La adopción de plataformas basadas en microservicios y contenedores ha permitido a las organizaciones acelerar el ciclo de entrega de software, mejorar el time to market, estandarizar entornos y mejorar la escalabilidad de las aplicaciones. Dentro de estas plataformas, OpenShift se ha consolidado como una distribución empresarial de Kubernetes con un sistema operativo optimizado, seguridad, facilidad para despliegue y operación. No obstante, en la actualidad muchas organizaciones, tal como ocurre en la industria FinOps, están apostando a priorizar escenarios de optimización de costos, reducción de dependencia tecnológica y automatización de infraestructura, con la finalidad de facilitar la adopción de servicios administrados. En base a lo anterior, diversas organizaciones evalúan migrar sus cargas de trabajo hacia soluciones de Kubernetes administrado en la nube. Esta tesina desarrolla, formaliza y valida una estrategia estructurada para migrar cargas de trabajo desde OpenShift hacia el servicio cloud Oracle Kubernetes Engine (OKE). La estrategia fue aplicada y evaluada mediante un caso real, comparando aspectos técnicos, operacionales y económicos entre ambas plataformas. Los resultados obtenidos evidencian que una migración basada en un proceso metodológico permite mantener el rendimiento de las aplicaciones, mejorar determinados aspectos operacionales y reducir el costo total de propiedad en un horizonte de mediano plazo. El principal aporte del trabajo es proponer una estrategia reproducible que puede servir como guía para organizaciones que enfrenten procesos de modernización de plataformas Kubernetes y migración hacia servicios administrados en la nube.

El Instituto Geográfico Militar (IGM) de Chile es un organismo público de infraestructura crítica que debe cumplir con la Ley N° 21.719 sobre Protección de Datos Personales antes de que entre en vigor en diciembre de 2026. Este trabajo diseña e implementa un Modelo de Gobernanza de Datos Personales (MGDP) basado en estándares internacionales (ISO/IEC 27701 y DAMA-DMBOK) mediante la metodología Design Thinking, para permitir el cumplimiento normativo dentro de las limitaciones de recursos propias de una institución pública. El diagnóstico institucional levantó 146 registros de datos personales en los 26 departamentos y secciones del IGM, consolidados en 42 tratamientos activos conforme al Art. 14 quáter de la ley. El análisis de brechas encontró 11 ítems de incumplimiento respecto al deber de información y transparencia, y el diagnóstico técnico del ERP institucional detectó 8 hallazgos de seguridad, de los cuales 3 son de criticidad crítica. El MGDP diseñado considera 7 componentes: estructura de gobernanza con 3 roles formales, Registro de Actividades de Tratamiento (RAT) con 42 tratamientos documentados, metodología de Evaluación de Impacto (EIPD) para 7 tratamientos de alto riesgo, 5 flujos de atención ARCO+, modelo de prevención con 10 riesgos clasificados y roadmap de implementación y políticas y procedimientos institucionales. La validación por juicio experto de 2 evaluadores dio un impacto medio de 4,21 sobre 5 y una viabilidad de 3,50 sobre 5. La diferencia en la estimación de cumplimiento entre evaluadores, sustancial (70–89%) versus mínimo (<40%) nos señala que la automatización sistémica como condición necesaria complementaria al marco de gobernanza para alcanzar cumplimiento pleno de la ley.

El presente trabajo tiene como objetivo analizar y predecir la deserción laboral en empresas, mediante la aplicación de técnicas de análisis de datos y aprendizaje automático sobre información proveniente del área de Recursos Humanos. La investigación se basa en un conjunto de datos de acceso público, ampliamente utilizado en estudios académicos relacionados con la deserción laboral. Para el desarrollo del estudio se adoptó la metodología CRISP-DM, permitiendo estructurar de manera sistemática las etapas de comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Se implementaron diversos algoritmos de aprendizaje supervisado con el propósito de identificar patrones asociados a la deserción laboral y evaluar su capacidad predictiva. Los resultados obtenidos evidencian que el uso de modelos de aprendizaje automático constituye una herramienta eficaz para anticipar el riesgo de deserción laboral, facilitando la generación de información relevante para la toma de decisiones estratégicas. De este modo, el estudio aporta un enfoque analítico que contribuye a la gestión proactiva del capital humano, apoyando el diseño de estrategias orientadas a la retención del talento en las organizaciones.

En este trabajo se especificaron los requerimientos funcionales que permitieron definir una aplicación web para facilitar el trabajo de nutricionistas, con énfasis en la generación de pautas de alimentación. Se desarrollaron dos versiones: una que incorporó herramientas de Inteligencia Artificial dentro de su flujo y otra que no las incorporó. Ambas se compararon con base en criterios de rendimiento y valoración del usuario final, con el objetivo de evaluar si la incorporación de Inteligencia Artificial generó beneficios reales en el contexto del negocio.

El transporte óptimo ha sido tema de interés durante los últimos años [Villani, 2008] por sus aplicaciones en gestión de operaciones y en procesamiento de imágenes. En particular, en [Ekeland and Queyranne, 2015] se plantea un modelo de transporte óptimo para la extracción de un pozo minero a cielo abierto. El objetivo de este trabajo es presentar un modelo similar al descrito anteriormente, pero agregando restricciones de capacidad de extracción. Utilizando el esquema de dualidad de [Pennanen and Perkkiö, 2019] para problemas en el espacio de medidas de Radón, se consiguen condiciones de optimalidad para las soluciones, las cuales generan un pozo. Numéricamente se consiguen resultados para la optimalidad del pozo en el problema discretizado tanto para el problema irrestricto como para el problema con la restricción de capacidad.

Project Management is becoming increasingly crucial in competitive environments such as manufacturing and the service industries. The resource-constrained multi-project scheduling problem (RCMPSP) consists of assigning start times to jobs corresponding to two or more projects that must be executed simultaneously while respecting the precedence between jobs and limited resources. The existing rise in the study of the RCMPSP resulted in numerous works on the topic while proposing different problem features. This thesis presented a study of the RCMPSP and its variants, the base problem is initially described, and the solution methods and benchmarks used to solve RCMPSPs are classified and analyzed. The implications of the RCMPS with practice and its connection are also discussed. In addition, this research analyzed different variants of the problem based on aspects related to jobs, projects, relationships, resources, and time management, and based on the problem variants considered in the reviewed works, a taxonomy allowing (i) the identification and positioning of each RCMPSP variant and (ii) the analysis of the current state-of-the-art of the problem was proposed. Subsequently, it delved into the research of one of the most studied variants in the literature, RCMPSP with local resources (RCMPSP-L), describing the problem in detail and exposing its corresponding mathematical formulation. To solve the RCMPSP-L, a hybrid algorithm that integrates ant colony optimization with a hill-climbing first-improvement algorithm was proposed, and the experimentation process was carried out using a set of instances taken from the MPSPLib. The proposed algorithm presented low variability values, the construction phase provided good-quality solutions, and the local search constantly improved the constructive algorithm, with the results compared with other well-known approaches in the literature, evidencing that for different existing metrics, the proposed approach presents competitive results. Later, new variants of the problem that consider resource mixed accessibility, total resource allocation, delay costs, and resource costs were presented: RCMPSP-MT-W and RCMPSP-MT-W+RC, respectively, both variants described and mathematically formulated. A hybrid algorithm that integrates priority rules, simulated annealing, and tabu search as part of an iterated local search was proposed to solve the variants, where simple perturbation and joint perturbation were proposed as different perturbation intensities as part of the ILS. To validate the model and the algorithm, 36 instances based on the MPSPLib library were modified, and the results show that the application of joint perturbation yields better or equal results than simple perturbation, making greater use of resources with global accessibility, and although it may not be the only factor, the global accessibility of resources may imply greater freedom of allocation, allowing better results to be obtained.

La segmentación automática de lesiones de esclerosis múltiple en imágenes de resonancia magnética es una tarea fundamental para el diagnóstico, el monitoreo de la enfermedad y la evaluación de tratamientos. No obstante, la presencia del efecto del volumen parcial, el solapamiento de intensidades entre tejidos y el alto desbalance de clases, dificultan la segmentación de las lesiones de EM. En esta tesis se propone una nueva función de pérdida, denominada Mahalanobis Distance Loss (MDL), basada en el Mapa de Distancias de Mahalanobis (MDM), también propuesto, que integra información espacial y textural mediante características radiómicas extraídas de la modalidad FLAIR. A diferencia de los mapas de distancia construidos con la distancia euclidiana, el MDM incorpora dependencias estadísticas entre características, capturando mejor las variaciones sutiles en regiones ambiguas cercanas a los bordes de las lesiones. La MDL es combinada con la Generalized Dice Loss mediante un parámetro $\epsilon$ que regula el equilibrio entre solapamiento global y precisión en los bordes. La evaluación en los conjuntos de datos públicos ISBI-MS y MSSEG2016, utilizando una U-Net, demuestra que la función de pérdida propuesta supera a las basadas en mapas de distancia euclidiana, como Boundary Loss y Hausdorff Loss, en métricas de solapamiento (Dice, precisión), de borde (HD95, ASSD) y de detección bajo desbalance de clases (AUC-PR), además de reducir los falsos positivos. Los resultados validan que incorporar información de textura en la función de pérdida mediante el MDM mejora la segmentación automática de lesiones de EM y ofrece un marco prometedor para generalizar estas ideas a otros tipos de lesiones, tejidos y órganos.

El presente estudio aborda el desarrollo de un sistema operativo de respuesta ante emergencias Search and Rescue (SAR) en ambientes marítimos, basado en el uso de Modelos Hidrodinámicos Globales (MHG) y un Modelo Hidrodinámico Local (MHL), específicamente FVCOM. Se diseñaron algoritmos para procesar las salidas de estos modelos y utilizarlas como entrada en el Estimador Múltiple de Deriva de Partículas (EMDP), con el objetivo de delimitar zonas de búsqueda ante eventos de deriva en el mar. La evaluación del sistema se realizó utilizando datos del accidente aéreo del 2 de septiembre de 2011, ocurrido entre Isla Santa Clara e Isla Robinson Crusoe. Los resultados evidencian una buena concordancia entre trayectorias simuladas y observadas, con variaciones asociadas a las condiciones océano-atmosféricas. Se observó mejor desempeño de los modelos influenciados por mareas en condiciones de calma, y de los modelos impulsados por viento cuando este superó los 7 km·h⁻¹. El uso del MHL permitió una resolución espacial fina (hasta 46 m), capturando con mayor precisión la distribución de trayectorias. Este trabajo representa el primer aporte científico en Chile orientado a emergencias SAR marítimas, y propone una herramienta de apoyo eficiente para autoridades responsables en la toma de decisiones.