Comunidades en DSpace
Seleccione una comunidad para explorar sus colecciones.
Envíos recientes
Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025”
(Universidad Nacional de Jaén, 2026-04-28) Alvarado Huamán, Osmer; Campos Guerrero, Emerson Darley; Piedra Tineo, José Luis; Milla Pino, Manuel Emilio
El objetivo de la investigación fue estimar los daños presentes en el Puente Tamborapa mediante la aplicación de redes neuronales convolucionales (CNN). Para ello, se realizó la recolección de imágenes de la superestructura y subestructura utilizando un dron DJI Mini 3 Pro, registrándose fallas como corrosión, grietas, eflorescencia, exposición de barras y desplazamientos. Las imágenes fueron organizadas, clasificadas y etiquetadas para conformar la base de datos empleada en el entrenamiento de cuatro modelos CNN: VGG16, MobileNet, DenseNet121 y YOLO. Los resultados mostraron que las patologías más frecuentes fueron la corrosión y las grietas superficiales, identificadas principalmente en barandas metálicas, tablero y estribos. En cuanto al desempeño de los modelos, YOLO obtuvo los mejores indicadores con una precisión superior al 96%, seguido de MobileNet con 95%, DenseNet121 con 92% y VGG16 con 90%. La validación evidenció que el modelo YOLO es el más eficiente para la detección multiclase de fallas en puentes. Se concluye que el uso de redes neuronales convolucionales constituye una herramienta eficaz y precisa para la inspección automatizada de estructuras, permitiendo reducir tiempos de evaluación, mejorar la detección temprana de daños y optimizar la gestión del mantenimiento del Puente Tamborapa.
Análisis de la eficiencia energética en la cocción de alverja (Pisum sativum) con GLP utilizando ollas a presión y ollas convencionales”
(Universidad Nacional de Jaén, 2026-04-28) Flores Rojas,Gerald Junior; Leyva Fernández,Ginomino Giussephe; Rodríguez Ordoñez, Freddi Roland; Febre Martínez, Cristhian Paul
Este estudio aborda el alto consumo doméstico de GLP durante la cocción de leguminosas; su objetivo fue cuantificar el consumo y el tiempo de cocción de alverja (Pisum sativum) en olla a presión (OP) versus olla convencional (OC) y
evaluar la rentabilidad de OP. Se trabajó con muestras de 50–250 g (n = 10 ensayos, uno OP y uno OC por tamaño). Se diseñó un sistema gravimétrico (balanza–balón de GLP) para medir la masa de gas por lote, se registró el tiempo, y se calcularon el consumo específico (kg GLP/kg alverja) y el costo energético específico (CEE) usando S/ 4.90/kg; la rentabilidad se estimó vía payback con ΔI = S/ 260. Resultados: OP redujo el consumo específico ~74% (promedios: 0.091 vs 0.366 kg/kg), el CEE ~75% (0.446 vs 1.794 S/·kg) y el tiempo ~75% (10–18 min vs 54–65 min). Estos hallazgos, consistentes entre tamaños de lote, evidencian mayor eficiencia energética y menor costo por kg con OP. Con 250 g y 4 usos/sem, el payback es ≈44 meses, y con 6–7 usos/sem baja a ≈30–25 meses. Conclusión: la olla a presión es técnica y económicamente preferible, ofreciendo ahorros sustanciales y tiempos de recuperación razonables en contextos domésticos y comerciales.
Diseño y construcción de Mini Horno eléctrico para muestras experimentales en el rubro de panificación, con sistema de control programable de la temperatura
(Universidad Nacional de Jaén, 2026-04-27) Tirado Urteaga,Jesús Edwin; Vasquez Cruzado,Elmer Roiser; Pinedo Nava,Henry Oswaldo
La presente investigación tuvo como propósito diseñar y construir un mini horno eléctrico para muestras experimentales en panificación, orientado a responder a la necesidad de contar con equipos compactos, seguros y de bajo costo en entornos académicos y de investigación. La propuesta busca optimizar la experimentación en panificación mediante un prototipo capaz de reproducir condiciones de horneado controladas, garantizando uniformidad térmica y confiabilidad en los ensayos, en contraste con los hornos industriales o domésticos que no se ajustan a escalas reducidas de análisis. En el desarrollo de la investigación se aplicó una metodología integral que combinó herramientas de diseño asistido por computadora, análisis térmico y validación experimental. El modelado en CAD permitió definir la geometría del equipo y prever su comportamiento estructural, mientras que las simulaciones en ANSYS posibilitaron evaluar distintos materiales y configuraciones de aislamiento antes de la fabricación.
El sistema de control desarrollado permitió establecer un manejo confiable de la temperatura en los ensayos que se realizaron a (150 °C, 180 °C, 200 °C y 220 °C), mostrando estabilidad y capacidad de respuesta ante variaciones de operación. Este nivel de desempeño evidencia que es posible integrar soluciones electrónicas accesibles en equipos experimentales. Durante la fase experimental, el prototipo mostró un comportamiento térmico consistente con las predicciones de simulación, garantizando uniformidad en el proceso de cocción y manteniendo condiciones seguras en la superficie exterior donde se alcanzó temperaturas de (33.5 °C, 34.7 °C, 37.8 °C y 43.3 °C). Estos resultados no solo validaron la metodología aplicada, sino que también demostraron la viabilidad de utilizar el equipo como práctica herramienta para estudios de panificación a pequeña escala.
Prototipo de un sistema de carga de baterías con energía fotovoltaica para el laboratorio de física de la UNJ
(Universidad Nacional de Jaén, 2026-04-24) Mejía Vllalobos,Eyler; Mejía Villalobos, Kessley; Rodríguez Ordoñez, Roland Freddi; Fuentes Maza, Frans
El presente trabajo de investigación tuvo como objetivo desarrolla un prototipo automatizado de sistema de carga de baterías alimentado por energía fotovoltaica, con el fin de optimizar la gestión energética y promover el uso de tecnologías renovables. Mediante una investigación descriptiva y proyectiva se determinaron los requerimientos técnicos del laboratorio, identificándose una demanda diaria de 80.10 Wh para la carga de baterías de 3.7 V y 9 V, la cual se ajustó a 100.13 Wh considerando pérdidas del sistema. Con base en la irradiancia promedio anual de 4.29 kWh/m2/día, se dimensionó e implementó un sistema compuesto por un panel solar de 40 W, un controlador PWM, una batería de 12 V y 25 Ah, convertidores DC-DC, módulos TP4056, un sistema de relés y un microcontrolador Arduino UNO. Los resultados cualitativos indicaron que el prototipo opera de manera estable, mantiene valores de carga dentro de rangos seguros y ejecuta la conmutación automática con precisión, garantizando un suministro continuo que supera la demanda energética diaria. Se concluye que el sistema es técnica y operativamente viable para su aplicación en cualquier entorno.
Aplicación de Deep Learning y dron en una línea de transmisión para aumentar la productividad en detección de fallas en aisladores, Jaén-Cajamarca
(Universidad Nacional de Jaén, 2026-04-17) Laban Chuquipoma,Juan Eduardo; Cubas Quevedo,Salomón; Llanos Sánchez,Luis Miguel; Shimabuku Ysa,Ricardo Ángel
La investigación aborda el problema de la baja productividad, el elevado tiempo de procesamiento y los riesgos operativos asociados al método tradicional de inspección visual de aisladores en líneas de transmisión, el cual depende de la experiencia del personal y presenta limitaciones para la detección oportuna de fallas. El objetivo general fue aplicar Deep Learning y dron en una línea de transmisión para aumentar la productividad en detección de fallas en aisladores, Jaén – Cajamarca. Se desarrolló una investigación aplicada, con enfoque cuantitativo y diseño no experimental, recopilándose información del procedimiento tradicional mediante entrevista y observación; posteriormente se implementó un modelo de detección automática basado en YOLOv11, entrenado con una base de datos de 2239 imágenes de aisladores en buen estado, sucios, roto/flameado y validado con 430 imágenes, y se comparó el rendimiento frente al método tradicional. Los resultados evidenciaron que el método tradicional permite inspeccionar entre 8 y 10 estructuras por día, mientras que la integración con dron y Deep Learning incrementó la capacidad a 42 estructuras por jornada; además el modelo alcanzó una precisión del 95.6%, un Recall del 96.3% y una mAP@0.5 de 97.7%, reduciendo el tiempo de análisis en gabinete de 72 a 0.55 segundos por imagen. Se concluye que la propuesta incrementa la productividad en 367%, reduce costos en 19% y minimiza riesgos operativos, constituyéndose una alternativa tecnológica eficiente y viable para modernizar los procesos de inspección de infraestructuras eléctricas.