019. Si bien esta tesina será una guía práctica y que permitirá contextualizar el grado de complejidad para inicializarse, siempre debemos tener presente y como objetivo, las siguientes preguntas: ¿Cómo evolucionar del Machine Learning en pequeña escala a una de mayor alcance? Esta respuesta se ha ido construyendo y generando una especie de tendencia, la cual podemos resumir en estos 6 siguientes contextos: 1. Disponibilidad de datos bien gobernados. A medida que se avanza en el Machine Learning más se entiende la necesidad de un gobierno del dato. Data Governance ganará relevancia durante 2019 y, gracias a ello, los profesionales podrán ser capaces de conocer bien los orígenes de datos e identificar aquellos que son de calidad y los que no. Las máquinas de aprendizaje se basan en datos de entrenamiento buenos, únicos y confiables, por lo que es imprescindible aplicar una buena política de gobierno del dato. 2. Capacitación de los profesionales de las organizaciones para entender de verdad las posibilidades del Machine Learning. Esto no sólo implica contratar perfiles especializados, sino que conlleva también capacitar a los trabajadores que conocen el negocio para que entiendan las posibilidades y las limitaciones que ofrecen las técnicas de Machine Learning. 3. Desarrollo de nuevos perfiles especialistas en datos. Complementariamente al punto anterior, la ampliación del alcance de Machine Learning, obligará a que las compañías integren en sus equipos nuevos perfiles altamente especializados, no solo el de Científico de Datos, sino, además: a) Interlocutor de negocio con conocimientos de Machine Learning. Se trata de un profesional que viene de las áreas de gestión de una empresa y toma decisiones estratégicas o tácitas y que, además, cuenta con una formación en analítica suficiente para servir de enlace entre los científicos de datos y las áreas de negocio. b) Informático que sepa integrar algoritmos y modelos de ML. Un trabajador que entienda cómo funcionan los algoritmos y conozca cómo implementar los resultados derivados de aplicar esta tecnología en la actividad y procesos de la compañía. c) Ingeniero de Datos. Responsable de suministrar o facilitar eficientemente los datos necesarios a los procesos de aprendizaje. Algo fundamental en grandes organizaciones. d) Especialista Regulatorio en Machine Learning. La entrada en vigor del Reglamento General de Protección de Datos (RGPD) y la implementación de los bancos de pruebas regulatorios o Sandbox en España conllevará la necesidad de contar con un experto en legislación que posea conocimientos sobre el marco regulatorio y ético. 4. Nuevas regulaciones en el sector financiero. El Machine Learning continuará siendo especialmente relevante en el sector financiero en 2019. La aplicación de nuevas normativas en la regulación bancaria, como la PSD2, obligará indirectamente a estos operadores a ir un paso por delante en el tratamiento de datos, antes de que la competencia lo haga por ellos. 5. Aplicación de la sensorización e IoT en el sector industrial. Esta es una de las claves de la futura competitividad de la industria española, que debe comenzar a incorporar sistemas de sensorización e IoT para el mantenimiento de los activos industriales y aplicarlos a modelos predictivos que anticipen el funcionamiento y ciclo de vida de la maquinaria. 6. Creciente importancia de los datos para las Administraciones. Las instituciones públicas empezarán a sistematizar el gran volumen de datos que disponen sobre los ciudadanos (comportamiento, tránsito, uso de espacios públicos…). Se abrirá una brecha entre aquellas administraciones que tomen decisiones en base a las posibilidades de predicción que ofrece esta información o aquellas que lo hagan siguiendo el modo tradicional.Thesis PROPUESTA DE METODOLOGÍA PARA EL DISEÑO DE EXPERIENCIAS(2019-07-18) Pérez Yañez, Andrés Ignacio; Departamento de Industrias; Ramírez Mora, Claudio GuillermoEste trabajo se enfoca en el estudio del mercado de experiencias en diferentes industrias, su evolución como valor de la economía y los elementos claves que se deben tener en consideración en el diseño exitoso de éstas. Como objetico se propone el desarrollo de una metodología que permita la generación de productos de experiencia, independientes de rubro en el cual se desee aplicar. Para lograrlo se estudian diferentes autores y trabajos de instituciones que se enfocan en explicar cómo las experiencias son percibidas por los clientes, cuáles son los casos de éxito en el desarrollo de experiencias y cuáles son las claves para su correcto diseño e implementación. Como resultado de este estudio es que se propone una serie de pasos, con actividades específicas y consideraciones en su desarrollo, que le permitirán a quienes estén interesados en emprender sus ideas en diferentes industrias, diseñar y ejecutar experiencias que entreguen a sus clientes eventos memorables.
Política de Privacidad 
