Modelo para la planificación de la producción en micro viveros del Paraguay
Tesis Materias > Ingeniería Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster Cerrado Español Los pequeños y micro viveros del Paraguay normalmente son empresas familiares con poco personal que se desenvuelven en un entorno muy cambiante, cuya producción de plantines está muy influenciada por el clima y las demandas del mercado. Para sobrevivir en este entorno, los micro viveros deben ser capaces de predecir la demanda, donde la falta de plantines genera pérdida por falta de ventas además de generar una mala relación con los productores por no poder cumplir con los pedidos, y mientras que una sobreproducción generaría pérdidas al tener que desechar plantines no vendidos. El objetivo propuesto es crear un modelo para la planificación de la producción para pequeños y micro viveros basado en inteligencia artificial. Con el cual los viveros puedan esquematizar y estructurar la planificación de su producción sin depender completamente del personal con experiencia. Influye en la planificación de la producción de los micro viveros el espacio disponible en los distintos sectores del vivero, el tamaño de las plantas y el tiempo que deben permanecer los plantines en el vivero. El uso de la Inteligencia Artificial para predecir la producción complementará la experiencia del personal del vivero. De los algoritmos utilizados en Inteligencia Artificial, se considera el principal algoritmo, la regresión lineal que además es el ideal para realizar predicciones y utilizarlo en la planificación. La metodología CRISP-DM establece una estructura para trabajar con grandes volúmenes de datos definiendo fases que van desde el entendimiento del negocio, entendimiento de los datos, preparación de datos, modelado, evaluación e implementación. Esta metodología es útil para trabajar con Inteligencia Artificial generando varios modelos en el proceso hasta llegar al óptimo. El modelo propuesto para la planificación de la producción consiste en utilizar las características del vivero y de las plantas junto con los registros de producción, pedidos, ventas y desechos para realizar la planificación basado en Inteligencia Artificial. Posee 5 fases, los cuales son: Planificación, Recolección de datos, Entrenamiento de la IA, Validación de los resultados y la Implementación. El diseño de la investigación es descriptivo de corte longitudinal, se han registrado los datos de 9 meses de los cuales 6 meses fueron para recolectar datos y los últimos tres para realizar la predicción, comparando la predicción con los datos registrados, utilizando la validación del R2 que compara el resultado del algoritmo de IA y cuánto se ajusta a los datos. En el primer mes la predicción fue inferior a la producción del vivero, con valores de R2 para la lechuga, repollo, brócoli y coliflor, 85%, 81%, 71% 73% respectivamente. Para el tercer mes la predicción de la lechuga, repollo y coliflor del 85%, 92%, 86% y 90% respectivamente. El modelo propuesto a logrado predecir con bastante exactitud la producción del vivero. En el período analizado los datos fueron afectados por un período de sequía y de lluvias. Es muy importante que lo generado por el modelo sea revisado en última instancia por el responsable del vivero, para evitar posibles influencias no deseadas de los factores externos contemplados en el modelo. metadata Streuli Wanderer, Edgar Daniel mail edgarstreuli@gmail.com (2022) Modelo para la planificación de la producción en micro viveros del Paraguay. Masters thesis, SIN ESPECIFICAR.
Texto completo no disponible.Resumen
Los pequeños y micro viveros del Paraguay normalmente son empresas familiares con poco personal que se desenvuelven en un entorno muy cambiante, cuya producción de plantines está muy influenciada por el clima y las demandas del mercado. Para sobrevivir en este entorno, los micro viveros deben ser capaces de predecir la demanda, donde la falta de plantines genera pérdida por falta de ventas además de generar una mala relación con los productores por no poder cumplir con los pedidos, y mientras que una sobreproducción generaría pérdidas al tener que desechar plantines no vendidos. El objetivo propuesto es crear un modelo para la planificación de la producción para pequeños y micro viveros basado en inteligencia artificial. Con el cual los viveros puedan esquematizar y estructurar la planificación de su producción sin depender completamente del personal con experiencia. Influye en la planificación de la producción de los micro viveros el espacio disponible en los distintos sectores del vivero, el tamaño de las plantas y el tiempo que deben permanecer los plantines en el vivero. El uso de la Inteligencia Artificial para predecir la producción complementará la experiencia del personal del vivero. De los algoritmos utilizados en Inteligencia Artificial, se considera el principal algoritmo, la regresión lineal que además es el ideal para realizar predicciones y utilizarlo en la planificación. La metodología CRISP-DM establece una estructura para trabajar con grandes volúmenes de datos definiendo fases que van desde el entendimiento del negocio, entendimiento de los datos, preparación de datos, modelado, evaluación e implementación. Esta metodología es útil para trabajar con Inteligencia Artificial generando varios modelos en el proceso hasta llegar al óptimo. El modelo propuesto para la planificación de la producción consiste en utilizar las características del vivero y de las plantas junto con los registros de producción, pedidos, ventas y desechos para realizar la planificación basado en Inteligencia Artificial. Posee 5 fases, los cuales son: Planificación, Recolección de datos, Entrenamiento de la IA, Validación de los resultados y la Implementación. El diseño de la investigación es descriptivo de corte longitudinal, se han registrado los datos de 9 meses de los cuales 6 meses fueron para recolectar datos y los últimos tres para realizar la predicción, comparando la predicción con los datos registrados, utilizando la validación del R2 que compara el resultado del algoritmo de IA y cuánto se ajusta a los datos. En el primer mes la predicción fue inferior a la producción del vivero, con valores de R2 para la lechuga, repollo, brócoli y coliflor, 85%, 81%, 71% 73% respectivamente. Para el tercer mes la predicción de la lechuga, repollo y coliflor del 85%, 92%, 86% y 90% respectivamente. El modelo propuesto a logrado predecir con bastante exactitud la producción del vivero. En el período analizado los datos fueron afectados por un período de sequía y de lluvias. Es muy importante que lo generado por el modelo sea revisado en última instancia por el responsable del vivero, para evitar posibles influencias no deseadas de los factores externos contemplados en el modelo.
| Tipo de Documento: | Tesis (Masters) |
|---|---|
| Palabras Clave: | Planificación de la siembra,Producción de plantines,Gestión de la germinación,Distribución de plantines,Micro Viveros |
| Clasificación temática: | Materias > Ingeniería |
| Divisiones: | Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster |
| Depositado: | 25 Abr 2024 23:30 |
| Ultima Modificación: | 25 Abr 2024 23:30 |
| URI: | https://repositorio.uneatlantico.es/id/eprint/2929 |
Acciones (logins necesarios)
 |
Ver Objeto |
en
close
Enzymatic treatment shapes in vitro digestion pattern of phenolic compounds in mulberry juice
The health benefits of mulberry fruit are closely associated with its phenolic compounds. However, the effects of enzymatic treatments on the digestion patterns of these compounds in mulberry juice remain largely unknown. This study investigated the impact of pectinase (PE), pectin lyase (PL), and cellulase (CE) on the release of phenolic compounds in whole mulberry juice. The digestion patterns were further evaluated using an in vitro simulated digestion model. The results revealed that PE significantly increased chlorogenic acid content by 77.8 %, PL enhanced cyanidin-3-O-glucoside by 20.5 %, and CE boosted quercetin by 44.5 %. Following in vitro digestion, the phenolic compound levels decreased differently depending on the treatment, while cyanidin-3-O-rutinoside content increased across all groups. In conclusion, the selected enzymes effectively promoted the release of phenolic compounds in mulberry juice. However, during gastrointestinal digestion, the degradation of phenolic compounds surpassed their enhanced release, with effects varying based on the compound's structure.
Peihuan Luo mail , Jian Ai mail , Qiongyao Wang mail , Yihang Lou mail , Zhiwei Liao mail , Francesca Giampieri mail francesca.giampieri@uneatlantico.es, Maurizio Battino mail maurizio.battino@uneatlantico.es, Elwira Sieniawska mail , Weibin Bai mail , Lingmin Tian mail ,
Luo
<a class="ep_document_link" href="/17813/1/s12094-025-03950-w.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background Before the incorporation of enfortumab vedotin with pembrolizumab, the standard of care for patients with locally advanced or metastatic urothelial carcinoma who do not progress after platinum-based chemotherapy was avelumab maintenance therapy, as demonstrated by the JAVELIN 100 trial. However, real-world European data remain scarce. Patients and Methods AVEBLADDER is a retrospective study conducted at 14 hospitals in Northern Spain, including patients with locally advanced or metastatic urothelial carcinoma diagnosed between January 2021 and June 2023. Outcomes of overall survival (OS) and progression-free survival (PFS) were analyzed for patients treated with platinum-based chemotherapy, with and without subsequent avelumab maintenance therapy. non-avelumab patients. Median PFS was 11.33 months (95% CI: 10–13.6) with avelumab and 6.43 months (95% CI: 6–7.6) without. One-year OS probabilities were 81.6% vs. 45.6% (p < 0.001) in the avelumab and non-avelumab groups, respectively. No unexpected toxicities were reported. Conclusions Despite proven survival benefits, avelumab uptake in real-world practice is limited by barriers like access, reimbursement, and awareness. These findings align with JAVELIN 100 and underscore the need for further real-world studies to address treatment disparities.
Marta Sotelo mail , Mireia Peláez mail mireia.pelaez@uneatlantico.es, Laura Basterretxea mail , Estrella Varga mail , Ricardo Sánchez-Escribano mail , Eduardo Pujol Obis mail , Carmen Santander mail , Mireia Martínez Kareaga mail , Mikel Arruti Ibarbia mail , Inmaculada Rodríguez Ledesma mail , Carlos Álvarez Fernández mail , Pablo Piedra mail , Verónica Calderero Aragón mail , Nuria Lainez mail , Juan Antonio Verdún Aguilar mail , Irene Gil Arnáiz mail , Ricardo Fernández mail , Cristina Mazas Pérez-Oleaga mail cristina.mazas@uneatlantico.es, Ignacio Duran mail ,
Sotelo
<a href="/17814/1/45-58_Alexeeva-Alexeev_Kaminska_Ementor_2_109_2025.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Although financial literacy would seem relevant to university students’ education, it is not currently offered as a transversal subject within European academic curricula. It should therefore come as no surprise that a common solution are ad-hoc specific courses, with students often additionally acquiring valuable learning through their own experiences in business environments. With this and the recent literature on the drivers of financial literacy in mind, the authors decided to explore the context shaped by socio-demographic, academic and work-related factors that either promote or prevent European university students from developing appropriate financial skills, such as managing personal finances, planning for short- and long-term needs, and distinguishing among different sources of non-traditional funding. The study used a sample of 881 undergraduate and postgraduate university students from Romania, Poland and Spain from different studies, with information obtained through an anonymous online survey. The applied econometric model was cumulative regression with location-scale estimation using the R software, version 4.3.2, with variables associated directly with the development of basic financial skills being age, gender, country, but also specific training as well as work and entrepreneurial experience. The authors stress the importance of providing financial management education connected to the reality, especially the business and entrepreneurial environment.
Inna Alexeeva-Alexeev mail inna.alexeeva@uneatlantico.es, Ana Kaminska mail , Cristina Mazas Pérez-Oleaga mail cristina.mazas@uneatlantico.es, Sorin Gabriel Anton mail ,
Alexeeva-Alexeev
en
close
A novel machine learning-based proposal for early prediction of endometriosis disease
Background Endometriosis is one of the causes of female infertility, with some studies estimating its prevalence at around 10 % of reproductive-age women worldwide and between 30 and 50 % in symptomatic women. However, its diagnosis is complex and often delayed, highlighting the need for more accessible and accurate diagnostic methods. The difficulty lies in its diverse etiology and the variability of symptoms among those affected. Methods This study proposes a predictive model based on supervised machine learning for the early identification of endometriosis, providing support for decision-making by healthcare professionals. For this purpose, an anonymised dataset of 5,143 female patients diagnosed with endometriosis at the private fertility clinic Inebir was used. The model integrates clinical records and genetic analysis through supervised machine learning algorithms, focusing on clinical variables and pathogenic and potentially pathogenic genetic variants. Results The developed predictive model achieves high accuracy in identifying the presence of endometriosis, highlighting the importance of combining clinical and genetic data in diagnosis. The integration of this data into the DELFOS platform, a clinical decision support system, demonstrates the utility of machine learning in improving the diagnosis of endometriosis. Conclusions The findings underscore the potential of clinical and genetic factors in the early diagnosis of endometriosis using supervised machine learning algorithms. This study contributes to the classification of clinical variables that influence endometriosis, offering a valuable tool for clinicians in making therapeutic and management decisions for their female patients.
Elena Enamorado-Díaz mail , Leticia Morales-Trujillo mail , Julián-Alberto García-García mail , Ana Teresa Marcos Rodríguez mail anateresa.marcos@uneatlantico.es, José Manuel Navarro-Pando mail jose.navarro@uneatlantico.es, María-José Escalona-Cuaresma mail ,
Enamorado-Díaz
<a href="/17788/1/s40537-025-01167-w.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Detecting hate in diversity: a survey of multilingual code-mixed image and video analysis
The proliferation of damaging content on social media in today’s digital environment has increased the need for efficient hate speech identification systems. A thorough examination of hate speech detection methods in a variety of settings, such as code-mixed, multilingual, visual, audio, and textual scenarios, is presented in this paper. Unlike previous research focusing on single modalities, our study thoroughly examines hate speech identification across multiple forms. We classify the numerous types of hate speech, showing how it appears on different platforms and emphasizing the unique difficulties in multi-modal and multilingual settings. We fill research gaps by assessing a variety of methods, including deep learning, machine learning, and natural language processing, especially for complicated data like code-mixed and cross-lingual text. Additionally, we offer key technique comparisons, suggesting future research avenues that prioritize multi-modal analysis and ethical data handling, while acknowledging its benefits and drawbacks. This study attempts to promote scholarly research and real-world applications on social media platforms by acting as an essential resource for improving hate speech identification across various data sources.
Hafiz Muhammad Raza Ur Rehman mail , Mahpara Saleem mail , Muhammad Zeeshan Jhandir mail , Eduardo René Silva Alvarado mail eduardo.silva@funiber.org, Helena Garay mail helena.garay@uneatlantico.es, Imran Ashraf mail ,
Raza Ur Rehman