Browsing by Author "Paredes Anchatipan, Alex Darwin"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    “Implementación de un módulo de entrenamiento especializado en el ensamblaje de tableros de control eléctrico para el laboratorio de Electromecánica de la UTC Extensión La Maná.”
    (Ecuador: La Maná: Universidad Técnica de Cotopaxi; (UTC), 2026-06-18) Córdova Jiménez, Marlon Eduardo; Morales Sinche, Ronal Alejandro; Paredes Anchatipan, Alex Darwin
    La formación en ingeniería eléctrica industrial suele impartirse en el marco de una carrera de ingeniería electromecánica con especial énfasis en los conocimientos teóricos y las habilidades técnicas. Este hallazgo coincide con la necesidad de mejorar las prácticas de laboratorio mediante actividades de aprendizaje que permitan a los estudiantes trabajar con sistemas eléctricos de potencia reales y temas técnicos y conceptuales de actualidad. Con ello, la investigación planteó como objetivo Implementar un Módulo de Entrenamiento Especializado en el Ensamblaje de Tableros de Control Eléctrico para el Laboratorio de Electromecánica de la UTC Extensión La Maná, que impulse las habilidades prácticas y teóricas de los estudiantes en el área de electromecánica. Para ello, se desarrolló una metodología aplicada con un diseño no experimental y un enfoque descriptivo-explicativo. Los participantes se reclutaron mediante técnicas como la observación directa, pruebas previas y posteriores, y encuestas de satisfacción a estudiantes de un curso de ingeniería de control eléctrico industrial. Además, se realizaron cálculos eléctricos, gráficos en AutoCAD y el montaje físico de los armarios de control. Los resultados mostraron que el módulo implementado realizó con éxito la inicialización de circuitos de arranque directo, inverso y estrella-triángulo, así como la operación física de los controladores programados y los componentes eléctricos. Los resultados de la revisión sistemática también mostraron que los estudiantes valoraron positivamente la importancia del módulo, la tarea y su papel en el proceso de aprendizaje. El estudio concluyó que, la implementación del módulo de capacitación ha mejorado significativamente la enseñanza de los controles eléctricos industriales. Al integrar el diseño, el ensamblaje y la validación práctica de los armarios de control, contribuyó a una formación técnica más completa y práctica.
  • Thumbnail Image
    Item
    Predicción de estrés hídrico mediante Machine Learning utilizando sensores loT de monitoreo ambiental: caso de estudió en cultivos de café de centro experimental Sacha Wiwa.
    (Ecuador: La Maná: Universidad Técnica de Cotopaxi; Extensión La Maná, Carrera de Electromecánica, 2025-09) Gonzalez Mera, Edner Alfredo; Paredes Anchatipan, Alex Darwin; Vásquez Carrera, Paco Jovanni
    El estrés hídrico representa una de las principales limitaciones para la productividad del café en regiones tropicales. Este estudio desarrolló un sistema de predicción de estrés hídrico basado en sensores IoT y algoritmos de machine learning para cultivos de café en el Centro Experimental Sacha Wiwa, Ecuador. Se implementó una red de sensores inalámbricos (Ecowitt) que monitoreó 16 variables ambientales durante 8 meses (octubre 2023 - mayo 2024), recopilando 2,920 observaciones con 82.3% de disponibilidad de datos. Se desarrolló un modelo Random Forest para clasificar el estrés hídrico en tres categorías: sin estrés (>65% humedad del suelo), estrés moderado (40-65%) y estrés severo (<40%). El modelo alcanzó una precisión global del 91.8% (R² = 0.891, RMSE = 0.724), identificando las variables de humedad del suelo como predictores primarios (53.5% de importancia), seguidas por precipitación (18.6%) y temperatura ambiental (12.8%). Los períodos críticos se concentraron en enero y marzo 2024, coincidiendo con temperaturas máximas >31°C. El sistema demostró capacidad predictiva de 2-3 días, proporcionando tiempo suficiente para implementar medidas preventivas. Los resultados validan la viabilidad de tecnologías IoT para agricultura de precisión en regiones tropicales, estableciendo bases metodológicas para sistemas de alerta temprana en cultivos de café.