Investigación e Innovación en Ingenierías Investigación e Innovación en Ingenierías es una revista científica, arbitrada de acceso abierto con publicación continua y edición semestral. Está orientada a la publicación de artículos de investigación relevantes que presenten nuevos conocimientos sobre aspectos teóricos o prácticos de las metodologías utilizadas en todos los campos de la ingeniería. El público al que se dirige contempla a expertos, profesores, investigadores y estudiantes universitarios de pregrado y posgrado en diferentes áreas de investigación en ingeniería. Recibe contribuciones en idioma español e inglés.
Investigación e Innovación en Ingenierías es una revista científica, arbitrada de acceso abierto con publicación continua y edición semestral. Está orientada a la publicación de artículos de investigación relevantes que presenten nuevos conocimientos sobre aspectos teóricos o prácticos de las metodologías utilizadas en todos los campos de la ingeniería. El público al que se dirige contempla a expertos, profesores, investigadores y estudiantes universitarios de pregrado y posgrado en diferentes áreas de investigación en ingeniería. Recibe contribuciones en idioma español e inglés.
- Aplicación del método de mínimos cuadrados ordinarios en la calibración de medidores de temperatura, presión y masapor José Daniel Hernández Vásquez el enero 17, 2023 a las 12:00 am
Objetivo: El objetivo de este trabajo es aplicar el método de los Mínimos Cuadrados Ordinarios (MCO) como estrategia para reducir la incertidumbre de medida asociada a las magnitudes físicas relevantes. Metodología: Este trabajo fue motivado por los esfuerzos realizados en las ciencias de la medición para investigar métodos alternativos que permitan obtener una mayor confiabilidad metrológica de los resultados, es decir, reducir la incertidumbre asociada a la medición. Así, la metodología aplicada consistió en el desarrollo de un código computacional utilizando la herramienta MatLab, en el cual se programó un algoritmo que soporta la aplicación del método OLS. Se evaluaron tres de las magnitudes físicas más utilizadas a nivel industrial: temperatura, presión y masa. Estas magnitudes se evaluaron a partir de la calibración de tres instrumentos de medida: termistor, manómetro y balanza digital. Resultados: La metodología aplicada permitió: (i) obtener la matriz de los coeficientes para polinomios de grados 1, 2, 3 y 4 que ajustan los datos experimentales; (ii) dibujar las curvas de calibración para cada uno de los polinomios obtenidos y (iii) estimar la incertidumbre de ajuste (es decir, la desviación cuadrática media) para especificar el polinomio que mejor modele los datos experimentales para un nivel de confiabilidad del 95,45 % (k = 2). Los resultados consolidados confirmaron una reducción en la incertidumbre asociada al ajuste polinomial del 99,8% para la medida de temperatura, 45,6% para la medida de presión y 53,9% para la medida de masa. Conclusiones: Finalmente, se presenta una discusión de los resultados, confirmando la efectividad del método de mínimos cuadrados ordinarios como estrategia para reducir la incertidumbre asociada a la calibración de instrumentos de medida.
- Modelo Estadístico para determinar los factores académicos en los Resultados de las Pruebas Saber Propor Alberto Fabio Narváez Zúñiga el diciembre 2, 2022 a las 12:00 am
Objetivo: Diseñar un modelo estadístico que determine los factores académicos sobre resultados de las Pruebas Saber Pro. Metodología: El estudio de técnicas de relaciones multivariables y de aprendizaje fueron empleadas para establecer un mecanismo de relación entre un conjunto de variables académicas y sociodemográficas y su influencia con el resultado de la prueba Saber Pro, a través de un diseño y selección de un modelo estadístico multivariable que determine en forma óptima los factores académicos que inciden en los resultados de las pruebas Saber Pro. Resultados: Se apreció que no existen diferencias significativas entre los modelos y la realidad reflejada en la muestra de la validación a excepción de la prueba PCME que el modelo de Random Forest no prueba hipótesis de validación. Se identificó que el modelo de regresión lineal multivariante no muestra diferencias significativas en ninguna de las pruebas, al contrario del modelo Random Forest si muestra diferencias para ciertos valores de α en ING y FPI además de rechazar hipótesis de igualdad para la prueba PCME. Conclusiones: Cualquiera de las técnicas utilizadas en el estudio puede ayudar a realizar un modelo predictivo que sea capaz de permitir a la institución generar estrategias para lograr crear políticas orientadas a mejorar el rendimiento de los estudiantes. Sin embargo, la técnica de regresión lineal multivariante de acuerdo a las pruebas de hipótesis es la mejor posicionada en este estudio.