RIDUNT - Repositorio Institucional
Repositorio de acceso abierto de la Universidad Nacional de Tucumán.
Acervo documental
Tesis, revistas, libros e investigaciones de la comunidad universitaria.
Ciencia Abierta
Producción científica accesible para toda la comunidad.
Tipos de documento
TesisTrabajos finalesTesis de grado y posgrado defendidas en la UNT.RevistaPublicaciones periódicasArtículos de investigación de las revistas del repositorio.LibroMonografíasObras y capítulos de libro publicados por la comunidad.InvestigacionesProducción científicaProyectos, informes y resultados de la investigación científica.
Comunidades en RIDUNT
Seleccione una comunidad para explorar sus colecciones.
Envíos recientes
Item type:Thesis, Analizador de vibraciones mecánicas mediante plataforma Arduino y MATLAB(Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología, Departamento de Ingeniería Mecánica, 2025) Campus, Agustin; Diaz, Romero1. Resumen. En la Introducción, se establece la importancia del monitoreo de la salud estructural para la predicción de fallas en maquinaria industrial, presentando el objetivo de elaborar un sistema de diagnóstico utilizando plataformas accesibles. La sección de Materiales y Métodos detalla la implementación de un prototipo masa-resorte de un grado de libertad, instrumentado mediante una placa Arduino UNO y un sensor acelerómetro MPU6050. Se utiliza el software TeraTerm para la adquisición de datos y MATLAB para el procesamiento numérico, permitiendo calcular la Transformada Rápida de Fourier (FFT) y generar diagramas de Bode. Los Resultados exponen las gráficas de respuesta en el tiempo y frecuencia, logrando identificar con precisión la frecuencia natural y el factor de amortiguamiento del sistema real en comparación con el modelo teórico. Finalmente, las Conclusiones validan la fiabilidad del dispositivo desarrollado, demostrando que la integración de tecnologías como Arduino y MATLAB ofrece una solución robusta y económica para fines didácticos y para el diagnóstico vibratorio preliminar.Item type:Thesis, Modelo de predicción para meteorología del espacio usando técnicas de programación científica(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2026) Lencina, María Fernanda; Torres, Mariela AnalíaLos procesos de degradación de suelos, impulsados por prácticas antrópicas inadecuadas y el cambio climático, constituyen un desafío ambiental crítico a nivel global, particularmente en regiones áridas y semiáridas. Frente a esta problemática, la restauración de la cubierta edáfica a través de la formación de biocostras artificiales emerge como una estrategia sustentable para recuperar la funcionalidad del ecosistema. En este contexto, el objetivo general del presente trabajo fue contribuir a la restauración de suelos degradados mediante biocostras formadas por cianobacterias producidas en fotobiorreactores. A partir de la caracterización e identificación de microorganismos extremófilos nativos de la Puna argentina, se seleccionó la cianobacteria Nostoc sp. GTAR-027 por su capacidad para sintetizar exopolisacáridos (EPS), fijar nitrógeno, solubilizar fosfatos y producir biomasa eficientemente. A su vez, se evaluó un microorganismo asociado a su crecimiento, identificado como Pannonibacter sp. MFL-16, confirmando el establecimiento de un consorcio donde esta bacteria aporta propiedades promotoras del crecimiento vegetal (PGP) y tolerancia a metales pesados. La capacidad del consorcio para formar biocostras artificiales se probó en suelo a escala laboratorio bajo condiciones de estrés hídrico. En régimen de aridez (100 mm de riego), se logró un incremento significativo del porcentaje de cobertura (75 %), del carbono orgánico (0,22 %) y de la acumulación de EPS en el suelo (36,6 %). Incluso bajo aridez extrema (50 mm de riego), el inóculo mantuvo su efectividad y alcanzó incrementos del 45 % en cobertura, 0,24 % en carbono orgánico y 22,5 % en EPS. A fin de garantizar la viabilidad de esta estrategia a mayor escala, se estudió la producción del inóculo en fotobiorreactores instrumentados de tanque agitado (STR) de 1 L. Las condiciones de operación se optimizaron a 0,6 vvm, 130 rpm, 28 °C y un fotoperiodo 12:12 durante 18 días, alcanzando una producción de biomasa seca de 1,04 g/L. Bajo estos parámetros se logró una eficiente transferencia de oxígeno sin magnificar el esfuerzo de corte, garantizando la suspensión homogénea del cultivo sin generar daño celular. A partir de los datos experimentales obtenidos en el fotobiorreactor, se realizó un escalamiento matemático para proyectar la viabilidad de la producción del inóculo a una escala de 100 L. En conclusión, el consorcio conformado por Nostoc sp. GTAR-027 y Pannonibacter sp. MFL-16, nativos de la Puna argentina, puede producirse eficientemente en fotobiorreactores y aplicarse para la formación de biocostras artificiales capaces de contribuir a la restauración de suelos en ambientes extremos. El desarrollo de esta estrategia biotecnológica constituye una alternativa efectiva para la estabilización y recuperación de suelos degradados, respaldada por un proceso de producción en fotobiorreactores técnicamente viable y escalable. Asimismo, este trabajo establece las bases biológicas, biotecnológicas y de ingeniería necesarias para avanzar hacia su producción a mayor escala y su futura evaluación en condiciones de campo.Item type:Thesis, Modelo de predicción para meteorología del espacio usando técnicas de programación científica(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2025-10-28) Namour, Jorge Habib; Molina, María GracielaLa presente tesis constituye un aporte relevante al campo de la meteorología del espacio (ME) o ‘Space Weather’ en general y en el estudio de la ionosfera en particular, mediante el desarrollo y aplicación de técnicas modernas de computación científica y aprendizaje automático. La investigación se centra en el pronóstico de las condiciones de la ionosfera en condiciones calmas y perturbadas usando principalmente algoritmos de aprendizaje profundo. La ME se centra en el estudio del sistema Sol–Tierra, sus efectos sobre sistemas tecnológicos (como ‘Global Navigation Satellite Systems’ o GNSS, vehículos espaciales, telecomunicaciones, redes eléctricas, entre otros) y sobre la salud humana en el espacio, y que por sobre todo busca pronosticar posibles efectos nocivos para ejecutar maneras de mitigarlos. Esta tesis se estructura en torno al modelado ‘end-to-end’ usando Ciencia de Datos como una metodología robusta para realizar el pronóstico y para transicionar la investigación científica realizada hacia una instancia operacional. Para esto, se hace foco en el desarrollo de un ‘pipeline’ de datos y de procesamiento utilizando múltiples fuentes de datos, siguiendo por etapas de preprocesamiento hasta el modelado usando diferentes técnicas de aprendizaje profundo. No solo se investigaron diferentes técnicas de inteligencia artificial (IA) (en particular redes neuronales multicapas), sino que se implementan estrategias específicas para aplicaciones en tiempo real. Atendiendo a diferentes alcances en el pronóstico, se proponen modelos y sus implementaciones para el pronóstico tanto global (para múltiples regiones geográficas y bajo diferentes condiciones) como local para Tucuman (estación ionosférica de baja latitud). En lo que respecta a la Ciencia de Datos, se prestó especial atención a las transformaciones sucesivas de los conjuntos de datos garantizando la trazabilidad de los datos y del código. El modelado se basó en diferentes técnicas de IA aplicadas a series temporales multivariadas, particularmente usando redes neuronales multicapas (aprendizaje profundo). Cada una de estas técnicas se aplicaron de manera independiente para generar modelos independientes que luego fueron comparados y validados usando conjuntos de datos nuevos. Se proponen principalmente dos tipos de métodos: a) redes neuronales recurrentes, en particular las denominadas Long-Short Term Memory (LSTM) y Gated Recurrent Unit (GRU), y b) redes neuronales convolucionales o ‘ Convolutional Neural Networks’ (CNN) sobre los mismos conjuntos de datos. Luego se seleccionó el modelo con mejor performance para ser aplicado de manera operativa. Finalmente, el mejor modelo fue adaptado mediante el concepto de ‘transfer learning’ para aplicarse a una estación ionosférica local. Es importante destacar las capacidades del aprendizaje profundo para capturar dependencias no lineales, relaciones multiescala y dinámicas temporales de la ionosfera que resultan difíciles de modelar mediante enfoques tradicionales teniendo como horizonte el pronóstico. Así, el objetivo principal de esta Tesis es diseñar, entrenar y validar un modelo predictivo robusto que permita pronósticos a corto plazo de parámetros ionosféricos, en particular el contenido electrónico total o ‘Total Electron Content’ (TEC), considerando como variable exógena el índice geomagnético planetario (Kp) como un forzante de ME. Los principales aportes de esta tesis son: ● El desarrollo de un pipeline reproducible para datos heterogéneos de ME. Tanto los datos preparados (https://shorturl.at/kZada, 2023), que engloban casi un ciclo solar completo, como el código (https://shorturl.at/QVCIz, 2023), generado se encuentran publicados y de acceso libre. Los datos de TEC usados comprenden alrededor de un ciclo solar permitiendo analizar diferentes condiciones ionosféricas de acuerdo a anios de alta o baja actividad solar. De esta manera, se contribuye a la disponibilidad de datos curados (de alta calidad) y código abierto para ser usado por la comunidad. ● El desarrollo de un modelo para pronóstico global de la ionosfera usando datos de mapas de contenido electrónico total y un parámetro exógeno como forzante externo relacionado con la actividad geomagnética (índice Kp en particular). Los resultados obtenidos son significativos especialmente si se analiza la calidad de los datos utilizados y las posibilidades de aplicación en ambientes reales. ● A partir del conocimiento generado por el modelo global, se procedió a ‘transferir’ ese conocimiento para el pronóstico local de una estación de baja latitud (Tucumán) lo que es especialmente desafiante debido a la compleja morfología y dinámica de la ionosfera en zonas ecuatoriales. Se implementó una estrategia denominada ‘transfer learning’ a datos localmente calibrados logrando resultados con similares errores al pronóstico global lo cual es especialmente significativo. Entre los resultados más relevantes cabe destacar la utilización de un conjunto de datos pequeño, para lo cual es recomendada la transferencia de conocimiento. Es además, el primer modelo de pronóstico usando técnicas de IA para pronosticar las condiciones de la ionosfera en Tucuman. ● La aplicación de los modelos en un ambiente operativo en tiempo real mediante la implementación de un mecanismo de entrenamiento incremental para evitar la degradación de los modelos ya entrenados manteniendo errores acotados para el pronóstico. Estos resultados serán utilizados para generar sistemas de alarma en entornos de monitoreo de ME. Por lo tanto, esta tesis contribuye a la generación de aplicaciones de técnicas de IA en entornos reales. Es importante mencionar que en los últimos cinco años, la comunidad de meteorología del espacio y de la ionosfera ha comenzado a utilizar cada vez las diferentes técnicas de IA , mostrando nuevos resultados y un crecimiento exponencial. El desarrollo de esta tesis avanzó a la par que la comunidad mostrando resultados originales y abriendo la posibilidad de nuevas líneas de investigación tanto en el exterior, en elpaís como en nuestra casa de estudios. A partir de este trabajo de tesis, surgió también el desarrollo de un curso de postgrado en la FACET-UNT (el primero de su tipo) sobre aprendizaje profundo y ciencia de datos, una materia de grado optativa y la dirección de tesinas de grado en el Departamento de Ciencias de la Computación, y nuevas colaboraciones entre nuestra casa de estudio con otras instituciones como por ejemplo el Instituto Nazionale de Geofisica e Vulcanologia (INGV), National Aeronautics and Space Administration (NASA), International Centre for Theoretical Physics (ICTP), entre otras instituciones en el área de la inteligencia artificial y de ME. En 2022, además, a partir de estos resultados se organizó un Workshop internacional (https://indico.ictp.it/event/9840/) lo cual constituye un importante aporte a la comunidad científica.Item type:Thesis, Estación de medición de caudal de gas(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2026-05) Robledo, Jonatan Ruben; Volentini, Esteban DanielEl presente trabajo aborda el diseño de un sistema destinado a medir y registrar el consumo de gas natural asociado al accionamiento de válvulas neumáticas en redes de transporte de gas, con el objetivo de contribuir a la cuantificación y gestión de las emisiones fugitivas de metano (CH₄). La problemática surge debido a que el gas utilizado durante la operación de estas válvulas no es actualmente contabilizado de manera sistemática, dificultando la evaluación de su impacto ambiental y la implementación de estrategias de reducción. La propuesta consiste en desarrollar un sistema de medición basado principalmente en sensores ultrasónicos de caudal, complementados con sensores de presión y temperatura, que permitan determinar el volumen de gas consumido y corregirlo a condiciones estándar. Para el procesamiento de la información se selecciona una plataforma de sistemas embebidos CIAA-NXP, mientras que la comunicación remota se plantea mediante tecnología LoRaWAN, adecuada para instalaciones distribuidas y de baja infraestructura de comunicaciones. Asimismo, se propone una arquitectura de almacenamiento y procesamiento en la nube mediante servicios de AWS y la utilización de Power BI para desarrollar tableros de visualización e indicadores ambientales y operativos. De esta manera, los datos obtenidos pueden transformarse en información útil para la supervisión, trazabilidad y toma de decisiones. Finalmente, el análisis realizado indica que la solución propuesta resulta técnica y económicamente viable, especialmente cuando se considera su implementación en múltiples plantas compresoras. El sistema constituye una alternativa para mejorar la medición y gestión de las emisiones de metano, favorecer la eficiencia operativa y contribuir al cumplimiento de objetivos ambientales y regulatorios del sector energético.Item type:info:eu-repo/semantics/article – Revista Ranar, Responses of garlic to environmental and agronomic factors. I. Dynamics of dry matter production and leaf growth(FAZyV, 2026-07-06) Saluzzo, José Alberto; Struik, Paul Christiaan; Rattin, JorgeThe timing of planting (PD) and the size of garlic (Allium sativum L.) cloves (CS) are known to affect crop growth and its response to environmental conditions. This study aimed to understand the effects of environmental factors on garlic dry matter production in Balcarce (37°45′50″ S and 58°17′20″ W), Argentina. Experiments were conducted over two growing seasons, with treatments combining four PDs and two CS levels. No significant effects of PD or CS were found on the rate of total dry matter yield increase per degree day accumulated (DDA). Similarly, the relationship between bulb dry matter yield (BDMY) and DDA was consistent across all PDs, with BDMY tending to decrease with delayed planting. BDMY was slightly higher in Year 2. In Year 2, small seed cloves resulted in an earlier onset of bulbing with the latest PD. Bulb fresh matter yield (BFMY) increased steadily at early PDs, but slowed down with the latest PD. Leaf dry matter yield increase per DDA was higher in earlier PDs, particularly in Year 1, with no clear CS effect. While leaf area (LA) expansion per DDA showed no differences among PDs, it tended to decrease as PD was delayed. Overall, PD, CS, and the year of study significantly influenced leaf dry weight and LA. The onset of bulbing, defined by the bulb base diameter-to-pseudostem diameter ratio, was significantly modified by PD and CS. A strong relationship was found between LA and BFMY, which was also affected by PD and CS. The most notable effect of the year was on the rate of bulb and leaf growth, expansion, and the bulbing ratio. Environmental conditions, primarily temperature, combined with agronomic practices (PD and CS), affected these crop traits. These findings are expected to contribute to improve garlic production in southeastern Buenos Aires province.Item type:info:eu-repo/semantics/article – Revista Ranar, Fruit yield of strawberry plants inoculated with Azospirillum brasilense RLC1 and REC3 under field conditions(FAZyV, 2026-06-19) Salazar, S.M.; Lovaisa, N.C.; Guerrero-Molina, M.F.; Ragout, A.L.; Kirschbaum, D.S.; Díaz-Ricci, J.C.; Pedraza, R.O.The beneficial effect of inoculating with Azospirillum brasilense on crop productivity has been widely described in different crops, but its extensive use in strawberry typical agricultural field environments is scarcely documented. The objective of this study was to quantify the fruit yield of strawberry plants (Fragaria ananassa Duch.) inoculated with A. brasilense (strains RLC1 and REC3) under typical dryland farming conditions. The study was performed during 2006-2009 growing seasons, evaluating root inoculated and non-inoculated strawberry plants cultivar ‘Camarosa’ in Tucumán, Argentina. The inoculated plants exhibited more vigorous vegetative growth and increased the total fruit yield by 8.5% and marketable yield by 7%, as compared withnon-inoculated plants.