Objetivo:  Diseñar y desarrollar un modelo de simulación continúa basado en Dinámicas de Sistemas para analizar los parámetros reproductivos considerando políticas de inseminación artificial y reproductivas orientadas a la sostenibilidad en un hato lechero. Metodología: El procedimiento se clasifica en cuatro etapas: (I) Análisis del comportamiento del hato lechero y definición del problema, (II) Descripción de procesos y contextualización de un modelo, (III) Generación del modelo preliminar, verificación, validación y (IV) Análisis de resultados. Resultados: Se mostró que mediante herramientas de simulación es posible modelar los procesos al interior del hato lechero. Las detecciones efectivas de periodos de calor constituyen un factor determinante en la aplicación de políticas de inseminación artificial y en general en la sostenibilidad del hato. Por lo que utilizar un protocolo de biotecnologías reproductivas, como la sincronización de celo y la inseminación artificial a tiempo fijo son políticas que mitigan los problemas asociados a problemas reproductivos. Conclusiones:  El uso de la dinámica de sistemas nos permitió tener un abordaje holístico del problema considerando todas las variables relevantes para evaluar políticas de mejora. El modelo presentado en el desarrollo de la investigación permitió evaluar diferentes políticas asociadas al manejo animal, explotación de carne en vacas secas, y políticas de revisión continua sobre situaciones asociadas a la eficiencia en la identificación de vacas en celos.

Objetivo: Diseñar y desarrollar un modelo de simulación de eventos discretos para el proceso de atención del cliente de una Pyme dedicada al negocio de la comida rápida con el fin de conducir experimentos direccionados a comprender el comportamiento del sistema y evaluar estrategias de optimización. Metodología: El procedimiento se clasifica en cuatro etapas: (I) Análisis de la empresa y definición del problema, (II) Descripción de procesos y contextualización de un modelo, (III) Generación del modelo preliminar, verificación, validación y análisis de sensibilidad, (IV) Análisis de resultados y propuestas de mejoramiento. Resultados: El modelamiento realizado permitió sugerir una serie de optimizaciones para los procesos y de la Pyme analizada, que resultarían en la reducción de los tiempos de espera en la venta de bebidas, pizzas y otros productos.  Conclusiones: Se mostró que mediante herramientas como Simul8® es posible modelar con facilidad procesos, al igual que sugerir optimizaciones pertinentes para estos, si bien cabe anotar que la herramienta no es tan efectiva para el modelamiento de servicios.

Objetivo: Usar técnicas computacionales para eliminar lluvia en imágenes. La motivación viene dada por el hecho de que, para muchos sistemas de visión por computadora, capturar correctamente la escena es clave, y si estos sistemas reciben imágenes degradadas por lluvia como entrada, su funcionamiento puede verse comprometido. Metodología: Se creó un conjunto de datos compuesto por 11000 imágenes sintéticas de lluvia. Estas fueron redimensionadas y normalizadas, para luego utilizar 9000 de ellas como conjunto de entrenamiento en la arquitectura autoencoder. El autoencoder genera una versión sin lluvia de la imagen, la cual es pasada a una etapa de corrección de iluminación para producir la imagen final sin lluvia. Resultados: Se encontró que el mejor desempeño lo tenía el autoencoder de 6 capas. Se evaluó con las 2000 imágenes restantes, lo que resultó en un error cuadrático medio de 0,61 y un índice de similitud estructural de 0,8493, lo que significa que el modelo fue capaz de recuperar una gran cantidad de información original de las imágenes degradadas por la lluvia. Conclusiones: Los resultados obtenidos son superiores a aquellos de la literatura que se basan en el dominio espacial / frecuencial. Se determinó, sin embargo, que es posible obtener mejores resultados si se considera el dominio de la frecuencia como parte de la arquitectura, debido a las propiedades de esta. Por lo tanto, se propone como trabajo futuro combinar enfoques basados en el aprendizaje de máquina con el procesamiento de imágenes basado en el dominio de la frecuencia.