http://sedici.unlp.edu.ar:80/handle/10915/191900 2026-05-08T11:24:24Z 2026-05-08T11:24:24Z Ferraro, Santiago Machin Ferrero, Lucas M. Mele, Fernando D. http://sedici.unlp.edu.ar:80/handle/10915/191935 2026-03-16T20:13:03Z 2026-03-09T00:00:00Z

Articulo Optimización de redes de producción y distribución de biometano derivado de residuos ganaderos en el Noroeste Argentino 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 In the current context of climate change and energy transition, biomethane is emerging as a sustainable biofuel with significant potential for transportation and injection into the natural gas grid. This study proposes a mixedinteger linear programming (MILP) model to design the optimal configuration of the biomethane supply chain over a multi-period horizon. The model integrates two objective functions: an economic one (total cost) and an environmental one (global warming potential), incorporating Life Cycle Assessment as a methodology to evaluate environmental impacts. Key constraints are imposed, including livestock waste availability, product demand, and mass balances, allowing the assessment of two strategic approaches: (i) maximizing the use of available feedstock and (ii) partially satisfying the demand for compressed natural gas. Model results include the optimal location, capacity, and number of biomethane production facilities, as well as the annual flows of raw materials to be processed and the product obtained. A trade-off between objectives is observed, as prioritizing cost reduction leads to a higher environmental impact and vice versa. Furthermore, the optimal supply chain configuration varies depending on the strategy adopted and the selected objective function. Finally, in the optimizations performed, the environmental credits outweigh the global warming potential generated by the supply chain, confirming the role of biomethane as a viable solution for climate change mitigation.; En el contexto actual de cambio climático y transición energética, el biometano se posiciona como un biocombustible sostenible con gran potencial para el transporte y la inyección en la red de gas natural. Este estudio propone un modelo de programación mixto entero lineal (MILP) para diseñar la configuración óptima de la cadena de suministros del biometano producido por digestión de estiércol bovino en un horizonte multiperíodo. El modelo integra dos funciones objetivo: una económica (costos totales) y otra ambiental (potencial de calentamiento global), incorporando el Análisis de Ciclo de Vida como metodología para evaluar los impactos ambientales. Se imponen restricciones clave, como la disponibilidad de estiércol, la demanda del producto y los balances de materia, permitiendo evaluar dos enfoques estratégicos: (i) maximización del uso de materia prima disponible y (ii) satisfacción parcial de la demanda de gas natural comprimido para transporte. Los resultados del modelo determinan la ubicación, capacidad y cantidad óptima de plantas de producción de biometano, así como los flujos anuales de materia prima a procesar y de producto obtenido. Como resultado se observa un compromiso entre los objetivos, ya que priorizar la reducción de costos conlleva un mayor impacto ambiental y viceversa. Además, la configuración óptima de la cadena de suministros varía según la estrategia adoptada y la función objetivo elegida. Finalmente, en las optimizaciones realizadas, los créditos ambientales superan el potencial de calentamiento global generada por la cadena de suministros, reafirmando el papel del biometano como una solución viable para la mitigación del cambio climático.

2026-03-09T00:00:00Z In the current context of climate change and energy transition, biomethane is emerging as a sustainable biofuel with significant potential for transportation and injection into the natural gas grid. This study proposes a mixedinteger linear programming (MILP) model to design the optimal configuration of the biomethane supply chain over a multi-period horizon. The model integrates two objective functions: an economic one (total cost) and an environmental one (global warming potential), incorporating Life Cycle Assessment as a methodology to evaluate environmental impacts. Key constraints are imposed, including livestock waste availability, product demand, and mass balances, allowing the assessment of two strategic approaches: (i) maximizing the use of available feedstock and (ii) partially satisfying the demand for compressed natural gas. Model results include the optimal location, capacity, and number of biomethane production facilities, as well as the annual flows of raw materials to be processed and the product obtained. A trade-off between objectives is observed, as prioritizing cost reduction leads to a higher environmental impact and vice versa. Furthermore, the optimal supply chain configuration varies depending on the strategy adopted and the selected objective function. Finally, in the optimizations performed, the environmental credits outweigh the global warming potential generated by the supply chain, confirming the role of biomethane as a viable solution for climate change mitigation. En el contexto actual de cambio climático y transición energética, el biometano se posiciona como un biocombustible sostenible con gran potencial para el transporte y la inyección en la red de gas natural. Este estudio propone un modelo de programación mixto entero lineal (MILP) para diseñar la configuración óptima de la cadena de suministros del biometano producido por digestión de estiércol bovino en un horizonte multiperíodo. El modelo integra dos funciones objetivo: una económica (costos totales) y otra ambiental (potencial de calentamiento global), incorporando el Análisis de Ciclo de Vida como metodología para evaluar los impactos ambientales. Se imponen restricciones clave, como la disponibilidad de estiércol, la demanda del producto y los balances de materia, permitiendo evaluar dos enfoques estratégicos: (i) maximización del uso de materia prima disponible y (ii) satisfacción parcial de la demanda de gas natural comprimido para transporte. Los resultados del modelo determinan la ubicación, capacidad y cantidad óptima de plantas de producción de biometano, así como los flujos anuales de materia prima a procesar y de producto obtenido. Como resultado se observa un compromiso entre los objetivos, ya que priorizar la reducción de costos conlleva un mayor impacto ambiental y viceversa. Además, la configuración óptima de la cadena de suministros varía según la estrategia adoptada y la función objetivo elegida. Finalmente, en las optimizaciones realizadas, los créditos ambientales superan el potencial de calentamiento global generada por la cadena de suministros, reafirmando el papel del biometano como una solución viable para la mitigación del cambio climático. Anselmino, Agustina Dondo, Rodolfo G. Cóccola, Mariana E. http://sedici.unlp.edu.ar:80/handle/10915/191934 2026-03-16T20:13:04Z 2026-03-09T00:00:00Z

Articulo Optimization of forest biomass prices and its impact on the competitiveness of the bioenergy sector 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 Este trabajo presenta un modelo matemático cuadrático entero mixto (MIQP) con restricciones lineales, diseñado para evaluar cómo la competencia entre las distintas industrias que consumen biomasa forestal influye en el precio y la disponibilidad del recurso. El objetivo principal es analizar los efectos de las variables de decisión sobre el crecimiento y desarrollo del mercado de la bioenergía en Argentina. El modelo de optimización se aplica para evaluar la cadena de suministro de la biomasa forestal en la provincia de Entre Ríos, donde la industria de tableros de fibras y partículas es el mayor consumidor de biomasa residual, siendo su producción más rentable que la generación de energía.; This paper presents a mixed-integer quadratic programming (MIQP) model with linear constraints, designed to assess how competition among different industries that consume forest biomass affects the price and availability of this resource. The main objective is to analyze the effects of decision variables on the growth and development of the bioenergy market in Argentina. The optimization model is applied to evaluate the forest biomass supply chain in the province of Entre Ríos, where the fiberboard and particleboard industry is the largest consumer of residual biomass, and its production is more profitable than energy generation.

2026-03-09T00:00:00Z Este trabajo presenta un modelo matemático cuadrático entero mixto (MIQP) con restricciones lineales, diseñado para evaluar cómo la competencia entre las distintas industrias que consumen biomasa forestal influye en el precio y la disponibilidad del recurso. El objetivo principal es analizar los efectos de las variables de decisión sobre el crecimiento y desarrollo del mercado de la bioenergía en Argentina. El modelo de optimización se aplica para evaluar la cadena de suministro de la biomasa forestal en la provincia de Entre Ríos, donde la industria de tableros de fibras y partículas es el mayor consumidor de biomasa residual, siendo su producción más rentable que la generación de energía. This paper presents a mixed-integer quadratic programming (MIQP) model with linear constraints, designed to assess how competition among different industries that consume forest biomass affects the price and availability of this resource. The main objective is to analyze the effects of decision variables on the growth and development of the bioenergy market in Argentina. The optimization model is applied to evaluate the forest biomass supply chain in the province of Entre Ríos, where the fiberboard and particleboard industry is the largest consumer of residual biomass, and its production is more profitable than energy generation. González Prieto, M Sorichetti, A. E. Blanco, Aníbal Manuel Moreno, M. Susana http://sedici.unlp.edu.ar:80/handle/10915/191932 2026-03-16T20:13:04Z 2026-03-09T00:00:00Z

Articulo Evaluation of economic and environmental criteria for the optimal inventory management of empty pesticide containers in Temporary Collection Centers 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 En este trabajo se proponen modelos de programación mixta entera lineal (MILP) para la gestión de inventarios de Envases Vacíos de Fitosanitarios (EVFs) en Centros de Acopio Transitorio (CATs) que consideran diferentes criterios de optimización. Las formulaciones integran además decisiones de transporte hacia las Plantas de Reciclado de Plástico, definiendo circuitos de vaciado de los CATs en un horizonte de planificación multiperíodo. Dado que para estas operaciones se utiliza una flota heterogénea de vehículos que generan emisiones significativas, se consideran tres funciones objetivo: una orientada a minimizar los costos de transporte, otra enfocada en reducir las emisiones de CO₂ y una que integra las dos anteriores en un único criterio económico. En base a un perfil conocido de ingreso de EVFs, los modelos MILP propuestos permiten identificar alternativas logísticas que optimizan su retiro desde los CATs, definiendo circuitos y frecuencias de vaciado eficientes para el manejo óptimo de sus inventarios. Asimismo, seleccionan el tipo de vehículo a utilizar en cada circuito, entre los disponibles en la flota, con el fin de reducir tanto el costo como el impacto ambiental del proceso. Esta herramienta permite diseñar estrategias de gestión que minimicen costos y fomenten la recuperación de los EVFs dentro del circuito productivo, promoviendo así la transición hacia una economía circular en el sector agroindustrial. Como caso de estudio se analiza el sistema de recolección del Sudoeste Bonaerense.; This work proposes mixed-integer linear programming (MILP) models for the inventory management of Empty Pesticide Containers (EPCs) stored in Temporary Collection Centers (TCCs), considering different optimization criteria. The formulations also integrate routing decisions to Plastic Recycling Plants, determining collection routes for the TCCs over a multi-period planning horizon. Since these operations rely on a heterogeneous fleet of vehicles that produce significant emissions, three objective functions are considered: one aimed at minimizing transportation costs, another focused on reducing CO₂ emissions, and a third that integrates both criteria into a single economic objective. Based on a known EPCs input profile, the proposed MILP models identify logistics alternatives that optimize container removal from the TCCs, defining efficient collection routes and frequencies for optimal inventory management. Additionally, the models select the most suitable vehicle type for each route from the available fleet, in order to reduce both costs and environmental impact. This tool enables the design of management strategies that minimize costs and extend the lifecycle of EPC material within the production system, thus supporting the transition toward a circular economy in the agro-industrial sector. As a case study, the collection system of the Southwestern Buenos Aires region is analyzed.

2026-03-09T00:00:00Z En este trabajo se proponen modelos de programación mixta entera lineal (MILP) para la gestión de inventarios de Envases Vacíos de Fitosanitarios (EVFs) en Centros de Acopio Transitorio (CATs) que consideran diferentes criterios de optimización. Las formulaciones integran además decisiones de transporte hacia las Plantas de Reciclado de Plástico, definiendo circuitos de vaciado de los CATs en un horizonte de planificación multiperíodo. Dado que para estas operaciones se utiliza una flota heterogénea de vehículos que generan emisiones significativas, se consideran tres funciones objetivo: una orientada a minimizar los costos de transporte, otra enfocada en reducir las emisiones de CO₂ y una que integra las dos anteriores en un único criterio económico. En base a un perfil conocido de ingreso de EVFs, los modelos MILP propuestos permiten identificar alternativas logísticas que optimizan su retiro desde los CATs, definiendo circuitos y frecuencias de vaciado eficientes para el manejo óptimo de sus inventarios. Asimismo, seleccionan el tipo de vehículo a utilizar en cada circuito, entre los disponibles en la flota, con el fin de reducir tanto el costo como el impacto ambiental del proceso. Esta herramienta permite diseñar estrategias de gestión que minimicen costos y fomenten la recuperación de los EVFs dentro del circuito productivo, promoviendo así la transición hacia una economía circular en el sector agroindustrial. Como caso de estudio se analiza el sistema de recolección del Sudoeste Bonaerense. This work proposes mixed-integer linear programming (MILP) models for the inventory management of Empty Pesticide Containers (EPCs) stored in Temporary Collection Centers (TCCs), considering different optimization criteria. The formulations also integrate routing decisions to Plastic Recycling Plants, determining collection routes for the TCCs over a multi-period planning horizon. Since these operations rely on a heterogeneous fleet of vehicles that produce significant emissions, three objective functions are considered: one aimed at minimizing transportation costs, another focused on reducing CO₂ emissions, and a third that integrates both criteria into a single economic objective. Based on a known EPCs input profile, the proposed MILP models identify logistics alternatives that optimize container removal from the TCCs, defining efficient collection routes and frequencies for optimal inventory management. Additionally, the models select the most suitable vehicle type for each route from the available fleet, in order to reduce both costs and environmental impact. This tool enables the design of management strategies that minimize costs and extend the lifecycle of EPC material within the production system, thus supporting the transition toward a circular economy in the agro-industrial sector. As a case study, the collection system of the Southwestern Buenos Aires region is analyzed. Trujillo Jiménez, Magda Alexandra Iaconis, Francisco Pollicelli, Debora Revollo Sarmiento, Gisela Noelia Delrieux, Claudio http://sedici.unlp.edu.ar:80/handle/10915/191930 2026-03-16T20:13:05Z 2026-03-09T00:00:00Z

Articulo Super-resolution of satellite images using GAN: A scheme based on training with aerial images 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 Las imágenes satelitales suelen presentar limitaciones en su resolución espacial y, en muchos casos, altos costos de adquisición, lo que restringe su uso en aplicaciones como el monitoreo urbano, la gestión territorial y el estudio de fauna. Este trabajo propone un enfoque innovador que aprovecha imágenes aéreas de alta resolución para entrenar un modelo de super-resolución basado en Redes Generativas Adversarias. En particular, se adapta el modelo ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), optimizando sus parámetros con el fin de mejorar su eficiencia computacional y reducir los tiempos de entrenamiento. El modelo entrenado con imágenes aéreas se evalúa posteriormente sobre recortes satelitales de baja resolución, analizando su desempeño en factores de escala x2 y x4 mediante métricas estructurales, perceptuales y cromáticas (SSIM-Y, MS-SSIM, LPIPS y CIEDE2000). Los resultados muestran mejoras visuales claras, con mayor nitidez, mejor definición de bordes y una recuperación coherente de estructuras urbanas y elementos del terreno. Cuantitativamente, la escala x2 alcanza los valores más altos, mientras que la escala x4 mantiene un rendimiento estable y útil para aplicaciones prácticas. Estos hallazgos demuestran la viabilidad de transferir la capacidad de super-resolución desde imágenes aéreas hacia imágenes satelitales, incluso bajo diferencias espectrales y geométricas entre dominios. En conjunto, este trabajo establece una base sólida para el desarrollo de modelos de super-resolución satelital de bajo costo y alto impacto, y abre futuras líneas de investigación orientadas a ampliar los datos de entrenamiento, incorporar técnicas de domain adaptation y explorar arquitecturas específicas para sensores satelitales.; Satellite images often have limitations in terms of spatial resolution and, in many cases, high acquisition costs, which restricts their use in applications such as urban monitoring, land management, and wildlife studies. This work proposes an innovative approach that uses high-resolution aerial images to train a super-resolution model based on Generative Adversarial Networks. In particular, the ESRGAN (Enhanced Super-Resolution Generative Adversarial Network) model is adapted, optimizing its parameters in order to improve its computational efficiency and reduce training times. The model trained with aerial images is then evaluated on low-resolution satellite clips, analyzing its performance at x2 and x4 scale factors using structural, perceptual, and chromatic metrics (SSIM-Y, MS-SSIM, LPIPS, and CIEDE2000). The results show clear visual improvements, with greater sharpness, better edge definition, and consistent recovery of urban structures and terrain features. Quantitatively, the x2 scale achieves the highest values, while the x4 scale maintains stable and useful performance for practical applications. These findings demonstrate the feasibility of transferring super-resolution capability from aerial images to satellite images, even under spectral and geometric differences between domains. Overall, this work establishes a solid foundation for the development of low-cost, high-impact satellite super-resolution models and opens up future lines of research aimed at expanding training data, incorporating domain adaptation techniques, and exploring specific architectures for satellite sensors.

2026-03-09T00:00:00Z Las imágenes satelitales suelen presentar limitaciones en su resolución espacial y, en muchos casos, altos costos de adquisición, lo que restringe su uso en aplicaciones como el monitoreo urbano, la gestión territorial y el estudio de fauna. Este trabajo propone un enfoque innovador que aprovecha imágenes aéreas de alta resolución para entrenar un modelo de super-resolución basado en Redes Generativas Adversarias. En particular, se adapta el modelo ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), optimizando sus parámetros con el fin de mejorar su eficiencia computacional y reducir los tiempos de entrenamiento. El modelo entrenado con imágenes aéreas se evalúa posteriormente sobre recortes satelitales de baja resolución, analizando su desempeño en factores de escala x2 y x4 mediante métricas estructurales, perceptuales y cromáticas (SSIM-Y, MS-SSIM, LPIPS y CIEDE2000). Los resultados muestran mejoras visuales claras, con mayor nitidez, mejor definición de bordes y una recuperación coherente de estructuras urbanas y elementos del terreno. Cuantitativamente, la escala x2 alcanza los valores más altos, mientras que la escala x4 mantiene un rendimiento estable y útil para aplicaciones prácticas. Estos hallazgos demuestran la viabilidad de transferir la capacidad de super-resolución desde imágenes aéreas hacia imágenes satelitales, incluso bajo diferencias espectrales y geométricas entre dominios. En conjunto, este trabajo establece una base sólida para el desarrollo de modelos de super-resolución satelital de bajo costo y alto impacto, y abre futuras líneas de investigación orientadas a ampliar los datos de entrenamiento, incorporar técnicas de domain adaptation y explorar arquitecturas específicas para sensores satelitales. Satellite images often have limitations in terms of spatial resolution and, in many cases, high acquisition costs, which restricts their use in applications such as urban monitoring, land management, and wildlife studies. This work proposes an innovative approach that uses high-resolution aerial images to train a super-resolution model based on Generative Adversarial Networks. In particular, the ESRGAN (Enhanced Super-Resolution Generative Adversarial Network) model is adapted, optimizing its parameters in order to improve its computational efficiency and reduce training times. The model trained with aerial images is then evaluated on low-resolution satellite clips, analyzing its performance at x2 and x4 scale factors using structural, perceptual, and chromatic metrics (SSIM-Y, MS-SSIM, LPIPS, and CIEDE2000). The results show clear visual improvements, with greater sharpness, better edge definition, and consistent recovery of urban structures and terrain features. Quantitatively, the x2 scale achieves the highest values, while the x4 scale maintains stable and useful performance for practical applications. These findings demonstrate the feasibility of transferring super-resolution capability from aerial images to satellite images, even under spectral and geometric differences between domains. Overall, this work establishes a solid foundation for the development of low-cost, high-impact satellite super-resolution models and opens up future lines of research aimed at expanding training data, incorporating domain adaptation techniques, and exploring specific architectures for satellite sensors. Flores, Hugo Daniel Neil, Carlos Gerardo Delrieux, Claudio http://sedici.unlp.edu.ar:80/handle/10915/191923 2026-03-16T20:13:05Z 2026-03-09T00:00:00Z

Articulo Intelligent classification of damage in maritime vehicle transport based in computer vision and convolutional networks 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.; A high percentage of vehicles are transported by sea, where they are handled according to specific protocols. Monitoring their condition and detecting damage falls to trained personnel, which creates difficulties when assigning liability. To improve the efficiency of these processes, Computer Vision has established itself as a viable alternative for detecting and classifying damage in different industries. The objective of this work is to implement the use of Artificial Intelligence algorithms to detect and classify damage in the maritime industry. The creation and execution of three Convolutional Neural Network models to identify types of damage, damaged car parts, and production locations is described, as well as the procedure for obtaining information from databases currently in production in the automotive industry. An in-depth analysis is then performed to determine the accuracy of the results obtained and the changes that should be made to the processes to produce better Convolutional Neural Network models. Computer Vision techniques based on Convolutional Neural Networks have been proven to be highly effective for implementing solutions for damage detection and classification in this industry. It has also been shown that it is beneficial for the maritime industry to standardize both inspection processes and data capture procedures to produce Artificial Intelligence models with better results.

2026-03-09T00:00:00Z Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados. A high percentage of vehicles are transported by sea, where they are handled according to specific protocols. Monitoring their condition and detecting damage falls to trained personnel, which creates difficulties when assigning liability. To improve the efficiency of these processes, Computer Vision has established itself as a viable alternative for detecting and classifying damage in different industries. The objective of this work is to implement the use of Artificial Intelligence algorithms to detect and classify damage in the maritime industry. The creation and execution of three Convolutional Neural Network models to identify types of damage, damaged car parts, and production locations is described, as well as the procedure for obtaining information from databases currently in production in the automotive industry. An in-depth analysis is then performed to determine the accuracy of the results obtained and the changes that should be made to the processes to produce better Convolutional Neural Network models. Computer Vision techniques based on Convolutional Neural Networks have been proven to be highly effective for implementing solutions for damage detection and classification in this industry. It has also been shown that it is beneficial for the maritime industry to standardize both inspection processes and data capture procedures to produce Artificial Intelligence models with better results. http://sedici.unlp.edu.ar:80/handle/10915/191921 2026-03-16T20:13:06Z 2026-03-09T00:00:00Z

Articulo Convergence of artificial intelligence and blockchain for security enhancement on FinTech platforms 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 La convergencia entre inteligencia artificial (IA) y tecnología blockchain se ha consolidado como un eje central de la seguridad financiera en el ecosistema FinTech. Este trabajo se basa en un análisis sistemático de la literatura que examina el aporte de ambas tecnologías en áreas críticas como la detección de fraudes, la protección de datos sensibles, el cumplimiento regulatorio (KYC/AML), la trazabilidad y la gestión de riesgos. Los resultados muestran que la integración de IA y blockchain fortalece la resiliencia de las plataformas financieras y optimiza procesos regulatorios, aunque persisten desafíos de escalabilidad, interoperabilidad, sesgos algorítmicos y marcos regulatorios incompletos. El trabajo sintetiza el estado actual, las principales limitaciones y las oportunidades de estas tecnologías para mejorar la seguridad en Fin- Tech.; The convergence of artificial intelligence (AI) and blockchain technology has become a central pillar of financial security within the FinTech ecosystem. This work is grounded in a systematic analysis of the literature that examines the contribution of both technologies to critical areas such as fraud detection, protection of sensitive data, regulatory compliance (KYC/AML), traceability, and risk management. The results indicate that the integration of AI and blockchain strengthens the resilience of financial platforms and streamlines regulatory processes, although challenges remain regarding scalability, interoperability, algorithmic bias, and incomplete regulatory frameworks. This study synthesizes the current state of the field, the main limitations, and the opportunities these technologies offer to enhance security in FinTech.

2026-03-09T00:00:00Z La convergencia entre inteligencia artificial (IA) y tecnología blockchain se ha consolidado como un eje central de la seguridad financiera en el ecosistema FinTech. Este trabajo se basa en un análisis sistemático de la literatura que examina el aporte de ambas tecnologías en áreas críticas como la detección de fraudes, la protección de datos sensibles, el cumplimiento regulatorio (KYC/AML), la trazabilidad y la gestión de riesgos. Los resultados muestran que la integración de IA y blockchain fortalece la resiliencia de las plataformas financieras y optimiza procesos regulatorios, aunque persisten desafíos de escalabilidad, interoperabilidad, sesgos algorítmicos y marcos regulatorios incompletos. El trabajo sintetiza el estado actual, las principales limitaciones y las oportunidades de estas tecnologías para mejorar la seguridad en Fin- Tech. The convergence of artificial intelligence (AI) and blockchain technology has become a central pillar of financial security within the FinTech ecosystem. This work is grounded in a systematic analysis of the literature that examines the contribution of both technologies to critical areas such as fraud detection, protection of sensitive data, regulatory compliance (KYC/AML), traceability, and risk management. The results indicate that the integration of AI and blockchain strengthens the resilience of financial platforms and streamlines regulatory processes, although challenges remain regarding scalability, interoperability, algorithmic bias, and incomplete regulatory frameworks. This study synthesizes the current state of the field, the main limitations, and the opportunities these technologies offer to enhance security in FinTech. Pacheco, Federico Staino, Diego http://sedici.unlp.edu.ar:80/handle/10915/191920 2026-03-16T20:13:06Z 2026-03-09T00:00:00Z

Articulo Reinforcement of cyber deception strategies through simulated user behavior 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 El ciber engaño es una estrategia defensiva clave para detectar y contrarrestar las amenazas persistentes avanzadas y los ataques sofisticados. Sin embargo, la implementación de actividades tradicionales, como servicios señuelos, a menudo carecen de un soporte creíbles que refuerce su efectividad. En general, los honeypots y honeytokens tienen limitaciones como la falta de realismo por configuraciones estáticas y nulos rastros de actividad humana. Simular acciones conlleva costos, la creación y mantenimiento de perfiles es de difícil escalabilidad, así como la automatización e integración. En este trabajo presentamos una herramienta diseñada para automatizar la generación de actividades y comportamientos realistas de usuarios señuelos, buscando integrar patrones personalizados y coherentes de interacción humana en escenarios de ciber engaño para mejorar la credibilidad de la operación. Basándonos en el framework MITRE Engage, la herramienta contribuye al fortalecimiento de las operaciones defensivas, abordando un desafío clave de las estrategias de ciber engaño.; Cyber deception has emerged as a pivotal defensive strategy in the effort to detect and counter advanced persistent threats and sophisticated attacks. However, the implementation of conventional methods, such as decoy services, frequently lacks the credible support necessary to optimize their effectiveness. Generally, honeypot and honeytoken systems face limitations, including a lack of realism due to static configurations and an absence of human activity. Additionally, the simulation of actions is costly, and profiling is challenging to scale, as well as automation and adaptability. In this paper, we present a tool designed to automate the generation of realistic activities and behaviors of fictitious users, seeking to integrate personalized and coherent patterns of human interaction in cyber deception scenarios to improve the credibility of decoys. Based on the MITRE Engage framework, the tool contributes to the strengthening of defensive operations, addressing a key challenge of cyber deception.

2026-03-09T00:00:00Z El ciber engaño es una estrategia defensiva clave para detectar y contrarrestar las amenazas persistentes avanzadas y los ataques sofisticados. Sin embargo, la implementación de actividades tradicionales, como servicios señuelos, a menudo carecen de un soporte creíbles que refuerce su efectividad. En general, los honeypots y honeytokens tienen limitaciones como la falta de realismo por configuraciones estáticas y nulos rastros de actividad humana. Simular acciones conlleva costos, la creación y mantenimiento de perfiles es de difícil escalabilidad, así como la automatización e integración. En este trabajo presentamos una herramienta diseñada para automatizar la generación de actividades y comportamientos realistas de usuarios señuelos, buscando integrar patrones personalizados y coherentes de interacción humana en escenarios de ciber engaño para mejorar la credibilidad de la operación. Basándonos en el framework MITRE Engage, la herramienta contribuye al fortalecimiento de las operaciones defensivas, abordando un desafío clave de las estrategias de ciber engaño. Cyber deception has emerged as a pivotal defensive strategy in the effort to detect and counter advanced persistent threats and sophisticated attacks. However, the implementation of conventional methods, such as decoy services, frequently lacks the credible support necessary to optimize their effectiveness. Generally, honeypot and honeytoken systems face limitations, including a lack of realism due to static configurations and an absence of human activity. Additionally, the simulation of actions is costly, and profiling is challenging to scale, as well as automation and adaptability. In this paper, we present a tool designed to automate the generation of realistic activities and behaviors of fictitious users, seeking to integrate personalized and coherent patterns of human interaction in cyber deception scenarios to improve the credibility of decoys. Based on the MITRE Engage framework, the tool contributes to the strengthening of defensive operations, addressing a key challenge of cyber deception. Berra, Delfina Torre, María Daniela Ferrero, Mariano http://sedici.unlp.edu.ar:80/handle/10915/191919 2026-03-16T20:13:07Z 2026-03-09T00:00:00Z

Articulo Machine learning models for milk solids prediction in the dairy industry 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 El presente trabajo detalla la experiencia de un proyecto tecnológico llevado adelante entre una importante industria láctea en la provincia de Santa Fe y el Laboratorio de Gestión de la Información de la Universidad Nacional de Rafaela. La misma consistió en el análisis de sólidos totales en leche cruda y se llevó a cabo mediante una metodología cuantitativa tomando de base el modelo CRISP-DM. Para la etapa de comprensión de datos se realizaron reuniones entre las partes. En la instancia de análisis, se determinaron las variables a ser utilizadas y su procesamiento en modelos estadísticos. Durante el modelado, se analizaron diferentes alternativas con algoritmos de aprendizaje automático, determinando que el que mejor funcionaba era regresión lineal. Para evaluarlos se tomó de referencia el error promedio. Por último, se desarrolló una herramienta, a través de un código en el lenguaje de programación Python, adaptada a la empresa y que pudiera predecir los sólidos totales. El trabajo permitió posicionar a la Universidad como referente en tecnologías y mejora de procesos, como así también acercar a la empresa a la ciencia de datos y a tomar decisiones ágiles e informadas a partir de la reducción de tiempos operativos en la actualización de recetas.; This paper details the experience of a research project conducted by a major dairy industry in the province of Santa Fe (Argentina) and the Information Management Laboratory of the Universidad Nacional de Rafaela. The project involved the analysis of total solids in milk and was carried out using a quantitative methodology based on the CRISP-DM model. Meetings were held between the parties for the data comprehension stage. During the analysis phase, the variables to be used were determined and processed in statistical models. During the modeling process, different alternatives were analyzed using machine learning algorithms, determining that linear regression worked best. The mean error was used as a reference to evaluate these algorithms. Finally, using the Python programming language, a new tool was created capable of generating new predictions and consuming those insights from the final users of the company. The project positioned the University as a benchmark in technologies and process improvement, as well as bringing the company closer to data science and helping it make agile and informed decisions by reducing operational times in recipe updates.

2026-03-09T00:00:00Z El presente trabajo detalla la experiencia de un proyecto tecnológico llevado adelante entre una importante industria láctea en la provincia de Santa Fe y el Laboratorio de Gestión de la Información de la Universidad Nacional de Rafaela. La misma consistió en el análisis de sólidos totales en leche cruda y se llevó a cabo mediante una metodología cuantitativa tomando de base el modelo CRISP-DM. Para la etapa de comprensión de datos se realizaron reuniones entre las partes. En la instancia de análisis, se determinaron las variables a ser utilizadas y su procesamiento en modelos estadísticos. Durante el modelado, se analizaron diferentes alternativas con algoritmos de aprendizaje automático, determinando que el que mejor funcionaba era regresión lineal. Para evaluarlos se tomó de referencia el error promedio. Por último, se desarrolló una herramienta, a través de un código en el lenguaje de programación Python, adaptada a la empresa y que pudiera predecir los sólidos totales. El trabajo permitió posicionar a la Universidad como referente en tecnologías y mejora de procesos, como así también acercar a la empresa a la ciencia de datos y a tomar decisiones ágiles e informadas a partir de la reducción de tiempos operativos en la actualización de recetas. This paper details the experience of a research project conducted by a major dairy industry in the province of Santa Fe (Argentina) and the Information Management Laboratory of the Universidad Nacional de Rafaela. The project involved the analysis of total solids in milk and was carried out using a quantitative methodology based on the CRISP-DM model. Meetings were held between the parties for the data comprehension stage. During the analysis phase, the variables to be used were determined and processed in statistical models. During the modeling process, different alternatives were analyzed using machine learning algorithms, determining that linear regression worked best. The mean error was used as a reference to evaluate these algorithms. Finally, using the Python programming language, a new tool was created capable of generating new predictions and consuming those insights from the final users of the company. The project positioned the University as a benchmark in technologies and process improvement, as well as bringing the company closer to data science and helping it make agile and informed decisions by reducing operational times in recipe updates. Becker, Pablo Tebes, Guido Sebastián Papa, María Fernanda Olsina Santos, Luis Antonio http://sedici.unlp.edu.ar:80/handle/10915/191918 2026-03-16T20:13:07Z 2026-03-09T00:00:00Z

Articulo La ontología de pruebas de software llamada TestTDO: Una evolución 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 This article analyses TestTDO v2.0, an ontology designed for the software testing domain. This new version represents an evolution of its predecessor, TestTDO v1.3, by considering a broader scope and being aligned with ProjectCO v2.0, a recent project management ontology. TestTDO v2.0 integrates the results of an analysis of recognized glossaries in the software testing area, which allowed for the identification of certain terms with high syntactic and semantic frequency. A comparison between these terms and those in TestTDO v1.3 revealed that most of the existing labels and definitions did not require significant modifications when included in TestTDO v2.0. Finally, the practical impact of the concepts and relationships defined in TestTDO v2.0 is illustrated by incorporating them into the specification of software testing processes.; El presente artículo analiza TestTDO v2.0, una ontología diseñada para el dominio de las pruebas de software. Esta nueva versión constituye una evolución de su predecesora, TestTDO v1.3, al considerar un alcance más amplio y estar alineada con ProjectCO v2.0, una reciente ontología de gestión de proyectos. TestTDO v2.0 integra los resultados de un análisis de glosarios reconocidos en el área de pruebas de software que permitió identificar ciertos términos con alta frecuencia sintáctica y semántica. Una comparación entre estos términos y los de TestTDO v1.3 reveló que la mayor parte de las etiquetas y definiciones existentes no requirieron modificaciones significativas al momento de incluirlos en TestTDO v2.0. Finalmente, se ilustra el impacto práctico de los conceptos y relaciones definidos en TestTDO v2.0 al incorporarlos en la especificación de procesos de pruebas de software.

2026-03-09T00:00:00Z This article analyses TestTDO v2.0, an ontology designed for the software testing domain. This new version represents an evolution of its predecessor, TestTDO v1.3, by considering a broader scope and being aligned with ProjectCO v2.0, a recent project management ontology. TestTDO v2.0 integrates the results of an analysis of recognized glossaries in the software testing area, which allowed for the identification of certain terms with high syntactic and semantic frequency. A comparison between these terms and those in TestTDO v1.3 revealed that most of the existing labels and definitions did not require significant modifications when included in TestTDO v2.0. Finally, the practical impact of the concepts and relationships defined in TestTDO v2.0 is illustrated by incorporating them into the specification of software testing processes. El presente artículo analiza TestTDO v2.0, una ontología diseñada para el dominio de las pruebas de software. Esta nueva versión constituye una evolución de su predecesora, TestTDO v1.3, al considerar un alcance más amplio y estar alineada con ProjectCO v2.0, una reciente ontología de gestión de proyectos. TestTDO v2.0 integra los resultados de un análisis de glosarios reconocidos en el área de pruebas de software que permitió identificar ciertos términos con alta frecuencia sintáctica y semántica. Una comparación entre estos términos y los de TestTDO v1.3 reveló que la mayor parte de las etiquetas y definiciones existentes no requirieron modificaciones significativas al momento de incluirlos en TestTDO v2.0. Finalmente, se ilustra el impacto práctico de los conceptos y relaciones definidos en TestTDO v2.0 al incorporarlos en la especificación de procesos de pruebas de software. Raverta, Claudio Marco Grigera, Julián Gardey, Juan Cruz Garrido, Alejandra http://sedici.unlp.edu.ar:80/handle/10915/191915 2026-03-16T20:13:08Z 2026-03-09T00:00:00Z

Articulo Cómo los smells en la experiencia de usuario móvil afectan la eficiencia de la interacción: un estudio empírico multimétrico 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 The concept of UX smells has been recently studied as a systematic way to detect predefined user interaction issues and fix them with cataloged solutions. Most of the existing literature about UX smells focuses on desktop web applications, while there are only a few works ad- dressing the mobile web. Although specific UX smells for mobile interac- tions have been proposed, there are no objective evaluations to determine their impact on the perceived UX. In this work, we evaluated 6 mobile UX smells (3 from the literature and 3 new proposals) with respect to efficiency in use. We conducted an online evaluation with 72 participants in 3 real websites, each one with a set of specific mobile UX Smells. In this evaluation, we compared each website to a refactored version of it- self, i.e. with proposed fixes for each of the smells. To do this, we ran a between-subject experiment in which participants completed 10 every- day tasks on the websites while we measured their efficiency in terms of task completion time and number of user interaction events. As a comple- mentary post-hoc analysis, we also grouped temporally close interaction events into interaction bursts, providing an additional efficiency-related perspective. All the captured metrics were compared in the default ver- sion of the websites vs. their refactored counterparts. Results showed that in most cases (15/20), either the time to complete the task or the amount of interaction events were higher in the presence of UX smells. Moreover, in 7 of the cases, the observed differences were statistically significant (p<0.05). The burst-based analysis was consistent with these trends.

2026-03-09T00:00:00Z The concept of UX smells has been recently studied as a systematic way to detect predefined user interaction issues and fix them with cataloged solutions. Most of the existing literature about UX smells focuses on desktop web applications, while there are only a few works ad- dressing the mobile web. Although specific UX smells for mobile interac- tions have been proposed, there are no objective evaluations to determine their impact on the perceived UX. In this work, we evaluated 6 mobile UX smells (3 from the literature and 3 new proposals) with respect to efficiency in use. We conducted an online evaluation with 72 participants in 3 real websites, each one with a set of specific mobile UX Smells. In this evaluation, we compared each website to a refactored version of it- self, i.e. with proposed fixes for each of the smells. To do this, we ran a between-subject experiment in which participants completed 10 every- day tasks on the websites while we measured their efficiency in terms of task completion time and number of user interaction events. As a comple- mentary post-hoc analysis, we also grouped temporally close interaction events into interaction bursts, providing an additional efficiency-related perspective. All the captured metrics were compared in the default ver- sion of the websites vs. their refactored counterparts. Results showed that in most cases (15/20), either the time to complete the task or the amount of interaction events were higher in the presence of UX smells. Moreover, in 7 of the cases, the observed differences were statistically significant (p<0.05). The burst-based analysis was consistent with these trends. Pezzini, María Cecilia Pons, Claudia Fabiana Bibbó, Luis Mariano http://sedici.unlp.edu.ar:80/handle/10915/191913 2026-03-16T20:13:08Z 2026-03-09T00:00:00Z

Articulo A functional contribution framework for Quantum Software Engineering 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 La Ingeniería de Software Cuántico (Q-SE) requiere herramientas que permitan analizar de manera reproducible y cuantitativa el comportamiento funcional de algoritmos cuánticos, más allá de su corrección global. En este trabajo se presenta SMEF (Software Engineering Module Evaluation Framework), un marco de atribución funcional basado en valores de Shapley, orientado a cuantificar la contribución de bloques funcionales dentro de una implementación cuántica bajo métricas explícitas definidas por el analista. El marco evalúa configuraciones parciales del circuito que preservan el orden físico de ejecución, permitiendo descomponer el comportamiento global en contribuciones funcionales atribuibles a cada bloque, en coherencia con la semántica operacional del algoritmo y con las propiedades axiomáticas del mecanismo de atribución empleado. SMEF no busca reinterpretar la dinámica cuántica subyacente, sino proporcionar métricas funcionales reproducibles y comparables, útiles para actividades propias de la Q-SE, tales como auditoría, validación, comparación sistemática de implementaciones y detección de anomalías funcionales. La propuesta se valida mediante dos casos de estudio: (i) la búsqueda sobre hipercubos del algoritmo SKW y (ii) la etapa de estimación de fase (QPE) del algoritmo de Shor. En ambos casos, los perfiles de contribución obtenidos resultan coherentes con el rol funcional esperado de los bloques analizados y permiten identificar desviaciones funcionales sin necesidad de inspeccionar el circuito a nivel de compuertas.; Quantum Software Engineering (Q-SE) requires tools that enable reproducible and quantitative analysis of the functional behavior of quantum algorithms, beyond their overall correctness. This paper introduces SMEF (Software Engineering Module Evaluation Framework), a functional attribution framework based on Shapley values, aimed at quantifying the contribution of functional blocks within a quantum implementation under explicit metrics defined by the analyst. The framework evaluates partial circuit configurations that preserve the physical execution order, allowing the global behavior to be decomposed into block-level functional contributions, in coherence with both the operational semantics of the algorithm and the axiomatic properties of the attribution mechanism. SMEF does not seek to reinterpret the underlying quantum dynamics; instead, it provides reproducible and comparable functional metrics that support core Q-SE activities such as auditing, validation, systematic comparison of implementations, and detection of functional anomalies. The proposal is validated through two case studies: (i) the hypercube search of the SKW algorithm and (ii) the phase estimation (QPE) stage of Shor’s algorithm. In both cases, the resulting contribution profiles are consistent with the expected functional role of the analyzed blocks and enable the identification of functional deviations without requiring gate-level inspection of the circuit.

2026-03-09T00:00:00Z La Ingeniería de Software Cuántico (Q-SE) requiere herramientas que permitan analizar de manera reproducible y cuantitativa el comportamiento funcional de algoritmos cuánticos, más allá de su corrección global. En este trabajo se presenta SMEF (Software Engineering Module Evaluation Framework), un marco de atribución funcional basado en valores de Shapley, orientado a cuantificar la contribución de bloques funcionales dentro de una implementación cuántica bajo métricas explícitas definidas por el analista. El marco evalúa configuraciones parciales del circuito que preservan el orden físico de ejecución, permitiendo descomponer el comportamiento global en contribuciones funcionales atribuibles a cada bloque, en coherencia con la semántica operacional del algoritmo y con las propiedades axiomáticas del mecanismo de atribución empleado. SMEF no busca reinterpretar la dinámica cuántica subyacente, sino proporcionar métricas funcionales reproducibles y comparables, útiles para actividades propias de la Q-SE, tales como auditoría, validación, comparación sistemática de implementaciones y detección de anomalías funcionales. La propuesta se valida mediante dos casos de estudio: (i) la búsqueda sobre hipercubos del algoritmo SKW y (ii) la etapa de estimación de fase (QPE) del algoritmo de Shor. En ambos casos, los perfiles de contribución obtenidos resultan coherentes con el rol funcional esperado de los bloques analizados y permiten identificar desviaciones funcionales sin necesidad de inspeccionar el circuito a nivel de compuertas. Quantum Software Engineering (Q-SE) requires tools that enable reproducible and quantitative analysis of the functional behavior of quantum algorithms, beyond their overall correctness. This paper introduces SMEF (Software Engineering Module Evaluation Framework), a functional attribution framework based on Shapley values, aimed at quantifying the contribution of functional blocks within a quantum implementation under explicit metrics defined by the analyst. The framework evaluates partial circuit configurations that preserve the physical execution order, allowing the global behavior to be decomposed into block-level functional contributions, in coherence with both the operational semantics of the algorithm and the axiomatic properties of the attribution mechanism. SMEF does not seek to reinterpret the underlying quantum dynamics; instead, it provides reproducible and comparable functional metrics that support core Q-SE activities such as auditing, validation, systematic comparison of implementations, and detection of functional anomalies. The proposal is validated through two case studies: (i) the hypercube search of the SKW algorithm and (ii) the phase estimation (QPE) stage of Shor’s algorithm. In both cases, the resulting contribution profiles are consistent with the expected functional role of the analyzed blocks and enable the identification of functional deviations without requiring gate-level inspection of the circuit. Lusso, Adriano Nelson Giménez, Christian Mata Alí, Alejandro http://sedici.unlp.edu.ar:80/handle/10915/191910 2026-03-16T20:13:10Z 2026-03-09T00:00:00Z

Articulo Preferencias Benchmarking de QAOA en el problema de reasignación laboral: un análisis empírico utilizando aprendizaje por transferencia e inicialización de TQA 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 In the past decade, there has been significant progress in the development of Noisy Intermediate-Scale Quantum (NISQ) computers, though further hardware improvements are necessary for large-scale quantum algorithms to execute without errors. In the meantime, researchers continue to focus on developing effective algorithms for current hardware, with an emphasis on near-term applications like combinatorial optimisation. This study presents a benchmarking analysis of the Quantum Approximate Optimisation Algorithm (QAOA) applied to the Job Reassignment Problem (JRP), which involves assigning n workers to m vacant jobs to maximise high-priority task completion and worker satisfaction. The algorithm is combined with Trotterised Quantum Annealing (TQA) initialisation and Transfer Learning, which may improve solution quality across instances. The benchmarking, performed with noiseless classical simulation on 105 JRP instances, shows promising results with approximation ratios ranging from 0.86 to 0.97. This leads to an average improvement of 12% in organisational productivity thanks to a better assignment of high-priority tasks and worker satisfaction.

2026-03-09T00:00:00Z In the past decade, there has been significant progress in the development of Noisy Intermediate-Scale Quantum (NISQ) computers, though further hardware improvements are necessary for large-scale quantum algorithms to execute without errors. In the meantime, researchers continue to focus on developing effective algorithms for current hardware, with an emphasis on near-term applications like combinatorial optimisation. This study presents a benchmarking analysis of the Quantum Approximate Optimisation Algorithm (QAOA) applied to the Job Reassignment Problem (JRP), which involves assigning n workers to m vacant jobs to maximise high-priority task completion and worker satisfaction. The algorithm is combined with Trotterised Quantum Annealing (TQA) initialisation and Transfer Learning, which may improve solution quality across instances. The benchmarking, performed with noiseless classical simulation on 105 JRP instances, shows promising results with approximation ratios ranging from 0.86 to 0.97. This leads to an average improvement of 12% in organisational productivity thanks to a better assignment of high-priority tasks and worker satisfaction. Ezequías Vázquez, Manuel Saavedra Sueldo, Carolina Avila, Luis O. Acosta, Gerardo Gabriel De Paula, Mariano http://sedici.unlp.edu.ar:80/handle/10915/191907 2026-03-16T20:13:11Z 2026-03-09T00:00:00Z

Articulo Evaluation of multi-agent reinforcement learning for cooperative transport tasks in flexible manufacturing systems 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 Los avances en inteligencia artificial y Sistemas Multi-Agente permiten coordinar agentes para cumplir múltiples objetivos, incluso contrapuestos, aplicables en ”fábricas flexibles”. Estas, impulsadas por tecnologías que integran lo físico, digital y biológico, evolucionan hacia ”fábricas inteligentes”. Modelar un proceso productivo como un sistema multi-agente permite optimizar simultáneamente la eficiencia, reducción de desperdicios, sustentabilidad (económica, social y ambiental), ahorro de costos y reducción de tiempos de inactividad. Sin embargo, la flexibilidad requerida en entornos reconfigurables incrementa la complejidad del control descentralizado. Las pequeñas y medianas empresas (PyMEs) son un caso emblemático, ya que suelen producir lotes pequeños o bienes personalizados, lo que exige una adaptación constante. El aprendizaje por refuerzo multi-agente surge como una solución viable, evitando esquemas centralizados poco prácticos ante entornos cambiantes. Este trabajo analiza dicho enfoque para tareas colaborativas en manufactura, como la manipulación de materiales (una operación sin valor agregado donde la eficiencia es clave). Se presenta un caso de estudio preliminar que utiliza entornos virtuales para entrenar múltiples agentes en tareas de manipulación coordinada en escenarios de diversa complejidad.; Advances in artificial intelligence and Multi-Agent Systems enable coordinated agents to achieve multiple, often conflicting, objectives—making them ideal for ”flexible factories.” These factories, driven by technologies merging physical, digital, and biological domains, are evolving into ”smart factories.” Modeling production processes as multi-agent systems allows simultaneous optimization of efficiency, waste reduction, sustainability (economic, social, and environmental), cost savings, and downtime reduction. However, the flexibility needed in reconfigurable environments increases the complexity of decentralized control. Small and medium-sized enterprises (SMEs) are a key example, as they often produce small batches or customized goods, requiring constant adaptation. Multi-agent reinforcement learning provides a viable solution, avoiding impractical centralized control in dynamic settings. This work explores multi-agent reinforcement learning for collaborative manufacturing tasks, such as material handling (a non- value-adding operation where efficiency is critical). A preliminary case study is presented, using virtual environments to train multiple agents in coordinated material manipulation across varying complexity scenarios.

2026-03-09T00:00:00Z Los avances en inteligencia artificial y Sistemas Multi-Agente permiten coordinar agentes para cumplir múltiples objetivos, incluso contrapuestos, aplicables en ”fábricas flexibles”. Estas, impulsadas por tecnologías que integran lo físico, digital y biológico, evolucionan hacia ”fábricas inteligentes”. Modelar un proceso productivo como un sistema multi-agente permite optimizar simultáneamente la eficiencia, reducción de desperdicios, sustentabilidad (económica, social y ambiental), ahorro de costos y reducción de tiempos de inactividad. Sin embargo, la flexibilidad requerida en entornos reconfigurables incrementa la complejidad del control descentralizado. Las pequeñas y medianas empresas (PyMEs) son un caso emblemático, ya que suelen producir lotes pequeños o bienes personalizados, lo que exige una adaptación constante. El aprendizaje por refuerzo multi-agente surge como una solución viable, evitando esquemas centralizados poco prácticos ante entornos cambiantes. Este trabajo analiza dicho enfoque para tareas colaborativas en manufactura, como la manipulación de materiales (una operación sin valor agregado donde la eficiencia es clave). Se presenta un caso de estudio preliminar que utiliza entornos virtuales para entrenar múltiples agentes en tareas de manipulación coordinada en escenarios de diversa complejidad. Advances in artificial intelligence and Multi-Agent Systems enable coordinated agents to achieve multiple, often conflicting, objectives—making them ideal for ”flexible factories.” These factories, driven by technologies merging physical, digital, and biological domains, are evolving into ”smart factories.” Modeling production processes as multi-agent systems allows simultaneous optimization of efficiency, waste reduction, sustainability (economic, social, and environmental), cost savings, and downtime reduction. However, the flexibility needed in reconfigurable environments increases the complexity of decentralized control. Small and medium-sized enterprises (SMEs) are a key example, as they often produce small batches or customized goods, requiring constant adaptation. Multi-agent reinforcement learning provides a viable solution, avoiding impractical centralized control in dynamic settings. This work explores multi-agent reinforcement learning for collaborative manufacturing tasks, such as material handling (a non- value-adding operation where efficiency is critical). A preliminary case study is presented, using virtual environments to train multiple agents in coordinated material manipulation across varying complexity scenarios. Pons, Claudia Fabiana Garrido, Alejandra Santos, Rodrigo http://sedici.unlp.edu.ar:80/handle/10915/191906 2026-03-16T20:13:11Z 2026-03-09T00:00:00Z

Articulo Editorial Note of volume 25 number 1 of the year 2026 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 .Los artículos publicados en este número de la revista EJS constituyen versiones ampliadas y revisadas de los mejores trabajos presentados en las 54 Jornadas Argentinas de Informática (JAIIO), los cuales fueron cuidadosamente evaluados y seleccionados por los expertos que integran los comités de programa. Las JAIIO. Jornadas Argentinas de Informática, son organizadas anualmente por SADIO desde 1961 y constituyen la reunión argentina de mayor trascendencia entre investigadores y profesionales de Tecnología de la Información, en la que se presentan y discuten resultados de desarrollos, conclusiones de trabajos de investigación y se presentan experiencias profesionales.; The articles published in this issue of the EJS journal are expanded and revised versions of the best papers presented at the 54th Argentine Conference on Informatics (JAIIO), which were carefully evaluated and selected by the experts who make up the program committees. The JAIIO. Argentine Conference on Informatics, organized annually by SADIO since 1961 and is the most important Argentine meeting between researchers and professionals in Information Technology, in which the results of developments, conclusions of research works and professional experiences are presented and discussed.

2026-03-09T00:00:00Z .Los artículos publicados en este número de la revista EJS constituyen versiones ampliadas y revisadas de los mejores trabajos presentados en las 54 Jornadas Argentinas de Informática (JAIIO), los cuales fueron cuidadosamente evaluados y seleccionados por los expertos que integran los comités de programa. Las JAIIO. Jornadas Argentinas de Informática, son organizadas anualmente por SADIO desde 1961 y constituyen la reunión argentina de mayor trascendencia entre investigadores y profesionales de Tecnología de la Información, en la que se presentan y discuten resultados de desarrollos, conclusiones de trabajos de investigación y se presentan experiencias profesionales. The articles published in this issue of the EJS journal are expanded and revised versions of the best papers presented at the 54th Argentine Conference on Informatics (JAIIO), which were carefully evaluated and selected by the experts who make up the program committees. The JAIIO. Argentine Conference on Informatics, organized annually by SADIO since 1961 and is the most important Argentine meeting between researchers and professionals in Information Technology, in which the results of developments, conclusions of research works and professional experiences are presented and discussed. Da Silva Camargo, Sandro http://sedici.unlp.edu.ar:80/handle/10915/191902 2026-03-16T20:13:12Z 2026-03-09T00:00:00Z

Articulo Scientific Production Mapping of the SADIO Electronic Journal: A Cross-Sectional Bibliometric Review (1998- 2025) 54 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad de Buenos Aires, 4 al 7 de agosto de 2025); Electronic Journal of SADIO; vol. 25, no. 1 El SADIO Electronic Journal of Informatics and Operations Research constituye una de las principales plataformas de difusión científica en el ámbito de la informática en Argentina. A pesar de su relevancia, son escasos los estudios que sistematizan y analizan su trayectoria editorial. En este contexto, el presente trabajo tiene como objetivo caracterizar la evolución y las tendencias temáticas de la producción científica publicada en el EJS entre 1998 y 2025, mediante una revisión bibliométrica transversal. La metodología adoptada incluyó la recopilación de metadatos de todos los 281 publicaciones disponibles en el sitio oficial de la revista. Entre los principales resultados, se identificó una mayor concentración en determinadas instituciones académicas argentinas. Las redes de colaboración revelan núcleos consolidados de investigadores, aunque con un alcance internacional aún limitado. En cuanto a los temas abordados, predominan aquellos vinculados a la ingeniería de software, inteligencia artificial y tecnologías aplicadas, reflejando una orientación tanto teórica como aplicada. Se concluye que el EJS ha cumplido un rol clave en la consolidación de una comunidad científica regional en informática, al tiempo que ofrece oportunidades de fortalecimiento en términos de internacionalización y diversificación temática.; The SADIO Electronic Journal of Informatics and Operations Research is one of the main platforms for scientific dissemination in the field of computer science in Argentina. Despite its relevance, few studies have systematized and analyzed its editorial trajectory. In this context, the present study aims to characterize the evolution and thematic trends of the scientific production published in EJS between 1998 and 2025, through a cross-sectional bibliometric review. The adopted methodology included the collection of metadata from all 281 publications available on the journal’s official website. Among the main findings, a strong concentration of publications was identified in specific Argentine academic institutions. The collaboration networks reveal consolidated clusters of researchers, although still with limited international reach. Regarding the topics addressed, there is a predominance of themes related to software engineering, artificial intelligence, and applied technologies, reflecting both theoretical and practical orientations. It is concluded that EJS has played a key role in consolidating a regional scientific community in computer science, while also offering opportunities for strengthening its internationalization and thematic diversification.

2026-03-09T00:00:00Z El SADIO Electronic Journal of Informatics and Operations Research constituye una de las principales plataformas de difusión científica en el ámbito de la informática en Argentina. A pesar de su relevancia, son escasos los estudios que sistematizan y analizan su trayectoria editorial. En este contexto, el presente trabajo tiene como objetivo caracterizar la evolución y las tendencias temáticas de la producción científica publicada en el EJS entre 1998 y 2025, mediante una revisión bibliométrica transversal. La metodología adoptada incluyó la recopilación de metadatos de todos los 281 publicaciones disponibles en el sitio oficial de la revista. Entre los principales resultados, se identificó una mayor concentración en determinadas instituciones académicas argentinas. Las redes de colaboración revelan núcleos consolidados de investigadores, aunque con un alcance internacional aún limitado. En cuanto a los temas abordados, predominan aquellos vinculados a la ingeniería de software, inteligencia artificial y tecnologías aplicadas, reflejando una orientación tanto teórica como aplicada. Se concluye que el EJS ha cumplido un rol clave en la consolidación de una comunidad científica regional en informática, al tiempo que ofrece oportunidades de fortalecimiento en términos de internacionalización y diversificación temática. The SADIO Electronic Journal of Informatics and Operations Research is one of the main platforms for scientific dissemination in the field of computer science in Argentina. Despite its relevance, few studies have systematized and analyzed its editorial trajectory. In this context, the present study aims to characterize the evolution and thematic trends of the scientific production published in EJS between 1998 and 2025, through a cross-sectional bibliometric review. The adopted methodology included the collection of metadata from all 281 publications available on the journal’s official website. Among the main findings, a strong concentration of publications was identified in specific Argentine academic institutions. The collaboration networks reveal consolidated clusters of researchers, although still with limited international reach. Regarding the topics addressed, there is a predominance of themes related to software engineering, artificial intelligence, and applied technologies, reflecting both theoretical and practical orientations. It is concluded that EJS has played a key role in consolidating a regional scientific community in computer science, while also offering opportunities for strengthening its internationalization and thematic diversification.