http://sedici.unlp.edu.ar:80/handle/10915/166880 Wed, 11 Nov 2026 23:20:48 GMT 2026-11-11T23:20:48Z http://sedici.unlp.edu.ar:80/handle/10915/168982 Articulo 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 La movilidad del empleo entre industrias refleja relaciones entre actividades económicas que se representan naturalmente como redes que resaltan las propiedades de conectividad entre sectores económicos. Los flujos de empleo varían en el tiempo tanto por factores coyuntura- Ies como estructurales. Usando registros administrativos de Argentina para el período 1996-2020, exploramos las redes interindustriales y caracterizamos sus estructuras y dinámicas a cuatro dígitos de clasificación de actividades CIIU Rev. 3. Analizamos las transiciones interanuales de empleo entre casi 300 actividades económicas y encontramos redes de elevada conectividad con propiedades de mundo pequeño, cuya estructura cambia en el tiempo. ¿Cuán distintas son las estructuras subyacentes de intercambios interindustriales de empleo? ¿Es posible caracterizar conexiones estables y cambios significativos a lo largo del tiempo? Aplicando métricas y mediciones de similitud estructural para cuantificar las diferencias en las redes interanuales encontramos que es posible identificar distintos regímenes de conectividad que correlacionan con períodos de cierta estabilidad macroeconómica, a la vez que se detectan períodos transicionales en los que estas estructuras van cambiando entre regímenes. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168982 2024-04-01T00:00:00Z La movilidad del empleo entre industrias refleja relaciones entre actividades económicas que se representan naturalmente como redes que resaltan las propiedades de conectividad entre sectores económicos. Los flujos de empleo varían en el tiempo tanto por factores coyuntura- Ies como estructurales. Usando registros administrativos de Argentina para el período 1996-2020, exploramos las redes interindustriales y caracterizamos sus estructuras y dinámicas a cuatro dígitos de clasificación de actividades CIIU Rev. 3. Analizamos las transiciones interanuales de empleo entre casi 300 actividades económicas y encontramos redes de elevada conectividad con propiedades de mundo pequeño, cuya estructura cambia en el tiempo. ¿Cuán distintas son las estructuras subyacentes de intercambios interindustriales de empleo? ¿Es posible caracterizar conexiones estables y cambios significativos a lo largo del tiempo? Aplicando métricas y mediciones de similitud estructural para cuantificar las diferencias en las redes interanuales encontramos que es posible identificar distintos regímenes de conectividad que correlacionan con períodos de cierta estabilidad macroeconómica, a la vez que se detectan períodos transicionales en los que estas estructuras van cambiando entre regímenes. http://sedici.unlp.edu.ar:80/handle/10915/168981 Articulo Evaluación de Desempeño de Servidores Supervisores MQTT Instalados en la Nube 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Communication between devices on a network requires the use of protocols. On internet there are well known protocols that can be used both in the architecture of a server with multiple clients as well as in a machine to machine (M2M) communication. In Internet of Things (loT) applications, network communication can be supervised by a server denoted as broker, and the most widely used application layer protocol for this purpose is MQTT (Message-Queuing Telemetry Transport). This paper compares the performance of eight publicly available MQTT brokers deployed in the cloud in three experiments under different stress conditions. The goal is to choose the most suitable broker to be used in the communication between a Cubesat-type nanosatellite and the land terminal.; La comunicación entre dispositivos en una red exige el uso de protocolos. En internet hay protocolos muy conocidos que pueden ser usados tanto en la arquitectura de un servidos con múltiples clientes como en una comunicación máquina a máquina (M2M). En aplicaciones de Internet de las Cosas (loT), la comunicación en una red puede ser administrada por un servidor denominado supervisor, y el protocolo más ampliamente usado en la camada de aplicación con este propósito es MQTT (Message-Queuing Telemetry Transport). Este artículo compara el desempeño de ocho servidores supervisores instalados en la nube disponibles públicamente en tres experimentos bajo diferentes condiciones de exigencia. El objetivo es elegir el supervisor más adecuado para ser usado en la comunicación entre un nanosatélite del tipo Cubesat y el terminal de Tierra. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168981 2024-04-01T00:00:00Z Communication between devices on a network requires the use of protocols. On internet there are well known protocols that can be used both in the architecture of a server with multiple clients as well as in a machine to machine (M2M) communication. In Internet of Things (loT) applications, network communication can be supervised by a server denoted as broker, and the most widely used application layer protocol for this purpose is MQTT (Message-Queuing Telemetry Transport). This paper compares the performance of eight publicly available MQTT brokers deployed in the cloud in three experiments under different stress conditions. The goal is to choose the most suitable broker to be used in the communication between a Cubesat-type nanosatellite and the land terminal. La comunicación entre dispositivos en una red exige el uso de protocolos. En internet hay protocolos muy conocidos que pueden ser usados tanto en la arquitectura de un servidos con múltiples clientes como en una comunicación máquina a máquina (M2M). En aplicaciones de Internet de las Cosas (loT), la comunicación en una red puede ser administrada por un servidor denominado supervisor, y el protocolo más ampliamente usado en la camada de aplicación con este propósito es MQTT (Message-Queuing Telemetry Transport). Este artículo compara el desempeño de ocho servidores supervisores instalados en la nube disponibles públicamente en tres experimentos bajo diferentes condiciones de exigencia. El objetivo es elegir el supervisor más adecuado para ser usado en la comunicación entre un nanosatélite del tipo Cubesat y el terminal de Tierra. http://sedici.unlp.edu.ar:80/handle/10915/168978 Articulo 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 The transportation of fluid products across extensive supply chains is usually made by pipelines. Large investment costs in pipelines are only justified if they operate steadily at high utilization levels over long periods of time. That is why building efficient pipeline networks has become a challenging task. One of the most interesting strategies that pipeline operators apply after an abrupt change in the production-demand balance is flow reversal. Reversing the flow of a pipeline segment aims at using the same transportation infrastructure to make products flow in the opposite direction, which can be particularly useful to reduce costs. This work makes use of a generalized optimization framework based on Mixed-Integer Nonlinear Programming (MINLP) models for the design and operation of pipeline networks, to assess the impact of flow reversals. The goal is to optimally connect the nodes and install facilities to gather production and make the products be ready for delivery. Flow direction may be reversed in any pipeline segment over time, but in contrast to previous contributions, changeover costs and additional capital and operational expenditures due to specific pieces of equipment are explicitly accounted for. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168978 2024-04-01T00:00:00Z The transportation of fluid products across extensive supply chains is usually made by pipelines. Large investment costs in pipelines are only justified if they operate steadily at high utilization levels over long periods of time. That is why building efficient pipeline networks has become a challenging task. One of the most interesting strategies that pipeline operators apply after an abrupt change in the production-demand balance is flow reversal. Reversing the flow of a pipeline segment aims at using the same transportation infrastructure to make products flow in the opposite direction, which can be particularly useful to reduce costs. This work makes use of a generalized optimization framework based on Mixed-Integer Nonlinear Programming (MINLP) models for the design and operation of pipeline networks, to assess the impact of flow reversals. The goal is to optimally connect the nodes and install facilities to gather production and make the products be ready for delivery. Flow direction may be reversed in any pipeline segment over time, but in contrast to previous contributions, changeover costs and additional capital and operational expenditures due to specific pieces of equipment are explicitly accounted for. http://sedici.unlp.edu.ar:80/handle/10915/168977 Articulo Estudio de la producción industrial de ácido fórmico mediante simulación de procesos 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 This work studies the production of formic acid, which is recognized, among other multiple uses, as one of the most promising materials for hydrogen storage, especially in portable energy applications. Formic acid production is designed using a conceptual process design approach with the assistance of a computational process simulation tool. The results obtained allow defining the process flowsheet, establishing the operating conditions of the equipment involved and verifying the feasibility of the chemical route used as an alternative for the use of industrial CO2 emissions, with the potential environmental benefit that this entails. To this end, technical performance indicators were evaluated. This work is part of a broader project aimed at capturing CO2 from the sugar-alcohol industry in Northwest Argentina for its conversion into various chemical products and fuels, as a strategy to reduce CO2 emissions and consequently mitigate climate change.; En este trabajo se estudia la producción de ácido fórmico, reconocido, entre otros múltiples usos, como uno de los materiales más prometedores para el almacenamiento de hidrógeno, especialmente en aplicaciones de energía portátil. La producción de ácido fórmico se diseña utilizando conceptos de diseño conceptual de procesos con la asistencia de una herramienta computacional de simulación de procesos. Los resultados obtenidos permiten definir el flowsheet del proceso, establecer las condiciones de operación de los equipos involucrados y verificar la factibilidad de la ruta química utilizada como una alternativa para el aprovechamiento de las emisiones industriales de CO2, con el beneficio ambiental potencial que esto conlleva. Para ese fin se evaluaron indicadores técnicos de desempeño. Este trabajo pertenece a un proyecto más amplio que tiene como objetivo la captura de CO2 procedente de la industria sucroalcoholera del Noroeste Argentino para su conversión en diversos productos químicos y combustibles, como una estrategia para la disminución de las emisiones de CO2 y la consecuente mitigación del cambio climático. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168977 2024-04-01T00:00:00Z This work studies the production of formic acid, which is recognized, among other multiple uses, as one of the most promising materials for hydrogen storage, especially in portable energy applications. Formic acid production is designed using a conceptual process design approach with the assistance of a computational process simulation tool. The results obtained allow defining the process flowsheet, establishing the operating conditions of the equipment involved and verifying the feasibility of the chemical route used as an alternative for the use of industrial CO2 emissions, with the potential environmental benefit that this entails. To this end, technical performance indicators were evaluated. This work is part of a broader project aimed at capturing CO2 from the sugar-alcohol industry in Northwest Argentina for its conversion into various chemical products and fuels, as a strategy to reduce CO2 emissions and consequently mitigate climate change. En este trabajo se estudia la producción de ácido fórmico, reconocido, entre otros múltiples usos, como uno de los materiales más prometedores para el almacenamiento de hidrógeno, especialmente en aplicaciones de energía portátil. La producción de ácido fórmico se diseña utilizando conceptos de diseño conceptual de procesos con la asistencia de una herramienta computacional de simulación de procesos. Los resultados obtenidos permiten definir el flowsheet del proceso, establecer las condiciones de operación de los equipos involucrados y verificar la factibilidad de la ruta química utilizada como una alternativa para el aprovechamiento de las emisiones industriales de CO2, con el beneficio ambiental potencial que esto conlleva. Para ese fin se evaluaron indicadores técnicos de desempeño. Este trabajo pertenece a un proyecto más amplio que tiene como objetivo la captura de CO2 procedente de la industria sucroalcoholera del Noroeste Argentino para su conversión en diversos productos químicos y combustibles, como una estrategia para la disminución de las emisiones de CO2 y la consecuente mitigación del cambio climático. http://sedici.unlp.edu.ar:80/handle/10915/168976 Articulo 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Las actividades fundamentales relacionadas con la logística en la gestión de residuos patológicos abarcan las operaciones seguras de recolección, transporte y descarga en los sitios destinados al tratamiento de estos materiales. La coordinación eficaz de los tiempos de estas operaciones resulta crucial para prevenir la propagación de enfermedades entre el personal de salud, los trabajadores encargados de la gestión y la comunidad en general. En este contexto, el presente trabajo propone una estrategia de resolución computacionalmente eficiente para abordar el desafío de la operación regular de recolección y transporte de residuos patológicos generados en instituciones de salud, como hospitales y sanatorios. El problema implica el ruteo de vehículos de tipo capacitado con viajes múltiples, clasificado como NP-hard en optimización combinatoria, en el cual se deben tener en cuentas restricciones particulares asociadas al manejo de residuos hospitalarios peligrosos. Dado que los métodos convencionales utilizados para resolver problemas de Programación Matemática Entera a menudo no logran encontrar una solución óptima en un tiempo de ejecución razonable, se hace evidente la necesidad de implementar técnicas específicas que permitan abordar eficientemente este problema. El trabajo aborda un caso real extraído de la literatura, proporcionando detalles sobre la metodología de resolución propuesta.; The fundamental activities related to logistics in the management of pathological waste encompass the safe operations of collection, transportation, and disposal at sites designated for the treatment of these materials. The effective coordination of the timing of these operations is crucial to prevent the spread of diseases among healthcare personnel, waste management workers, and the general community. In this context, this paper proposes a computationally efficient resolution strategy to address the challenge of regular collection and transportation operations of pathological waste generated in healthcare institutions such as hospitals and sanatoriums. The problem involves the routing of capacitated vehicles with multiple trips, classified as NP-hard in combinatorial optimization, where specific constraints associated with the handling of hazardous hospital waste must be taken into account. Since conventional methods used to solve Integer Programming problems often fail to find an optimal solution within a reasonable runtime, there is a clear need to implement specific techniques that efficiently address this problem. The paper addresses a real case obtained from the literature, providing details on the proposed resolution methodology. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168976 2024-04-01T00:00:00Z Las actividades fundamentales relacionadas con la logística en la gestión de residuos patológicos abarcan las operaciones seguras de recolección, transporte y descarga en los sitios destinados al tratamiento de estos materiales. La coordinación eficaz de los tiempos de estas operaciones resulta crucial para prevenir la propagación de enfermedades entre el personal de salud, los trabajadores encargados de la gestión y la comunidad en general. En este contexto, el presente trabajo propone una estrategia de resolución computacionalmente eficiente para abordar el desafío de la operación regular de recolección y transporte de residuos patológicos generados en instituciones de salud, como hospitales y sanatorios. El problema implica el ruteo de vehículos de tipo capacitado con viajes múltiples, clasificado como NP-hard en optimización combinatoria, en el cual se deben tener en cuentas restricciones particulares asociadas al manejo de residuos hospitalarios peligrosos. Dado que los métodos convencionales utilizados para resolver problemas de Programación Matemática Entera a menudo no logran encontrar una solución óptima en un tiempo de ejecución razonable, se hace evidente la necesidad de implementar técnicas específicas que permitan abordar eficientemente este problema. El trabajo aborda un caso real extraído de la literatura, proporcionando detalles sobre la metodología de resolución propuesta. The fundamental activities related to logistics in the management of pathological waste encompass the safe operations of collection, transportation, and disposal at sites designated for the treatment of these materials. The effective coordination of the timing of these operations is crucial to prevent the spread of diseases among healthcare personnel, waste management workers, and the general community. In this context, this paper proposes a computationally efficient resolution strategy to address the challenge of regular collection and transportation operations of pathological waste generated in healthcare institutions such as hospitals and sanatoriums. The problem involves the routing of capacitated vehicles with multiple trips, classified as NP-hard in combinatorial optimization, where specific constraints associated with the handling of hazardous hospital waste must be taken into account. Since conventional methods used to solve Integer Programming problems often fail to find an optimal solution within a reasonable runtime, there is a clear need to implement specific techniques that efficiently address this problem. The paper addresses a real case obtained from the literature, providing details on the proposed resolution methodology. http://sedici.unlp.edu.ar:80/handle/10915/168975 Articulo Procesamiento de la información elicitada: buenas prácticas en la ingeniería de requisitos 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 The elicitation of information in the requirements process is usually done through interviews. However, the practical indications about how to carry interviews out and how to use the elicited information when developing models do not prevent the appearance of some relevant systematic errors. Both in the literature and in the experiments carried out, it has been detected that the interviewer and/or the modeler usually introduce subjective information not obtained from the source of information, but from their previous knowledge. This distortion in the modeled information is usually transferred to other models and software artifacts and is detected too late. Therefore, an experiment was carried out that studied in detail how the information was obtained through an interview and how it was processed to build a model written in natural language. The use of incorrectly named concepts, non-existent concepts, poorly understood information, and vocabulary induced by the interviewer were detected in the model. Based on the distortions found in the modeled information, preliminary recommendations were made on how to conduct interviews and how to process the information for modeling, to mitigate cognitive biases of requirements engineers.; La obtención de información en el proceso de requisitos se realiza usualmente mediante entrevistas. Sin embargo, pese a su uso frecuente, las indicaciones prácticas disponibles acerca de cómo llevarlas a cabo y cómo usar posteriormente la información obtenida para elaborar modelos que reflejen el conocimiento adquirido, no impiden la aparición de algunos errores sistemáticos relevantes. Tanto en la literatura como en los propios experimentos realizados se ha detectado que el entrevistador y/o el modelador suelen introducir información subjetiva no obtenida de la fuente de información, sino proveniente de su conocimiento previo. Esa distorsión en la información modelada suele trasladarse a otros modelos y artefactos de software y detectarse tardíamente. Por lo tanto, se realizó un experimento que estudió en detalle cómo la información fue elicitada a través de una entrevista y cómo fue procesada para construir un modelo escrito en lenguaje natural. Se detectó en el modelo el uso de conceptos nombrados incorrectamente, conceptos inexistentes, información mal comprendida, y vocabulario inducido por parte del entrevistador. A partir de las distorsiones encontradas en la información modelada, se elaboraron recomendaciones preliminares acerca de cómo realizar entrevistas y cómo procesar la información para su modelado, con el fin de mitigar los sesgos cognitivos de los ingenieros de requisitos. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168975 2024-04-01T00:00:00Z The elicitation of information in the requirements process is usually done through interviews. However, the practical indications about how to carry interviews out and how to use the elicited information when developing models do not prevent the appearance of some relevant systematic errors. Both in the literature and in the experiments carried out, it has been detected that the interviewer and/or the modeler usually introduce subjective information not obtained from the source of information, but from their previous knowledge. This distortion in the modeled information is usually transferred to other models and software artifacts and is detected too late. Therefore, an experiment was carried out that studied in detail how the information was obtained through an interview and how it was processed to build a model written in natural language. The use of incorrectly named concepts, non-existent concepts, poorly understood information, and vocabulary induced by the interviewer were detected in the model. Based on the distortions found in the modeled information, preliminary recommendations were made on how to conduct interviews and how to process the information for modeling, to mitigate cognitive biases of requirements engineers. La obtención de información en el proceso de requisitos se realiza usualmente mediante entrevistas. Sin embargo, pese a su uso frecuente, las indicaciones prácticas disponibles acerca de cómo llevarlas a cabo y cómo usar posteriormente la información obtenida para elaborar modelos que reflejen el conocimiento adquirido, no impiden la aparición de algunos errores sistemáticos relevantes. Tanto en la literatura como en los propios experimentos realizados se ha detectado que el entrevistador y/o el modelador suelen introducir información subjetiva no obtenida de la fuente de información, sino proveniente de su conocimiento previo. Esa distorsión en la información modelada suele trasladarse a otros modelos y artefactos de software y detectarse tardíamente. Por lo tanto, se realizó un experimento que estudió en detalle cómo la información fue elicitada a través de una entrevista y cómo fue procesada para construir un modelo escrito en lenguaje natural. Se detectó en el modelo el uso de conceptos nombrados incorrectamente, conceptos inexistentes, información mal comprendida, y vocabulario inducido por parte del entrevistador. A partir de las distorsiones encontradas en la información modelada, se elaboraron recomendaciones preliminares acerca de cómo realizar entrevistas y cómo procesar la información para su modelado, con el fin de mitigar los sesgos cognitivos de los ingenieros de requisitos. http://sedici.unlp.edu.ar:80/handle/10915/168974 Articulo Development of a software product line for Feed Mashup applications 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Las aplicaciones Mashup pueden ser consideradas como una tendencia en el desarrollo de software durante los últimos años, porque integra dos o más tipos de componentes disponibles en la Web. Las fuentes o feeds RSS se consideran también como un componente Mashup entre otras tecnologías. Una Línea de Productos de Software (LPS) es un enfoque de desarrollo de software cuyo principal objetivo es la reusabilidad, permitiendo crear una familia de productos donde cada producto posee características comunes, y difiere de otro en un conjunto de funcionalidades. Las actuales herramientas y enfoques de desarrollo de las aplicaciones mashup carecen de técnicas, métodos, y enfoques para su tratamiento. Precisamente, en búsqueda de métodos y/o herramientas que permitan construir aplicaciones, que no requiera de conocimiento en lenguaje específico por parte del usuario, que admitan reusabilidad y flexibilidad, como así genere código automático; este trabajo propone un enfoque para modelar, diseñar e implementar una aplicación Mashup desde una perspectiva de variabilidad, lo cual permitió crear una LPS para este dominio. Como resultado se presentó un modelo de características abstracto para la generación automática de aplicaciones Feed Mashup, y una herramienta que da soporte al modelo.; Mashup applications can be considered as a trend in software development during the last years, because it integrates two or more types of components available on the Web. RSS feeds are also considered as a Mashup component among other technologies. A Software Product Line (SPL) is a software development approach whose main objective is reusability, allowing to create a family of products where each product has common characteristics, and differs from another in a set of functionalities. The current tools and development approaches for mashup applications lack techniques, methods and approaches for their treatment. Precisely, in search of methods and/or tools that allow building applications, that do not require specific language knowledge by the user, that support reusability and flexibility, as well as generate automatic code; this work proposes an approach to model, design and implement a Mashup application from a variability perspective, which allowed creating a SPL for this domain. As a result, an abstract feature model for the automatic generation of Feed Mashup applications and a tool that supports the model were presented. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168974 2024-04-01T00:00:00Z Las aplicaciones Mashup pueden ser consideradas como una tendencia en el desarrollo de software durante los últimos años, porque integra dos o más tipos de componentes disponibles en la Web. Las fuentes o feeds RSS se consideran también como un componente Mashup entre otras tecnologías. Una Línea de Productos de Software (LPS) es un enfoque de desarrollo de software cuyo principal objetivo es la reusabilidad, permitiendo crear una familia de productos donde cada producto posee características comunes, y difiere de otro en un conjunto de funcionalidades. Las actuales herramientas y enfoques de desarrollo de las aplicaciones mashup carecen de técnicas, métodos, y enfoques para su tratamiento. Precisamente, en búsqueda de métodos y/o herramientas que permitan construir aplicaciones, que no requiera de conocimiento en lenguaje específico por parte del usuario, que admitan reusabilidad y flexibilidad, como así genere código automático; este trabajo propone un enfoque para modelar, diseñar e implementar una aplicación Mashup desde una perspectiva de variabilidad, lo cual permitió crear una LPS para este dominio. Como resultado se presentó un modelo de características abstracto para la generación automática de aplicaciones Feed Mashup, y una herramienta que da soporte al modelo. Mashup applications can be considered as a trend in software development during the last years, because it integrates two or more types of components available on the Web. RSS feeds are also considered as a Mashup component among other technologies. A Software Product Line (SPL) is a software development approach whose main objective is reusability, allowing to create a family of products where each product has common characteristics, and differs from another in a set of functionalities. The current tools and development approaches for mashup applications lack techniques, methods and approaches for their treatment. Precisely, in search of methods and/or tools that allow building applications, that do not require specific language knowledge by the user, that support reusability and flexibility, as well as generate automatic code; this work proposes an approach to model, design and implement a Mashup application from a variability perspective, which allowed creating a SPL for this domain. As a result, an abstract feature model for the automatic generation of Feed Mashup applications and a tool that supports the model were presented. http://sedici.unlp.edu.ar:80/handle/10915/168756 Articulo 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 El objetivo principal del trabajo consiste en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, aplicando técnicas de Aprendizaje Profundo (Deep Learning). Durante el desarrollo del trabajo se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. Estos modelos fueron implementados utilizando como lenguaje de programación Python, apoyándose en el Framework de backend TensorFlow y la librería de alto nivel Keras. Adicionalmente, se fueron evaluando una amplia variedad de herramientas de inteligencia artificial que permiten aplicar las técnicas de Deep learning de forma eficiente. En pos de conseguir mejores resultados, se llevaron a cabo pruebas con distintos datasets y diferentes modelos dejando en evidencia la importancia que tiene el armado de un dataset bien nutrido, con una buena distribución de las muestras al momento de aplicar las métricas. En todos los casos se realizó clasificación multiclase, en donde con los primeros modelos se contó con aproximadamente 8000 imágenes divididas en 4 clases (plástico, vidrio, metal, papelcartón), y para modelos posteriores se incrementó el dataset contando con más de 15000 imágenes separadas en 6 clases distintas, agregando a las anteriores las clases “orgánico” y “no-reciclable”. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, mediante el algoritmo “You Only Look Once” (YOLO). Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). El sistema desarrollado permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta forma a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje.; The main objective of the work is the development of an object classification system to be used in an intelligent waste collector, applying Deep Learning techniques. During the work, models of convolutional neural networks (CNN) were created, capable of identifying different recyclable objects in different images in real time. Tests were also carried out using pre-trained models with transfer learning to compare results. These models were implemented using Python as the programming language, with support from the TensorFlow backend framework and the high-level Keras library. Additionally, a wide variety of artificial intelligence tools that allow for the efficient application of Deep Learning techniques were evaluated. In order to achieve better results, tests with different datasets and different models were carried out, highlighting the importance of building a well-nourished dataset with a good distribution of samples when applying metrics. In all cases, multi-class classification was performed. The initial models used approximately 8000 images divided into 4 classes (plastic, glass, metal, paper-cardboard), and for subsequent models, the dataset was increased to over 15,000 images divided into 6 different classes, adding "organic" and "non-recyclable" classes to the previous ones. The implementation of these models was carried out using the Python programming language, using the "You Only Look Once" (YOLO) algorithm. As part of the validation, the final model was tested in a Python-based application (beta version) using a Raspberry Pi mini computer and a camera module (picam). The developed system allows for the real-time analysis of frames captured by the camera and the instantaneous application of the classification model. This provides access to the coordinates of the objects in the frame to collect and separate them for subsequent recycling. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168756 2024-04-01T00:00:00Z El objetivo principal del trabajo consiste en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, aplicando técnicas de Aprendizaje Profundo (Deep Learning). Durante el desarrollo del trabajo se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. Estos modelos fueron implementados utilizando como lenguaje de programación Python, apoyándose en el Framework de backend TensorFlow y la librería de alto nivel Keras. Adicionalmente, se fueron evaluando una amplia variedad de herramientas de inteligencia artificial que permiten aplicar las técnicas de Deep learning de forma eficiente. En pos de conseguir mejores resultados, se llevaron a cabo pruebas con distintos datasets y diferentes modelos dejando en evidencia la importancia que tiene el armado de un dataset bien nutrido, con una buena distribución de las muestras al momento de aplicar las métricas. En todos los casos se realizó clasificación multiclase, en donde con los primeros modelos se contó con aproximadamente 8000 imágenes divididas en 4 clases (plástico, vidrio, metal, papelcartón), y para modelos posteriores se incrementó el dataset contando con más de 15000 imágenes separadas en 6 clases distintas, agregando a las anteriores las clases “orgánico” y “no-reciclable”. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, mediante el algoritmo “You Only Look Once” (YOLO). Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). El sistema desarrollado permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta forma a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje. The main objective of the work is the development of an object classification system to be used in an intelligent waste collector, applying Deep Learning techniques. During the work, models of convolutional neural networks (CNN) were created, capable of identifying different recyclable objects in different images in real time. Tests were also carried out using pre-trained models with transfer learning to compare results. These models were implemented using Python as the programming language, with support from the TensorFlow backend framework and the high-level Keras library. Additionally, a wide variety of artificial intelligence tools that allow for the efficient application of Deep Learning techniques were evaluated. In order to achieve better results, tests with different datasets and different models were carried out, highlighting the importance of building a well-nourished dataset with a good distribution of samples when applying metrics. In all cases, multi-class classification was performed. The initial models used approximately 8000 images divided into 4 classes (plastic, glass, metal, paper-cardboard), and for subsequent models, the dataset was increased to over 15,000 images divided into 6 different classes, adding "organic" and "non-recyclable" classes to the previous ones. The implementation of these models was carried out using the Python programming language, using the "You Only Look Once" (YOLO) algorithm. As part of the validation, the final model was tested in a Python-based application (beta version) using a Raspberry Pi mini computer and a camera module (picam). The developed system allows for the real-time analysis of frames captured by the camera and the instantaneous application of the classification model. This provides access to the coordinates of the objects in the frame to collect and separate them for subsequent recycling. http://sedici.unlp.edu.ar:80/handle/10915/168753 Articulo Extracting rules from trained feedforward neural networks with first order logic 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL).; The need for neural-symbolic integration becomes evident as more complex problems are addressed, and they go beyond limited domain tasks such as classification. Search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow down the search space. Based on this observation, this work aims to present a method for extracting the pattern of rules learned by a trained feedforward neural network, analyzing its properties, and explaining these patterns through the use of first-order logic (FOL). Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168753 2024-04-01T00:00:00Z La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL). The need for neural-symbolic integration becomes evident as more complex problems are addressed, and they go beyond limited domain tasks such as classification. Search methods for extracting rules from neural networks work by sending input data combinations that activate a set of neurons. By properly ordering the input weights of a neuron, it is possible to narrow down the search space. Based on this observation, this work aims to present a method for extracting the pattern of rules learned by a trained feedforward neural network, analyzing its properties, and explaining these patterns through the use of first-order logic (FOL). http://sedici.unlp.edu.ar:80/handle/10915/168752 Articulo Reúso de un modelo de Aprendizaje Profundo para reconocimiento de dígitos manuscritos 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Machine Learning (ML) techniques have made significant advances in solving various problems, which has led to wide dissemination in their use and development. Currently there are different models that have achieved a high level of performance, which raises the question of what to do when we face a problem for which a very efficient model already exists. This scenario has, for some time, promoted the research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this work, a classification problem is presented, and the reuse of a convolutional neural network is proposed with the objective of recognizing handwritten numbers. Likewise, the performance of the reused model has been evaluated.; Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168752 2024-04-01T00:00:00Z Machine Learning (ML) techniques have made significant advances in solving various problems, which has led to wide dissemination in their use and development. Currently there are different models that have achieved a high level of performance, which raises the question of what to do when we face a problem for which a very efficient model already exists. This scenario has, for some time, promoted the research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this work, a classification problem is presented, and the reuse of a convolutional neural network is proposed with the objective of recognizing handwritten numbers. Likewise, the performance of the reused model has been evaluated. Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado. http://sedici.unlp.edu.ar:80/handle/10915/168751 Articulo Location-based social networks in Buenos Aires (2009-2015) 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 El tipo de redes sociales que se basan en la ubicación de sus usuarios recibe el nombre de redes sociales basadas en localización (LBSN) y son un medio oportuno para el análisis del comportamiento espacio temporal de las personas. Utilizando datos registrados en Foursquare, aplicación para dispositivos móviles que provee a sus usuarios búsquedas personalizadas y localizadas, se construyó la red social de usuarios con actividades en lugares de la Ciudad Autónoma de Buenos Aires entre 2009 y 2015. En este trabajo se describen en primer lugar aspectos metodológicos para la recolección y procesamiento de datos de redes sociales utilizando información pública, y en segundo lugar se estudia las características estructurales de la red social que componen estos usuarios. Entre los hallazgos más importantes se encuentra una estructura fuertemente comunitaria, de mundo pequeño y con un grado neutral de afinidad selectiva, que no se enmarca en una distribución de grados de ley de potencias.; The type of social networks that are based on the location of their users is called location-based social networks (LBSN). These networks are an adequate means for spatio-temporal users’ behavior analysis. Using data from Foursquare, an application for mobile devices that provides its users with personalized and localized searches, the social network for users was built based on activities within Buenos Aires Federal District between 2009 and 2015. In this paper in the first place the methodological aspects for the collection and processing of social network data using public information is described. Secondly the structural characteristics of this social network are analyzed. Among the most relevant findings, we could see that the network has characteristics of a strong communitary, small-world and neutral degree of assortativity structure. It was also found that this network does not fit the power-law degree. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168751 2024-04-01T00:00:00Z El tipo de redes sociales que se basan en la ubicación de sus usuarios recibe el nombre de redes sociales basadas en localización (LBSN) y son un medio oportuno para el análisis del comportamiento espacio temporal de las personas. Utilizando datos registrados en Foursquare, aplicación para dispositivos móviles que provee a sus usuarios búsquedas personalizadas y localizadas, se construyó la red social de usuarios con actividades en lugares de la Ciudad Autónoma de Buenos Aires entre 2009 y 2015. En este trabajo se describen en primer lugar aspectos metodológicos para la recolección y procesamiento de datos de redes sociales utilizando información pública, y en segundo lugar se estudia las características estructurales de la red social que componen estos usuarios. Entre los hallazgos más importantes se encuentra una estructura fuertemente comunitaria, de mundo pequeño y con un grado neutral de afinidad selectiva, que no se enmarca en una distribución de grados de ley de potencias. The type of social networks that are based on the location of their users is called location-based social networks (LBSN). These networks are an adequate means for spatio-temporal users’ behavior analysis. Using data from Foursquare, an application for mobile devices that provides its users with personalized and localized searches, the social network for users was built based on activities within Buenos Aires Federal District between 2009 and 2015. In this paper in the first place the methodological aspects for the collection and processing of social network data using public information is described. Secondly the structural characteristics of this social network are analyzed. Among the most relevant findings, we could see that the network has characteristics of a strong communitary, small-world and neutral degree of assortativity structure. It was also found that this network does not fit the power-law degree. http://sedici.unlp.edu.ar:80/handle/10915/168749 Articulo Predicción de la satisfacción del usuario a partir de chats de atención al cliente 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Customer service is a determining factor in the user experience of Fintech companies. This work seeks to understand, using machine learning techniques, what factors lead the clients of a specific Fintech company to positively evaluate their experience. Two data sources were used to achieve this: user records from their sign up and the log of conversations with customer service via WhatsApp. We experimented with predictive models based on XGBoost, trained with features of the user context, the characteristics of the conversations and the semantics of the words used in the conversations. The results were lower than expected (AUC = 0.5152), but they leave valuable lessons for those who face similar problems in the future, related to the challenges of the following critical aspects: i. avoid data leakage, ii. evaluate models and scoring metrics thoroughly, iii. carry out intermediate checkpoints, iv. do not underestimate the time required for data transformation, v. perform a unit testing process and vi. know the domain. This paper describes the different stages of the methodology: data extraction and transformation, feature generation, predictive model training, optimal model selection and test data evaluation.; Los servicios de atención al cliente son determinantes de la experiencia de usuario de las empresas Fintech. Este trabajo busca entender, empleando técnicas de machine learning, qué factores llevan a los clientes de una Fintech a evaluar de forma positiva su experiencia. Esto se hizo a partir de dos fuentes de datos: los registros de los usuarios y las conversaciones del servicio de atención al cliente vía WhatsApp. Experimentamos con modelos predictivos basados en XGBoost, entrenados con features del contexto del usuario, las características de las conversaciones y la semántica de las palabras utilizadas en las conversaciones. Los resultados fueron menores a lo esperado (AUC = 0.5152), pero dejan aprendizajes valiosos para quienes encaren problemas semejantes en el futuro, relacionados a los desafíos de los siguientes aspectos críticos: i. evitar el data leakage, ii. evaluar modelos y scoring metrics exhaustivamente, iii. realizar chequeos intermedios, iv. no subestimar el tiempo necesario para la transformación de datos, v. realizar un proceso de unit testing y vi. conocer el dominio. Este trabajo describe las distintas etapas de la metodología: extracción y transformación de los datos, generación de features, entrenamiento de modelos predictivos, selección del modelo óptimo y evaluación en datos de test. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168749 2024-04-01T00:00:00Z Customer service is a determining factor in the user experience of Fintech companies. This work seeks to understand, using machine learning techniques, what factors lead the clients of a specific Fintech company to positively evaluate their experience. Two data sources were used to achieve this: user records from their sign up and the log of conversations with customer service via WhatsApp. We experimented with predictive models based on XGBoost, trained with features of the user context, the characteristics of the conversations and the semantics of the words used in the conversations. The results were lower than expected (AUC = 0.5152), but they leave valuable lessons for those who face similar problems in the future, related to the challenges of the following critical aspects: i. avoid data leakage, ii. evaluate models and scoring metrics thoroughly, iii. carry out intermediate checkpoints, iv. do not underestimate the time required for data transformation, v. perform a unit testing process and vi. know the domain. This paper describes the different stages of the methodology: data extraction and transformation, feature generation, predictive model training, optimal model selection and test data evaluation. Los servicios de atención al cliente son determinantes de la experiencia de usuario de las empresas Fintech. Este trabajo busca entender, empleando técnicas de machine learning, qué factores llevan a los clientes de una Fintech a evaluar de forma positiva su experiencia. Esto se hizo a partir de dos fuentes de datos: los registros de los usuarios y las conversaciones del servicio de atención al cliente vía WhatsApp. Experimentamos con modelos predictivos basados en XGBoost, entrenados con features del contexto del usuario, las características de las conversaciones y la semántica de las palabras utilizadas en las conversaciones. Los resultados fueron menores a lo esperado (AUC = 0.5152), pero dejan aprendizajes valiosos para quienes encaren problemas semejantes en el futuro, relacionados a los desafíos de los siguientes aspectos críticos: i. evitar el data leakage, ii. evaluar modelos y scoring metrics exhaustivamente, iii. realizar chequeos intermedios, iv. no subestimar el tiempo necesario para la transformación de datos, v. realizar un proceso de unit testing y vi. conocer el dominio. Este trabajo describe las distintas etapas de la metodología: extracción y transformación de los datos, generación de features, entrenamiento de modelos predictivos, selección del modelo óptimo y evaluación en datos de test. http://sedici.unlp.edu.ar:80/handle/10915/168693 Contribucion a revista 52 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2023) (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023); Electronic Journal of SADIO; vol. 23, no. 1 Este número de la revista EJS contiene una colección de artículos seleccionados de las52 JAIIO. Los artículos publicados en este número son versiones ampliadas y revisadas de trabajos presentados en el congreso, que fueron cuidadosamente evaluados por comités de expertos.; This issue of EJS journal contains a collection of articles selected from the 52 JAIIO. The articles published in this issue are expanded and revised versions of papers presented at the congress, which were carefully evaluated by expert committees. Mon, 01 Apr 2024 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/168693 2024-04-01T00:00:00Z Este número de la revista EJS contiene una colección de artículos seleccionados de las52 JAIIO. Los artículos publicados en este número son versiones ampliadas y revisadas de trabajos presentados en el congreso, que fueron cuidadosamente evaluados por comités de expertos. This issue of EJS journal contains a collection of articles selected from the 52 JAIIO. The articles published in this issue are expanded and revised versions of papers presented at the congress, which were carefully evaluated by expert committees.