Ingeniería de Sistemas.

Permanent URI for this collection

http://10.255.12.12:4000/handle/123456789/37

Browse

Recent Submissions

Now showing 1 - 5 of 87
  • No Thumbnail Available
    Item
    Aplicación móvil para facilitar la comunicación entre músicos y agrupaciones musicales en Valledupar.
    (2026) Castillo Aroca, Kevin M-; Ariza Valencia, Ruben D. (2026).
    El presente artículo describe el diseño, desarrollo y validación de una aplicación móvil para Android orientada a facilitar la comunicación e intermediación entre músicos independientes y agrupaciones musicales en la ciudad de Valledupar, Colombia. El sector musical local, declarado patrimonio cultural por la UNESCO, enfrenta una brecha estructural en sus procesos de intermediación laboral, dependiendo de canales informales como WhatsApp, Instagram y redes de recomendación personal. Mediante un enfoque cuantitativo-descriptivo y la aplicación de encuestas a 54 actores del sector, se identificaron los requerimientos funcionales y no funcionales de la plataforma. El desarrollo empleó la metodología en cascada, con Flutter como framework multiplataforma y MongoDB Atlas como sistema de gestión de datos. El producto mínimo viable (MVP) fue evaluado mediante pruebas piloto con usuarios reales, obteniendo resultados positivos en usabilidad y aceptación. Los resultados confirman la viabilidad técnica y la pertinencia social del proyecto como instrumento de innovación cultural y democratización de oportunidades en el ecosistema musical de Valledupar. Abstract - This article describes the design, development, and validation of an Android mobile application aimed at facilitating communication and intermediation between independent musicians and musical groups in Valledupar, Colombia. The local music sector, declared a UNESCO cultural heritage site, faces a structural gap in its labor intermediation processes, relying on informal channels such as WhatsApp, Instagram, and personal referral networks. Using a quantitative-descriptive approach and surveys applied to 54 sector actors, the functional and non functional requirements of the platform were identified. Development employed the waterfall methodology, with Flutter as the cross-platform framework and MongoDB Atlas as the data management system. The minimum viable product (MVP) was evaluated through pilot tests with real users, yielding positive results in usability and acceptance. Results confirm the technical feasibility and social relevance of the project as an instrument of cultural innovation and democratization of opportunities within Valledupar's musical ecosystem.
  • No Thumbnail Available
    Item
    Aplicación móvil para facilitar la comunicación entre músicos y agrupaciones musicales en Valledupar.
    (2026) Castillo Aroca, Kevin M-; Ariza Valencia, Ruben D. (2026).
    El presente artículo describe el diseño, desarrollo y validación de una aplicación móvil para Android orientada a facilitar la comunicación e intermediación entre músicos independientes y agrupaciones musicales en la ciudad de Valledupar, Colombia. El sector musical local, declarado patrimonio cultural por la UNESCO, enfrenta una brecha estructural en sus procesos de intermediación laboral, dependiendo de canales informales como WhatsApp, Instagram y redes de recomendación personal. Mediante un enfoque cuantitativo-descriptivo y la aplicación de encuestas a 54 actores del sector, se identificaron los requerimientos funcionales y no funcionales de la plataforma. El desarrollo empleó la metodología en cascada, con Flutter como framework multiplataforma y MongoDB Atlas como sistema de gestión de datos. El producto mínimo viable (MVP) fue evaluado mediante pruebas piloto con usuarios reales, obteniendo resultados positivos en usabilidad y aceptación. Los resultados confirman la viabilidad técnica y la pertinencia social del proyecto como instrumento de innovación cultural y democratización de oportunidades en el ecosistema musical de Valledupar. Abstract - This article describes the design, development, and validation of an Android mobile application aimed at facilitating communication and intermediation between independent musicians and musical groups in Valledupar, Colombia. The local music sector, declared a UNESCO cultural heritage site, faces a structural gap in its labor intermediation processes, relying on informal channels such as WhatsApp, Instagram, and personal referral networks. Using a quantitative-descriptive approach and surveys applied to 54 sector actors, the functional and non functional requirements of the platform were identified. Development employed the waterfall methodology, with Flutter as the cross-platform framework and MongoDB Atlas as the data management system. The minimum viable product (MVP) was evaluated through pilot tests with real users, yielding positive results in usability and acceptance. Results confirm the technical feasibility and social relevance of the project as an instrument of cultural innovation and democratization of opportunities within Valledupar's musical ecosystem.
  • No Thumbnail Available
    Item
    Aplicación web para la gestión de indicadores y generación de reportes con inteligencia artificial para mejorar el proceso de referencia y contrarreferencia en DUSAKAWI EPSI.
    (2026) Rincon Farelo, Héctor A.; Tique Ramírez, Diego E.
    El presente proyecto de grado tuvo como propósito plantear una solución tecnológica orientada a mejorar el manejo de la información en DUSAKAWI EPSI, especialmente en los procesos de referencia y contrarreferencia. A partir del análisis realizado, se identificó la necesidad de fortalecer estos procesos por medio de herramientas digitales que dieran una gestión más organizada y eficiente de los datos asistenciales y administrativos. La propuesta se centró en el desarrollo de una aplicación web capaz de apoyar el cálculo de indicadores y la generación de reportes por medio del uso de inteligencia artificial. Durante el diagnóstico inicial, se mostró que gran parte de la información era manejada de forma manual, lo que generaba retrasos, inconsistencias y dificultades en el seguimiento de los procesos. Con base en ello, se definieron requerimientos técnicos orientados a estandarizar la captura y organización de los datos, pudiendo transformar registros operativos en información útil para la toma de decisiones. Asimismo, el proyecto tomó como referencia la normativa colombiana relacionada con la gestión de información en salud y la continuidad de la atención a los usuarios. La solución desarrollada integró una aplicación web basada en Next.js y un backend desarrollado con Express y TypeScript, conectado a la base de datos institucional PostgreSQL. Además, incorpora modelos de inteligencia artificial mediante Google AI Studio (Gemini) y OpenRouter como mecanismo de respaldo para la generación automática de análisis de indicadores y reportes administrativos en formato XLSX. Los resultados obtenidos evidenciaron una reducción significativa en el tiempo requerido para generar indicadores y reportes administrativos, pasando de procesos manuales que podían tardar entre una y dos semanas a tiempos aproximados de cuatro minutos. Asimismo, las pruebas funcionales, de usabilidad y de validación de indicadores confirmaron la precisión de los cálculos, la aceptación de la plataforma por parte de la usuaria principal y el adecuado funcionamiento de la solución propuesta.
  • No Thumbnail Available
    Item
    Aplicacion Web Asistida por Inteligencia Artificial para la Gestion de Indicadores y Generacion de Reportes en el Proceso de Referencia y Contrarreferencia de una EPS Indıgena
    (2026)
    La fragmentación de la información y la persistencia de procesos manuales en el flujo de referencia y contrarreferencia (RyC) representan una barrera significativa para la continuidad de la atención en las entidades promotoras de salud (EPS) de Colombia. Este artículo presenta el diseño, desarrollo y validación de una aplicación web asistida por inteligencia artificial (IA) orientada a automatizar el cálculo de indicadores de gestión (KPI) y la generación de reportes administrativos en DUSAKAWI EPSI, una entidad promotora de salud indígena. La solución se construyó bajo una arquitectura cliente-servidor de tres capas, integrando un cliente web en Next.js/React, un backend REST en Node.js/Express/TypeScript desplegado en Oracle Cloud Infrastructure, una base de datos relacional PostgreSQL institucional y un motor de generación de análisis en lenguaje natural basado en modelos Gemini (Google AI Studio), con OpenRouter como mecanismo de respaldo (fallback). Se documentan de forma exhaustiva los modelos de arquitectura, componentes, despliegue, casos de uso, comportamiento dinámico (actividades y secuencia) y el algoritmo de generación de análisis mediante IA que sustentan el diseño del sistema. Se aplicó un enfoque de investigación mixto, con un modelo de prototipado evolutivo y un proceso de aseguramiento de calidad basado en análisis estático iterativo con SonarQube conforme a ISO/IEC 25002:2024 e ISO/IEC/IEEE 29119-1:2022. Los resultados de validación evidenciaron una reducción del tiempo de generación de indicadores y reportes de un rango de una a dos semanas (proceso manual) a aproximadamente cuatro minutos con el sistema desarrollado, así como una correspondencia prácticamente exacta entre los cálculos automatizados y los cálculos manuales de referencia (diferencia de 0.03 horas, atribuible al redondeo), una reducción del 97.9% en la tasa de error frente al proceso manual sobre una muestra de 200 registros, y un cumplimiento del 98.0% en la validación de calidad de las interpretaciones generadas por el componente de IA mediante una rubrica de cinco criterios aplicada a diez casos. La evaluación de calidad del software mostro calificaciones A en seguridad, confiabilidad y mantenibilidad, con coberturas de pruebas de 84.8% (backend) y 81.4% (frontend) en la versión final, y la encuesta de satisfacción aplicada a la usuaria principal confirmó una percepción favorable de la herramienta. Los hallazgos sugieren que la integración de modelos de lenguaje de gran escala con arquitecturas de datos híbridas, bajo un principio explícito de minimización de datos, constituye una estrategia viable para fortalecer la gestión de información en instituciones de salud con recursos tecnológicos limitados. Abstract Information fragmentation and the persistence of manual processes in referral and counter-referral (R&C) work flows represent a significant barrier to continuity of care within healthcare provider entities (EPS) in Colombia. This article presents the design, development, and validation of an artificial intelligence (AI)-assisted web application aimed at automating management indicator (KPI) calculations and administrative report generation at DUSAKAWI EPSI, an indigenous healthcare provider entity. The solution was built under a three-tier client server architecture, integrating a web client in Next.js/React, a REST backend in Node.js/Express/TypeScript deployed on Oracle Cloud Infrastructure, an institutional PostgreSQL relational database, and a natural language analysis generation engine based on Gemini models (Google AI Studio), with OpenRouter as a fallback mechanism. The models for architecture, components, deployment, use cases, dynamic behavior (activity and sequence diagrams), and the AI-driven analysis generation algorithm underlying the system design are comprehensively documented. A mixed-methods research approach was applied, incorporating an evolutionary prototyping model and a quality assurance process based on iterative static analysis with SonarQube in compliance with ISO/IEC 25002:2024 and ISO/IEC/IEEE 29119 1:2022. Validation results demonstrated a reduction in indicator and report generation time from a range of one to two weeks (manual process) to approximately four minutes using the developed system, as well as a virtually exact alignment between automated calculations and manual reference calculations (0.03 hour difference, attributable to rounding), a 97.9% reduction in the error rate compared to the manual process over a sample of 200 records, and a 98.0% compliance score in the quality validation of AI-generated interpretations evaluated through a five-criterion rubric across ten test cases. Software quality evaluation yielded Grade A ratings in security, reliability, and maintainability, with test coverage reaching 84.8% (backend) and 81.4% (frontend) in the final version, while the satisfaction survey administered to the primary user confirmed a favorable perception of the tool. The findings suggest that integrating large language models with hybrid data architectures, under an explicit data minimization principle, constitutes a viable strategy to strengthen information management in healthcare institutions operating under limited technological resources.
  • No Thumbnail Available
    Item
    Aplicativo web para la predicción de ventas y optimización del abastecimiento en tiempo real de las MiPymes del sector retail en Valledupar.
    (2026) Contreras Maldonado, Luis F.; Piña Corzo, Daniel R.
    Este proyecto de grado expone el diseño, desarrollo e implementación de "TargetBI", un aplicativo web concebido para la predicción de ventas y la optimización del abastecimiento en tiempo real de las MiPymes del sector retail en Valledupar, Colombia. La problemática central abordada radica en que la mayoría de estos comercios gestionan sus inventarios de forma empírica o mediante registros manuales, lo que deriva en desabastecimientos o problemas de sobrestock que menoscaban su rentabilidad. Para mitigar esta deficiencia, la investigación adoptó una metodología de tipo aplicada, cuantitativa y con un diseño tecnológico-experimental, sustentada en la metodología ágil Extreme Programming (XP) para el desarrollo de software. El núcleo del sistema incorpora un enfoque híbrido de modelado predictivo que segmenta el catálogo de productos según su nivel de rotación ; de este modo, se aplican algoritmos de Machine Learning (como Gradient Boosting) para artículos de alta demanda y métodos estadísticos especializados (como el modelo de Croston) para demandas intermitentes o de baja frecuencia. Tecnológicamente, la plataforma se estructuró utilizando Flutter Web en el frontend, una API en Python con FastAPI en el backend y Supabase sobre PostgreSQL para la administración de la base de datos en la nube. La validación funcional y evaluación del sistema se realizaron mediante un estudio de caso en una papelería local con un catálogo de 237 productos activos recopilados a lo largo de tres años. Los resultados evidenciaron que el modelo predictivo experimenta un periodo necesario de maduración a medida que acumula historial de transacciones, logrando reducir su error neto de un +46,8% en 2023 a un -7,7% en 2024, alcanzando un comportamiento consistente y estable. Asimismo, el análisis demostró una mayor precisión al pronosticar unidades físicas vendidas (obteniendo un sMAPE global del 24,4%) en contraste con los ingresos monetarios estimados (sMAPE del 42,6%), variabilidad explicada por la marcada heterogeneidad de precios típica dentro del catálogo del comercio retail minorista. En conclusión, el proyecto demuestra que el levantamiento manual de datos históricos es una alternativa totalmente viable para alimentar modelos avanzados de analítica predictiva en empresas sin digitalización previa, ofreciendo una solución de inteligencia de negocios asequible y de bajo costo que reduce las brechas digitales y potencia la sostenibilidad económica de la región. Abstract This undergraduate thesis presents the design, development, and implementation of "TargetBI," a web application created for sales forecasting and real-time supply optimization in retail MSMEs in Valledupar, Colombia. The core problem addressed is that most of these small businesses manage their inventories empirically or through manual records, leading to stockouts or overstock situations that impair their profitability. To mitigate this deficiency, the research adopted an applied, quantitative methodology with a technological-experimental design, supported by the Extreme Programming (XP) agile methodology for software engineering. The core of the system incorporates a hybrid predictive modeling approach that segments the product catalog according to turnover levels ; thus, machine learning algorithms (such as Gradient Boosting) are applied to high-demand items, while specialized statistical methods (such as Croston's model) are used for intermittent or low-frequency demand. Technologically, the platform was structured using Flutter Web for the frontend, a Python API with FastAPI for the backend, and Supabase over PostgreSQL for cloud database management. The system's functional validation and evaluation were conducted through a case study in a local stationery store with a catalog of 237 active products collected over a three-year timeline. The results showed that the predictive model undergoes a necessary maturation period as it accumulates transaction history, successfully reducing its net error from +46.8% in 2023 to -7.7% in 2024, arriving at a consistent and stable behavior. Furthermore, the analysis demonstrated higher accuracy in forecasting physical units sold (achieving a global sMAPE of 24.4%) compared to estimated monetary revenues (sMAPE of 42.6%), a variation explained by the sharp price heterogeneity typical within small-scale retail commerce catalogs. In conclusion, the project demonstrates that manual collection of historical records is a completely viable alternative for feeding advanced business analytics models in businesses without prior digitization, providing an affordable, low-cost business intelligence solution that bridges digital divides and boosts the economic sustainability of regional trade.