Search

Context: The automobile industry has included active and passive safety. Active safety incorporates elements to avoid crashes and collisions. Some elements are ABS brakes and stabilization bars, among others. On the other hand, passive safety avoids or minimizes damage to the occupants in the event of an accident. Some passive safety features include seat belts and front and curtain airbags for the driver and other occupants. Method: In this research work, we propose a new category called Extraordinary Passive Safety (XPS).A model of a sensor network was designed to inspect the conditions inside the car to detect fire, smoke,gases, and extreme temperatures. The sensors send data to a device (DXPS) capable of receiving and storing the data. Results: Each sensor collects data and sends it to the DXPS every period. The sensor sends 0s while there is no risk, and 1s when it detects a risk. When the DXPS receives a 1, the pattern is evaluated, and the risk is identified. Since there are several sensors, the reading pattern is a set of 0s (000000). When a pattern with one or more 1s (000100, 010101) is received, the DXPS can send an alert or activate a device. Conclusions: The proposed solution could save the lives of children left in the car or people trapped when the car catches fire. As future work, it is intended to define the devices to avoid or minimize damage to the occupants such as oxygen supply, gas extraction, regulating the temperature, among others. Resumen Contexto: La industria de los automóviles ha incluido seguridad activa y pasiva. La seguridad activa incorpora elementos para evitar choques y colisiones. Algunos elementos son frenos ABS y barras de estabilización, entre otros. Por otro lado, la seguridad pasiva evita o minimiza daños a los ocupantes en caso de haber un accidente. Algunos elementos de seguridad pasiva son los cinturones de seguridad y bolsas de aire, así como de cortina para el conductor y otros ocupantes. Método: En este trabajo de investigación se propone una nueva categoría llamada seguridad pasiva extraordinaria (SPX). Se definió un modelo de una red de sensores para censar las condiciones del interior del automóvil para detectar fuego, humo, gases y temperaturas extremas. Los sensores envían datos a un dispositivo capaz de recibir y almacenar los datos. Resultados: Cada sensor obtiene datos y los envía al dispositivo cada periodo de tiempo. El sensor envía 0s mientras no exista riesgo; al detectar un riesgo envía un 1. Cuando el dispositivo recibe un 1,se evalúa el patrón y se determina el riesgo. Dado que hay varios sensores, el patrón de lectura es un conjunto de 0 (000000). Cuando se recibe un patrón con uno o más ceros (000100, 010101) se puede activar una alarma o activar un dispositivo. Conclusiones: La solución propuesta podría salvar vidas de niños dejados en el automóvil o personas atrapadas al incendiarse el automóvil. Como trabajo futuro se pretenden definir los dispositivos para evitar o minimizar los daños a los ocupantes como suministro de oxígeno, extracción de gases, regulación de la temperatura, ente otros.

A partir de la tecnología de visión artificial, específicamente de redes neuronales convolucionales, se propuso una solución para realizar el reconocimiento de frutos de durazno maduros, así como la identificación de frutos dañados. La finalidad es obtener frutos con el nivel de calidad adecuado para su comercialización. Para lograr este propósito, se obtuvieron imágenes de duraznos en un ambiente no controlado. Se recortaron las imágenes digitales hasta obtener el área de interés. Se configuraron tres conjuntos de datos: el primero, de duraznos maduros e inmaduros; el segundo, también de duraznos maduros e inmaduros pero con enfoque en un área textural, y el tercero, de duraznos sanos y dañados. Se aplicó una red neuronal convolucional, que fue programada en el lenguaje Python, las librerías de Keras y TensorFlow. Durante las pruebas se obtuvo una precisión de 95.31 % a la hora de elegir entre maduros y no maduros. Mientras que al clasificar los duraznos sanos y dañados se obtuvo 92.18 % de precisión. Por último, al clasificar las tres categorías (dañados, inmaduros y maduros), se obtuvo 83.33 % de precisión. Los resultados anteriores indican que con inteligencia artificial embebida en un dispositivo físico se puede hacer la clasificación del fruto del durazno.

The Software Industry in Mexico (SIM) is accentuated in large cities. This industry requires thousands of employees who must go to the offices weekdays. However, mobility in large cities is increasingly complicated by two factors: the first is the distance from your residence to the office, that can be from 1 to 30 km away or more, on the other hand, the expenses caused by the transport. The means of transport can be from the worker himself or public transport as: metro, bus, “metrobus”, taxi, etc. In this work, a home-office model is proposed, which suggests that developers go once to the main office and the rest of the weekdays work from your home. The above, is not by default, because they must have the minimum conditions to work in his own house. However, when working in their own home there are benefits such as: saving time and money in the travel and on the other hand, the developer does not suffer stress caused by the daily travel. In the model, a central office is proposed for meetings and training. So that, each developer must have a space in her own home and adapted for a home office. The above, implies having an Uninterrupted Communication Medium (UCM) to be in contact between developers, as well as with the Couch (Co) and the Project Manager (PM). In the results, statistics of travel times and expenses, as well as the effects of traveling to work every day, are shown. We conclude that, the Home-Office Model can achieve more satisfied developers; less stressed can increases productivity in organizations that develop software.

Existen sitios dedicados a asesorar a emprendedores y micro empresarios en temas de compras, produccion, innovacion, ventas, finanzas, etc. Tanto en Mexico, como en otros paises, existen los CDE (Centros de Desarrollo Empresarial) otros denominados Incubadoras de Empresas, donde se brinda apoyo a los emprendedores que inician una nueva empresa. En la Universidad Autonoma del Estado de Mexico, se creo una red de Incubadoras de Empresas en los Centros Universitarios, Una de estas unidades se encuentra en el Centro Universitario UAEM Texcoco, donde se enfoco este proyecto. Una de las misiones de los CDE es ofrecer y llevar a cabo asesorias ante los problemas y retos de las empresas nacientes. Para lo anterior se creo una aplicacion Web para administrar el conocimiento a traves de un Mapa de Conocimiento. Los usuarios pueden consultar la existencia de conocimiento requerido; si existe, lo podran visualizar en un mapa con ayuda de la API (Interfaz de Programacion de Aplicaciones) de Google Maps. Para su uso, basta un dispositivo con conexion a internet. Esta aplicacion busca apoyar a emprendedores y empresarios que tiene las preguntas: ?El CDE Tiene el conocimiento que requiero? ?Quien tiene el conocimiento? ?Donde estan los portadores del conocimiento? ?Como y donde los contacto? De existir el conocimiento en el mapa bastara contactar a algun portador y establecer una modalidad para la asesoria requerida. Se parte, de la busqueda de conocimiento, su existencia, ubicacion y forma de contactar al portador del conocimiento. Para lo anterior se logro una aplicacion capaz de filtrar un tipo de conocimiento y el mapeo sobre la plataforma de la API de Google Maps.

[EN] The development of vision systems for identifying plants by leaves is an important challenge which has numerous applications ranging from food, medicine, industry and environment. Recently, several techniques have been proposed in the literature in order to identify plants in various fields of application. However, current techniques are restricted to the recognition and identification of plants using specific descriptors. In this paper, is accomplished a comparative analysis using different methods of feature extraction (textural, chromatic and geometric) and different methods of classification. The experiments are executed on very similar plants. Twelve sets of leaves with similar shape characteristics are studied using several classifiers. The performance of different combinations of classifiers-descriptors are analyzed in detail for each set. The results show that a combination of different feature extraction techniques is necessary in order to improve the performance. This combination of descriptors is more necessary when the leaves have similar characteristics., [ES] El desarrollo de sistemas de identificación de hojas de plantas es un reto actual que comprende numerosas aplicaciones que van desde alimentación, medicina, industria y medio ambiente. En la literatura actual, se han propuesto varias técnicas con el objetivo de identificar plantas en diversos campos de aplicación. Sin embargo, las técnicas actuales están restringidas al reconocimiento e identificación de tipos de plantas limitados, utilizando descriptores de características específicos. En este artículo, se realiza un análisis comparativo de diversos métodos de extracción de características (texturales, cromáticas y geométricas) y clasificacíon sobre conjuntos de plantas muy similares y disimiles entre sí. Doce conjuntos de hojas con características de forma similares son estudiados utilizando varios clasificadores. Se analiza el desempeño de diferentes combinaciones de características en cada conjunto. Los resultados obtenidos muestran que para incrementar el desempeño de los clasificadores estudiados, es necesaria una combinación de las diferentes técnicas de extracción de características, esta necesidad es mayor cuando se trabaja con conjuntos de hojas con características muy similares. Además, se muestra el mejor desempeño de un clasificador con otro., Este estudio fue financiado por la Secretaria de Investigación de la Universidad Autónoma del Estado de México con el proyecto de investigación 3771/2014/CIB.

Un gran número de áreas de la ciencia están siendo beneficiadas por la reducción de tiempo de cómputo gracias al uso de las Unidades Gráficas de Proceso (GPU). En el caso de la Epidemiología, tales unidades agilizan la simulación de escenarios con poblaciones grandes, escenarios en los que el tiempo de procesamiento es muy significativo. El presente artículo introduce la simulación de eventos epidemiológicos basado en un modelo de Autó­matas Celulares Estocásticos (AC), el cual ofrece la implementación de las características principales de una enfermedad infecciosa a gran escala: contacto, vecindario, trayectorias y transmisibilidad. Un caso de estudio es simulado en una implementación del algoritmo AC para una enfermedad infecciosa de tipo SEIRS (Susceptible, Expuesto, Infectado, Recu­perado y Susceptible). Una población de 1 000 000 de individuos es paralelizada a través de un algoritmo de balanceo de procesos implementado en el lenguaje de programación C-CUDA. El resultado dado por el software paralelizado por GPU es comparado contra un análisis hecho del modelo paralelizado por multi-hilos CPU. Los resultados demuestran que el tiempo de cómputo puede ser reducido significativamente gracias al uso de C-CUDA.