Ingeniería y Desarrollo

E-solar: a tool for solar resource assessment based on a Big Data architecture in a PySpark environment

Resumen Con el tiempo, diversos investigadores han creado modelos matemáticos, estadísticos y predictivos para evaluar el recurso solar. Sin embargo, su implementación en herramientas técnicas limita su utilización por usuarios no técnicos. Además, el procesamiento de datos para estimar la radiación solar suele requerir hardware potente. Este estudio presenta una herramienta basada en Big data que utiliza archivos planos e imágenes de satélite para estimar la radiación solar en Colombia. Se desarrolló un modelo con técnicas de aprendizaje automático y varios lenguajes de programación. Se ejecuta en MapR, una distribución del ecosistema Hadoop con un amplio conjunto de capacidades big data y emplea la API de PySpark para procesar datos en paralelo en un clúster de computadoras. La herramienta E-solar implementada en un servidor web fue evaluada por profesionales del sector energético. Se analizó la usabilidad, se verificó la conformidad con estándares de programación recientes y se identificaron perfiles de usuarios interesados. Los datos de radiación solar generados por la herramienta son fundamentales para proyectos solares. Además, la herramienta proporciona apoyo a investigadores y organizaciones; y facilita la toma de decisiones en la implementación de sistemas fotovol-taicos al ofrecer información relevante sobre el comportamiento del recurso solar en Colombia.

Abstract Over time, diverse researchers have created mathematical, statistical, and predictive models to evaluate solar resources. However, their implementation in technical tools restricts their usability for non-technical users. Additionally, data processing to estimate solar radiation often necessitates powerful hardware. This study introduces a Big Data based tool that employs flat files and satellite images to estimate solar radiation in Colombia. A model was developed using machine learning techniques and various programming languages. It operates within MapR, a distribution of the Hadoop ecosystem with an extensive array of Big Data capabilities and utilizes the PySpark API for parallel data processing within a computer cluster. The E-Solar tool, deployed on a web server, underwent assessment by professionals within the energy sector. Usability was analyzed, compliance with recent programming standards was confirmed, and profiles of interested users were identified. The solar radiation data generated by the tool are pivotal for solar projects. Furthermore, the tool lends support to researchers and organizations in decision-making for the implementation of photovoltaic systems, as it offers pertinent information regarding the behavior of solar resources in Colombia.

Effect of permeability on the factor of safety of earth dams under rainfall

Resumen En esta investigación se relacionan la permeabilidad y el contenido volumétrico de agua para evaluar su influencia en el factor de seguridad de presas de tierra homogéneas de 30 metros de altura. Para ello, se consideran cinco casos de análisis, incluyendo suelos arcillosos en el terraplén, uno para cada caso; un prisma de drenaje y una base impermeable. Estableciendo tres relaciones entre la permeabilidad y el contenido volumétrico de agua, a partir de los parámetros propios de los estudios de suelos y con el empleo de las ecuaciones de Terzaghi y Schlichter, se constituyen las condiciones fundamentales de la investigación. Se consideran cinco días de lluvia continua para tres intensidades, relacionadas con la permeabilidad saturada de cada suelo. Para ello, se emplea un modelo híbrido de elementos finitos y de equilibrio límite, mediante el programa GeoStudio (2018). El resultado permite establecer una relación entre el tiempo de falla, el método de estimación de la permeabilidad y el factor de seguridad para las intensidades de lluvia, observando que, con la aplicación del método de Schlichter, el factor de seguridad decrece abruptamente en las primeras 48 horas, mientras que para el método de Terzaghi, los resultados muestran una mayor similitud con los obtenidos a partir de los parámetros propios de los estudios de suelos.

Abstract In this research, permeability and volumetric water content are related in order to evaluate their influence on the safety factor of 30-meter-high homogeneous earthen dams. For this, five analysis cases are considered, including clayey soils in the embankment, one for each case: a drainage prism and a waterproof base. Establishing three relationships between permeability and volumetric water content, based on the parameters of the soil studies and with the use of the Terzaghi and Schlichter equations, the fundamental conditions of the investigation are established. Five days of continuous rain are considered for three intensities, related to the saturated permeability of each soil. For this, a hybrid model of finite elements and limit equilibrium is used, through the GeoStudio (2018) program. The result allows establishing a relationship between failure time, the permeability estimation method, and the safety factor for the rain intensities, observing that, with the application of the Schlichter method, the safety factor decreases abruptly in the first 48 hours, while, for the Terzaghi method, the results show a greater similarity with those obtained from the parameters of the soil studies.

Evaluation of the quality of the electrical energy supplied by a grid-connected solar photovoltaic plant using machine learning and data mining algorithms

Resumen La presencia de plantas solares fotovoltaicas para la producción de electricidad implica la disminución del uso de combustibles fósiles y la reducción de las emisiones contaminantes. La disponibilidad de la energía solar depende de las condiciones climáticas, por lo que los parámetros de la energía eléctrica a entregar podrían verse afectados. El objetivo de esta investigación es mostrar una metodología basada en la ciencia de datos para la evaluación de la calidad de la energía de plantas solares foto-voltaicas conectadas a la red, considerando los estándares vigentes. Se aplica a una planta de 260 kWp del Instituto Nacional de Estándares y Tecnología de los Estados Unidos. Los parámetros utilizados son la distorsión armónica total, fluctuaciones y desbalance de voltaje, frecuencia eléctrica, y factor de potencia. Casi el l00 % de los registros cumplen con los límites establecidos por los estándares para los parámetros, a excepción del factor de potencia, con un 63,56 %. Del modelo de clasificación del factor de potencia se obtuvo que las potencias aparente y activa y la frecuencia son las variables más importantes. Del algoritmo de descubrimiento de subgrupos se obtuvo que la irradiancia solar aparece en el 40 % de los subgrupos, y la frecuencia en el 50 %.

Abstract The presence of photovoltaic solar plants to produce electricity implies the reduction of the use of fossil fuels, and of polluting emissions. The availability of solar energy depends on weather conditions, so the parameters of the electrical energy to be delivered could be affected. The objective of this research is to present a methodology based on data science for the evaluation of the energy quality of photovoltaic solar plants connected to the grid, considering current standards. It is applied to a 260 kWp plant of the National Institute of Standards and Technology of the United States. The parameters used are total harmonic distortion, voltage fluctuations and unbalance, electrical frequency, and power factor. Almost l00% of the records comply with the limits established by the standards for the parameters, except for power factor, with 63.56%. From the power factor classification model, the knowledge that apparent and active power, and frequency, are the most important variables was gathered. From the subgroup discovery algorithm, that solar irradiance appears in 40% of the subgroups, and frequency in 50%.

Digital transformation: evolving applications of artificial intelligence in the coffee industry

Resumen La evolución de la Inteligencia Artificial (IA) en café es crucial para transformar esta agroindustria. Colombia produce anualmente 12.6 millones de sacos y desarrolla investigación sobre IA aplicada al sector; desde la detección de defectos en granos hasta la optimización del tueste para mejorar la calidad del café. Sin embargo, se carece de publicaciones que aborden líneas de investigación e indicadores de manera completa. En este contexto, este trabajo de investigación se fundamentó en un análisis estadístico multivariado de clúster jerárquico usado bajo la metodología de análisis bibliométrico. Este permitió inferir la tendencia actual de investigación en IA aplicada a la industria del café. Además, mediante técnicas bibliométricas de búsqueda de información se obtuvieron 208 documentos de la base de datos Scopus que fueron analizados con estadísticos descriptivos. Los resultados arrojaron que investigadores colombianos impactan significativamente la producción de conocimiento en IA aplicada al café, en comparación con Brasil, mayor productor de café. También, se identificaron líneas de investigación en análisis de mercado mediante Aprendizaje Automático (AA), tecnologías para detectar enfermedades y mejorar la productividad, métodos algorítmicos para resolver desafíos en esta agroindustria, y uso de teledetección e IA para la gestión ambiental y agrícola en la producción.

Abstract The evolution of Artificial Intelligence (AI) in coffee is crucial for transforming this agro-industry. Colombia annually produces 12.6 million sacks and develops research on AI applied to the sector; from the detection of defects in grains to the optimization of roasting to improve coffee quality. However, there is a lack of publications that comprehensively address research lines and indicators. In this context, this research work was based on a multi-variate statistical analysis of hierarchical clustering used in the bibliometric analysis methodology. This allowed inferring the current research trend in AI applied to the coffee industry. Additionally, using bibliometric techniques for information retrieval, 208 documents from the Scopus database were refined and analyzed with descriptive statistics. The results showed that Colombian researchers significantly impact the production of knowledge in AI applied to coffee, compared to Brazil, the largest coffee producer. Furthermore, research lines in market analysis through Machine Learning (ML), technologies to detect diseases and improve productivity, algorithmic methods to solve challenges in this agro-industry, and the use of remote sensing and AI for environmental and agricultural management in production were identified.

Advanced chemical and structural characterization of RAM memory waste: an approach towards recyclahility and environmental safety

Resumen Este estudio aborda la caracterización química y estructural de polvos derivados de la molienda de desechos de memorias RAM, enfocándose en la identificación de su composición química (elementos metálicos y no metálicos). Mediante el uso de técnicas avanzadas como espectroscopía de energía dispersiva de rayos X (EDS) y difracción de rayos X se detectó una variedad de elementos y compuestos tanto metálicos (Cu, Si, Sn) como no metálicos (fibra de vidrio) esenciales en la manufactura de placas de circuitos electrónicos. Además, se evaluaron las concentraciones de elementos ambientalmente peligrosos (Pb, As, Cd) y bifenilos policlorados, y se encontró que en su mayoría están dentro de los niveles autorizados por las regulaciones internacionales, lo que sugiere que estos desechos son relativamente seguros desde una perspectiva ecológica. No obstante, se observaron niveles de plomo superiores a los límites establecidos, lo que indica la necesidad de un manejo cuidadoso. Este trabajo contribuye al conocimiento sobre la composición de los desechos electrónicos y subraya la importancia de desarrollar procesos de reciclaje efectivos y seguros para mitigar los posibles riesgos ambientales.

Abstract This study addresses the chemical and structural characterization of powders derived from the grinding of RAM memory waste, focusing on the identification of their chemical composition (metallic and non-metallic elements). Using advanced techniques such as X-ray energy dispersive spectroscopy (EDS) and X-ray diffraction, a variety of metallic (Cu, Si, Sn) and non-metallic (fiberglass) elements and compounds essential in the manufacture of electronic circuit boards were detected. Furthermore, the concentrations of environmentally hazardous elements (Pb, As, Cd) and poly-chlorinated biphenyls were evaluated, finding that, for the most part, they are within the levels permitted by international regulations, suggesting that these wastes are relatively safe from an ecological perspective. However, levels of lead exceeding the established limits were observed, indicating the need for careful management. This work contributes to the knowledge about the composition of electronic waste and underscores the importance of developing effective and safe recycling processes to mitigate potential environmental risks.

Ergonomie risk factors in furniture factory workers in the State of Chihuahua (Mexico)

Resumen La aplicación de los métodos de evaluación ergonômica es útil cuando se desea identificar actividades que, potencialmente, pueden ser un factor de riesgo en el desarrollo de trastornos musculoesqueléticos (TME) para los trabajadores. En este estudio se realizó una evaluación ergonómica en la industria mueblera de la región centro-sur del estado mexicano de Chihuahua, con la finalidad de identificar las posturas de mayor riesgo y aplicar el método de evaluación rápida de miembros superiores (RULA, por sus siglas en inglés) para determinar el nivel de riesgo en el desarrollo de TME y generar una base sobre la cual se propongan los cambios pertinentes en el método y diseño de trabajo para mejorar la calidad de vida laboral. Los resultados arrojaron que de la muestra de 31 trabajadores evaluados, el 29 % identificó la presencia de dolor en la espalda, el 24 % en el cuello y el 13 % en las muñecas, principalmente. Además, los resultados del método RULA mostraron que en el 89 % de las fábricas de muebles, los trabajadores del área de ensamble se encuentran en un nivel de riesgo alto de desarrollar TME, por lo que se considera la urgencia de cambios en las tareas desarrolladas por los trabajadores.

Abstract The application of ergonomic evaluation methods is useful when you want to identify activities that can potentially be a risk factor in the development of musculoskeletal disorders for workers. In the present study, an ergonomic evaluation was carried out in the furniture industry of the south-central region of the Mexican state of Chihuahua, with the purpose of identifying the highest risk postures, and applying the rapid upper limb assessment (RULA) method to determine the level of risk in the development of Musculoskeletal Disorders; and, thus, generating a basis on which pertinent changes in the work method and design are proposed to improve the quality of work life. The results showed that, of the sample of 31 evaluated workers, 29% mainly identified the presence of pain in the back, 24% in the neck and 13% in the wrists. Furthermore, the results of the RULA method showed that in 89% of furniture factories, workers in the assembly area are at a high-risk level of developing musculoskeletal disorders, which is why the promotion of changes in the methods of the tasks carried out by the workers is considered urgent.

Frost and relevant meteorological variables forecast in agriculture in the Sabana de Bogotá using machine learning

Resumen A partir de información histórica de variables climatológicas y de las heladas, es posible mejorar las decisiones tomadas en las actividades de la agricultura, buscando determinar patrones que garanticen mayor rendimiento y calidad de los cultivos e implementando modelos de predicción basados en machine learning (ML). Se propone desarrollar un modelo ML que permita determinar el comportamiento de las variables meteorológicas temperatura, pluviosidad y humedad relativa, asi como de las heladas en la Sabana de Bogotá. Se ha partido de la conformación de una base de datos históricos de estas variables desde 2010 hasta abril de 2023, considerando información de diez estaciones meteorológicas diferentes de la región. Ha sido necesario implementar técnicas de imputación de datos en los vacios de información. Para determinar el modelo con la respuesta más cercana a la realidad, se desarrolló un modelo basado en regresión lineal múltiple y otro en redes neuronales artificiales. De acuerdo con los resultados obtenidos y el nivel de error absoluto, el segundo modelo aproxima sus predicciones más cerca a los datos reales. El trabajo desarrollado puede ser una herramienta esencial para generar un sistema de alerta temprana que ayude a los agricultores de la Sabana de Bogotá.

Abstract Taking into account historical information on climatological and frost variables, it is possible to improve decisions made in agricultural activities, seeking to determine patterns that guarantee greater yield and quality of crops and implementing forecast models based on machine learning (ML). This work presents the development of a ML model that allows determining the behavior of the meteorological variables, temperature, rainfall, and relative humidity, as well as frost, in the Sabana de Bogotá. The starting point was the creation of a historical database of these variables from 2010 to April 2023, considering information from ten different meteorological stations in the region. It has been necessary to implement data imputation techniques in information gaps. To determine the model with the response closest to reality, a model based on multiple linear regression and another on artificial neural networks were developed. According to the results and the level of absolute error, the second model approximates its forecasts closer to the real data. The work developed can be an essential tool to generate an early warning system that helps farmers in the Sabana de Bogotá.

Edible Coating Based on Aloe Vera Mucilage to Preserve Whole Slices of Pineapple Fruit

Abstract This work is aimed at studying the changes in the quality attributes of fresh-cut pineapple fruit due to the application of a coating based of aloe vera. 10 kg of fresh fruit were selected and classified, from which cuts were obtained from whole slices that were previously sanitized and immersed in a 1.5% (w/w) of solution of calcium chloride, citric acid at 1.5% (w/w), and ascorbic acid at 1.5% (w/w), then, the edible coating was applied, which was made from Aloe vera gel to 50% (w/w), glycerol to 1.75% (w/w), polysorbate 20 to 0.01% (w/w), canola vegetable oil to 0.7% (w/w), and distilled water to 47.54%. The pineapple fruit in whole slices, with coating based of aloe vera, packed in vacuum, and stored at 5±1°C and 85±3% RH, presented suitable sensory attributes, pH values and firmness, and microbiological values up to day 15 storage.

Resumen Este trabajo tuvo como objetivo estudiar los cambios en los atributos de calidad de calidad de la piña mínimamente procesada debidos a la aplicación de un recubrimiento a base de aloe vera. Fueron seleccionados y clasificados 10 kg de fruta fresca, de los cuales se obtuvieron rodajas completas, las cuales fueron previamente higienizadas y sumergidas en solución de cloruro de calcio de 1.5 % (p/p), ácido cítrico de 1.5 % (p/p) y ácido ascórbico de 1.5 % (p/p), y luego se les aplicó el recubrimiento comestible, el cual estuvo compuesto de 50 % (p/p) de gel de aloe vera, 1,75 % (p/p) de glicerol 0,01 % (p/p) de polisorbato, 20, 0,7 % (p/p) de aceite vegetal de canola y 47,54 % de agua destilada. Las rodajas enteras de piña recubiertas con Aloe vera, empacados en vacío y almacenadas a 5±1°C y 85±3 % HR, mostraron valores sensoriales, pH, firmeza y valores microbiológicos adecuados al día I5 de almacenamiento.