Esta propuesta se centra en el desarrollo de un sistema autónomo para la detección y gestión de blooms de cianobacterias utilizando drones y tecnologías de gemelos digitales. El objetivo principal es diseñar e implementar un sistema que permita el control autónomo de drones para la captura de imágenes y datos ambientales en cuerpos de agua, con el fin de identificar y predecir la aparición de blooms de cianobacterias.

El estudiante trabajará en la integración del SDK del Splashdrone 4 para automatizar misiones de vuelo, permitiendo la captura de imágenes y datos geoespaciales que serán procesados en tiempo real mediante un gemelo digital. Este gemelo digital no solo modelará el entorno acuático, sino que también permitirá simular diferentes escenarios para optimizar la detección y respuesta ante blooms.

El proyecto incluirá el desarrollo de algoritmos de planificación de rutas para los drones, basados en modelos predictivos de blooms, y la implementación de un sistema de comunicación que permita la transmisión de datos desde el dron a un servidor central. Además, se podrá explorar la posibilidad de integrar técnicas de inteligencia artificial para mejorar la precisión en la detección de blooms y la toma de decisiones en tiempo real.

Esta propuesta ofrece una oportunidad única para trabajar en la intersección de la ingeniería informática, la robótica y la gestión ambiental, contribuyendo a la transición digital y ecológica en la gestión de recursos hídricos. Los resultados de este trabajo tendrán un impacto significativo en la investigación académica, y ofrecerán soluciones prácticas para la gestión sostenible del agua.

La gestión eficiente de la recolección de bolsas de sangre es crucial para garantizar la disponibilidad de este recurso vital en los centros de salud. Aunque los modelos de programación matemática proporcionan soluciones óptimas bajo ciertas condiciones, la naturaleza dinámica y estocástica del entorno real requiere enfoques más flexibles y adaptativos. Esta propuesta propone la integración de técnicas heurísticas y algoritmos de aprendizaje automático con el modelo de programación matemática existente para mejorar la planificación de la recolección de sangre.

El objetivo es desarrollar un sistema híbrido que combine la robustez de los modelos matemáticos con la adaptabilidad de las heurísticas y el aprendizaje automático. Se explorarán técnicas como algoritmos genéticos, búsqueda tabú y optimización por enjambre de partículas para generar soluciones iniciales o mejorar las soluciones obtenidas por el modelo matemático. Además, se utilizarán algoritmos de aprendizaje automático para predecir la demanda de sangre y ajustar dinámicamente las restricciones del modelo en función de datos históricos y en tiempo real.

Los estudiantes tendrán la oportunidad de aplicar sus conocimientos en programación matemática y optimización heurística, desarrollando un sistema que no solo optimice la recolección de sangre, sino que también se adapte a cambios en la demanda y disponibilidad de recursos. Este proyecto no solo contribuirá a la mejora de la eficiencia operativa de los centros de hemodonación, sino que también proporcionará una base sólida para futuras investigaciones en la integración de técnicas de optimización y aprendizaje automático en la gestión de la cadena de suministro de sangre.

Objetivos específicos:

1. Desarrollar un algoritmo híbrido que combine programación matemática con heurísticas para la optimización de la recolección de sangre.
2. Implementar modelos de aprendizaje automático para la predicción de la demanda de sangre y ajuste dinámico de restricciones.
3. Evaluar el rendimiento del sistema híbrido en comparación con el modelo matemático original.
4. Proporcionar recomendaciones para la implementación práctica del sistema en el centro de hemodonación.

Este proyecto es ideal para estudiantes interesados en la aplicación de técnicas avanzadas de optimización y aprendizaje automático en problemas reales de logística y gestión de recursos.

La integración de la especificación de sistemas de eventos discretos (DEVS) con el protocolo MQTT ha abierto nuevas posibilidades para la simulación distribuida en tiempo real, especialmente en el contexto de aplicaciones de Internet de las Cosas (IoT). Sin embargo, este enfoque también presenta desafíos únicos que requieren una investigación más profunda. Esta propuesta propone explorar y abordar algunos de estos desafíos, centrándose en la escalabilidad y la robustez de las simulaciones distribuidas, así como en la integración de otros protocolos de comunicación.

El proyecto se centrará en tres áreas principales:

1. Escalabilidad y Rendimiento: Investigar cómo el aumento en la complejidad del sistema y la tasa de mensajes afecta el rendimiento de las simulaciones distribuidas. Se evaluará el impacto de diferentes configuraciones de calidad de servicio (QoS) de MQTT y se propondrán estrategias para optimizar el rendimiento en escenarios de alta carga.
2. Robustez y Tolerancia a Fallos: Desarrollar mecanismos para mejorar la tolerancia a fallos en simulaciones distribuidas, incluyendo la implementación de estrategias de recuperación ante fallos y la evaluación de la resiliencia del sistema bajo condiciones de red adversas.
3. Integración de Protocolos Alternativos: Explorar la viabilidad de integrar otros protocolos de comunicación, como CoAP o AMQP, en el marco de simulación DEVS sobre MQTT, evaluando sus ventajas y desventajas en comparación con MQTT.

Este proyecto contribuirá al avance del estado del arte en simulación distribuida y proporcionará herramientas prácticas para mejorar la aplicabilidad de DEVS en entornos IoT modernos e interconectados. Esto posibilitará el diseño y desarrollo de aplicaciones IoT más eficientes y resilientes.

En la era de la exploración espacial, los nanosatélites están revolucionando la forma en que observamos y entendemos el universo. Estos pequeños pero poderosos dispositivos dependen de micropropulsores para estabilizarse y orientarse en el espacio. Este Trabajo ofrece una oportunidad única para adentrarse en mundo de la ingeniería espacial, sin necesidad de experiencia previa en controladores.

El objetivo principal es diseñar un simulador que permita caracterizar y optimizar el control de los micropropulsores, utilizando un enfoque proporcional-derivativo (PD) o explorando variantes innovadoras. La meta es minimizar el consumo de energía, un recurso crítico en el espacio, mientras se mantiene la precisión en el control de la posición y orientación del nanosatélite.

Además, para aquellos interesados en llevar la simulación al siguiente nivel, se ofrece la posibilidad de desarrollar un emulador. Este emulador trasladará el simulador a un microcontrolador, permitiendo experimentar en tiempo real el comportamiento del controlador, acercando la teoría a la práctica.

Este proyecto enriquecerá tus habilidades en simulación y control, y te permitirá contribuir al avance de la tecnología espacial.