https://ri-ng.uaq.mx/handle/123456789/8131 Thu, 30 Apr 2026 17:18:24 GMT 2026-04-30T17:18:24Z https://ri-ng.uaq.mx/handle/123456789/11538 Desarrollo de un gemelo digital de un refrigerador doméstico Daniel Piña Aguilar Un gemelo digital, es una representación virtual de una entidad física que utiliza datos reales para analizar su ciclo de vida. Es una tecnología que se encuentra en desarrollo y que genera interés en la academia y en la industria debido a los potenciales descritos en la literatura. En este trabajo se desarrolla un gemelo digital (GD) del sistema de enfriamiento de un refrigerador domestico de la marca Mabe, modelo RMS510ICMRX0, utilizando un modelo de orden reducido creado con datos experimentales en ANSYS Optislang. El trabajo se realiza en colaboración con el centro de tecnología y proyectos de Mabe, el cual proporciona las herramientas y datos necesarios para su desarrollo. Se propone una arquitectura para el GD, la cual utiliza la infraestructura disponible en la empresa, así como los recursos computacionales necesarios para llevar a cabo las pruebas. El objetivo que se busca es obtener la energía consumida por el ciclo de refrigeración y compararla con el valor real sin que sobrepase en un 5 [ %] de error, lo cual se logra. Para obtener el consumo energético, se realiza una simulación en ANSYS Twin Builder al mismo tiempo que se miden los datos, los cuales se obtienen cuando el refrigerador se encuentra en funcionamiento dentro de una cámara de refrigeración en los laboratorios de la empresa. Fri, 07 Mar 2025 00:00:00 GMT https://ri-ng.uaq.mx/handle/123456789/11538 2025-03-07T00:00:00Z https://ri-ng.uaq.mx/handle/123456789/11363 El uso de Gemelos Digitales y Realidad Virtual Como Actualizacion de sistemas de control manual Miguel Angel Cuba Moran La producción de etanol a partir de caña de azúcar es clave para el desarrollo sostenible en México y la adopción de biocombustibles. Esta investigación evalúa el impacto de implementar una plataforma virtual basada en gemelos digitales y realidad virtual para una máquina destiladora de etanol, con el objetivo de reducir en un 20% el tiempo y la dependencia de supervisión en sitio. La plataforma integrará monitoreo remoto, IoT, bases de datos no relacionales y simuladores en entornos virtuales. Se busca optimizar procesos, reducir emisiones de gases de efecto invernadero, aumentar la eficiencia en la producción de etanol y promover empleos de calidad para profesionistas especializados en zonas rurales. A través de un enfoque sistémico, se desarrolló un gemelo digital de la máquina destiladora y se realizó una evaluación comparativa que demostró la viabilidad de los objetivos propuestos. Esto fomenta la transición hacia la Industria 4.0 en el sector del etanol, apoyando la sostenibilidad energética y tecnológica en México. Thu, 30 Jan 2025 00:00:00 GMT https://ri-ng.uaq.mx/handle/123456789/11363 2025-01-30T00:00:00Z https://ri-ng.uaq.mx/handle/123456789/10938 Etapa de control de un filtro para un sistema BCI Ángel Emmanuel Moreno Flores Un sistema de interfaz cerebro-computadora (BCI) es un mecanismo que permite la extracción y lectura de las señales cerebrales conocidas como electroencefalográficas (EEG), las cuales son usadas en su mayoría de veces para detectar enfermedades mentales y realizar diferentes tratamientos, es por este motivo que se diseñó un filtro adaptativo que sea capaz de utilizarse tras obtener la señales EEG de diferentes dispositivos BCI. Sin embargo, debido a que muchos sistemas BCI son utilizados en compañía de otros dispositivos para obtener parámetros de otras partes del cuerpo, por ejemplo, los ojos o el corazón. Fue importante mantener una etapa de control adaptativo para que el filtro se adecue a los diferentes resultados obtenidos con diferentes niveles de ruido. Debido a esto, en el presente trabajo se muestra el diseño de un filtro pasa-bajas, el cual se implementó a los resultados obtenidos de diferentes pruebas con los sistemas BCI, con el propósito de reducir el ruido en la adquisición de las señales EEG en un 40 %. Fri, 01 Mar 2024 00:00:00 GMT https://ri-ng.uaq.mx/handle/123456789/10938 2024-03-01T00:00:00Z https://ri-ng.uaq.mx/handle/123456789/10775 Integración de estructura IoT a un concentrador de disco parabólico para mejorar la eficiencia de un horno solar Diego Arana Ruiz Hoy en día las energías sustentables buscan resolver los recursos limitados y aliviar problemas ambientales. El Sol emite una radiación equivalente a 1,366 W/m^2, la cual se puede aprovechar a través de concentradores solares de disco parabólicos (SDP) transformándola en energía térmica en el punto focal, y que instalados sobre a un sistema de seguimiento solar (SS), superan la eficiencia en hasta 36.8% con respecto los sistemas fijos. Entre las aplicaciones de SDP, los hornos solares para la cocción de alimentos son un método alternativo, seguro, saludable y económico a los hornos convencionales. Sin embargo, persisten limitaciones y necesidades que atender en estos sistemas debido a factores imprevisibles como el clima y la falta de visibilidad y controlabilidad, que se traducen en la disminución de su rendimiento. Una estructura de Internet de las Cosas (IoT), en conjunto de técnicas de predicción dan respuesta a estas necesidades. En búsqueda del máximo aprovechamiento energético, este trabajo evalúa el rendimiento de predictores RLM y SVR, y analiza el efecto en la eficiencia al integrar una estructura IoT a un SDP con SS aplicado para hornos solares de cocción de alimentos. Se construyó un prototipo experimental y con un circuito integrado ESP32 se traducen las variables de temperatura focal, radiación y, temperatura y humedad ambiental, para luego ser enviadas, a partir de una topología de red Mesh, a una Raspberry que carga los datos a la nube, en un entorno de Google Sheet y una aplicación móvil para la visualización del usuario y posterior análisis. Se obtuvo un incremento en la eficiencia de conversión en un 5.07% con la IoT. Adicionalmente, se obtuvieron resultados aceptables, frente al poco número de muestras, al optimizar el algoritmo de predicción SVR con un algoritmo genético. Traduciendo esto a un posible ahorro en la eficiencia productiva para ser evaluado en futuros experimentos. Wed, 01 May 2024 00:00:00 GMT https://ri-ng.uaq.mx/handle/123456789/10775 2024-05-01T00:00:00Z