Recent Additions
- Some of the metrics are blocked by yourconsent settings
Thesis A Branch & Cut algorithm to solve the joint location inventory problem under fill-rate service level constraints and a full backorders approach.(Universidad Técnica Federico Santa María, 2026)Esta tesis aborda el problema conjunto de localización e inventario para el diseño de una red de distribución de dos niveles bajo demanda estocástica, en la que los centros de distribución candidatos operan con una política de revisión continua (r, Q), tiempos de entrega determinísticos y full backorders. El problema integra simultáneamente decisiones de apertura de centros de distribución, asignación de retail y definición de los parámetros óptimos de la política de inventario, incorporando además restricciones de nivel de servicio basadas en fill-rate en cada instalación. Con el fin de representar adecuadamente estas interacciones, se formula un modelo no convexo de programación no lineal entera mixta (MINLP) que describe explícitamente el inventario disponible, los pedidos pendientes esperados y las restricciones de nivel de servicio bajo demanda normalmente distribuida. Posteriormente, se desarrolla una reformulación convexa equivalente mediante la introducción de variables auxiliares para los términos de agregación de demanda, obteniéndose un problema convexo de programación no lineal entera mixta con restricciones de conos de segundo orden. Sobre esta base, se propone un enfoque de resolución que combina Outer Approximation y Branch & Cut para resolver el problema de manera eficiente. El enfoque propuesto permite estudiar el desempeño de ambos métodos comparando sus tiempos computacionales y gap de optimalidad para ver qué método resulta más conveniente para este tipo de problemas. - Some of the metrics are blocked by yourconsent settings
Thesis Counterfactual Explanations for Domain Specific NLP Systems with Applications to Radiology and Hate Speech(Universidad Técnica Federico Santa María, 2026-03-13)Counterfactual and contrastive explanations have emerged as promising approaches to interpretability in Natural Language Processing, offering clear and actionable insights into the decision boundaries of text classifiers. However, existing methods have been developed predominantly for English and rely on domain-agnostic minimality metrics that fail to capture the linguistic characteristics of specialized domains. In this thesis, we introduce MMiCE (Multilingual Minimal Contrastive Editing), an extension of the MiCE framework that addresses these limitations through three key contributions. First, we expand MiCE to multilingual settings by resolving critical reproducibility barriers associated with its original implementation and re-implementing it using modern, actively maintained libraries. Second, we propose an inverse gradient attribution strategy for multilabel classification tasks, enabling contrastive explanation generation in settings where the traditional one-vs-rest paradigm breaks down. Third, we incorporate MAUVE as a domain-adapted fluency metric within the edit search framework. We evaluate MMiCE on three datasets spanning two languages and three domain-specific contexts: IMDB (English sentiment classification), Chilean Hate (informal Chilean Spanish hate speech detection), and 42K_HCUCH (Spanish radiology report classification). Our results demonstrate that MMiCE substantially outperforms both the original MiCE framework in terms of edit minimality and Polyjuice as a counterfactual baseline, with a flip-score difference exceeding 99%. - Some of the metrics are blocked by yourconsent settings
Thesis Implementación y caracterización de tiempo de ejecución de técnicas de control predictivo por modelo utilizando plataforma dSPACE(Universidad Técnica Federico Santa María, 2026-03-13)El Control Predictivo Basado en Modelos (\textit{Model Predictive Control}, MPC) es una técnica avanzada de control que predice el comportamiento futuro de un sistema para optimizar la acción de control en cada intervalo de muestreo. En general, el cálculo de la acción de control óptima en tiempo de ejecución se realiza mediante métodos iterativos o de búsqueda que imponen una alta demanda en términos de número de operaciones y/o utilización de memoria. Esto resulta especialmente desafiante al considerar implementación en plataformas embebidas con recursos limitados, donde la capacidad de cómputo puede ser insuficiente para resolver los problemas de optimización con garantías de tiempo real. Esta propuesta de tesis aborda la necesidad de evaluar y plantear directrices para reducir la latencia de los lazos MPC. Para abordar este problema, se integrarán aceleradores basados en \textit{Field Programmable Gate Array} (FPGA), aprovechando su capacidad de paralelismo para reducir la latencia del cálculo de la optimización. Además, los aceleradores se integrarán en un lazo de control completo, donde además del cálculo de la actuación óptima, se deben considerar tareas como la adquisición y conversión de señales, la estimación de estados y la comunicación entre dispositivos. Estas tareas adicionales, que tradicionalmente suelen despreciarse al compararlos con los tiempos asociados a resolver el problema de optimización, pueden convertirse en cuellos de botella cuando se requieren lazos de control con alta frecuencia de muestreo. La innovación de este trabajo radica en la validación a nivel de sistema de lazos MPC con aceleración por hardware en entornos realistas, para lo cual se utilizará una plataforma de prototipado rápido dSPACE que permite una rápida implementación y prueba de diferentes configuraciones, facilitando la identificación de cuellos de botella y el balanceo eficiente de recursos considerando el desempeño de control en lazo cerrado en la planta real. Se espera obtener una evaluación detallada de la latencia de los lazos de control, desde la adquisición de datos hasta la generación de la actuación correspondiente, midiendo los tiempos de ejecución de cada etapa del proceso y proponiendo directrices para optimizar el uso de recursos. Esto es particularmente relevante en contextos con objetivos de latencia que pueden estar en el orden de los microsegundos, por ejemplo en aplicaciones de electrónica de potencia o robótica. Esta investigación proporcionará prototipos funcionales y documentación que faciliten la replicación de los resultados y el uso de la plataforma dSPACE en futuros desarrollos, proporcionando un ejemplo de aplicación real que requiera garantías, y una base sólida y validada para facilitar la adopción de estas tecnologías en sectores industriales como control de motores eléctricos de alta precisión, robótica, sistemas de energías renovables, entre otros. - Some of the metrics are blocked by yourconsent settings
Thesis Evaluación de GPT como oráculo textual para clasificadores de tomografías computarizadas(Universidad Técnica Federico Santa María, 2026-04-15)La escasez de tomografías computarizadas (TC) de tórax anotadas restringe el entrenamiento de sistemas diagnósticos. Esta investigación evalúa la supervisión débil mediante grandes modelos de lenguaje (LLM) para generar etiquetas clínicas a partir de informes radiológicos. El diseño desacopla la anotación del procesamiento visual. Un oráculo textual (gpt-5-nano) infiere etiquetas sobre un corpus masivo. Luego, clasificadores ligeros operan sobre características latentes extraídas por el codificador congelado de CT-CLIP, lo que elude el entrenamiento end-to-end. El estudio aplica linear probing e inferencia estadística emparejada con validación cruzada para mitigar sesgos de partición. El oráculo alcanzó alta fidelidad (F1-macro 0.8889) y estabilidad (κ = 0.947). En la clasificación visual, la supervisión manual lidera solo en regímenes reducidos (N = 50). Desde N = 100, la supervisión sintética supera estadísticamente a la manual en AUPRC (0.518 frente a 0.499) , y logra un techo asintótico de 0.568 en N = 10000. Al compensar el ruido del etiquetado con un mayor volumen de observaciones, la supervisión débil iguala y supera a la anotación experta bajo restricciones de hardware. No obstante, el estancamiento asintótico confirma un cuello de botella representacional inherente a la separabilidad lineal de las características estáticas de CT-CLIP - Some of the metrics are blocked by yourconsent settings
Thesis Modelo de Reliability Unit Commitment estocástico de dos etapas para mercados eléctricos con generación eólica y demanda incierta(Universidad Técnica Federico Santa María, 2026-06-04)La creciente incorporación de energías renovables en los sistemas eléctricos ha introducido nuevos desafíos para la planificación y operación del sistema. La variabilidad e incertidumbre asociadas a recursos como la energía eólica, junto con posibles desviaciones en la demanda eléctrica, dificultan la programación eficiente y confiable de las unidades generadoras. En este contexto, el modelo de optimización de Unit Commitment (UC), ampliamente utilizado por los Operadores Independientes del Sistema (ISO), ha evolucionado para abordar distintas fuentes de incertidumbre y garantizar la seguridad operativa del sistema. Una de estas extensiones es el Reliability Unit Commitment (RUC), que considera la asignación preventiva de capacidad para cubrir posibles desviaciones entre la demanda ofertada en el mercado eléctrico y el pronóstico realizado por el ISO. El presente trabajo tiene como propósito desarrollar la formulación matemática de un modelo de optimización estocástico de dos etapas que integre, las decisiones del mercado diario y las decisiones asociadas al RUC, incorporando simultáneamente la incertidumbre de la demanda eléctrica y de la generación eólica, con el objetivo de maximizar el bienestar social. En la primera etapa se determinan las decisiones de encendido y apagado de unidades, energía comprometida, asignación de reservas y capacidad destinada a RUC; mientras que en la segunda etapa, el modelo evalúa el desempeño de estas decisiones frente a diferentes realizaciones de la incertidumbre, representadas mediante un conjunto de escenarios. A diferencia de propuestas anteriores basadas en formulaciones deterministas o con representaciones limitadas de la variabilidad, esta formulación permite analizar el comportamiento del sistema bajo distintas condiciones de operación y evaluar el impacto del RUC desde múltiples perspectivas, incluyendo aspectos económicos, operacionales y medioambientales. El modelo se implementa en el sistema de prueba IEEE-39 modificado, donde se desarrollan dos análisis comparativos principales. El primero evalúa el impacto de la inclusión de RUC en el modelo y el segundo analiza el efecto de representar la incertidumbre variando el número de escenarios considerados. Los resultados muestran que la incorporación de RUC mejora la preparación del sistema frente a la variabilidad, permitiendo una mayor utilización de tecnologías limpias y de menor costo, reduciendo la energía no suministrada, optimizando el uso de reservas y disminuyendo la congestión en las líneas de transmisión. Asimismo, considerar un mayor número de escenarios permite capturar de mejor manera el comportamiento del sistema, lo que se traduce en decisiones de programación más robustas y en un mejor desempeño operativo frente a escenarios adversos no previstos por el modelo. Se concluye que el modelo propuesto y su análisis entregan información relevante respecto al valor de incorporar restricciones de confiabilidad mediante RUC y de representar adecuadamente la incertidumbre en sistemas eléctricos con alta penetración de energías renovables y participación de demanda elástica, abriendo oportunidades para el desarrollo de investigaciones futuras en esta línea.
Most viewed
- Some of the metrics are blocked by yourconsent settings
Thesis New proposal for the capacity remuneration scheme in the Chilean electricity system(Universidad Técnica Federico Santa María, 2025-10)This paper presents a bilevel programming methodology for designing and evaluating Capacity Remuneration Mechanisms (CRMs) in the context of the energy transition. As renewable generation increases, CRMs can be used to provide an additional revenue stream to promote strategic investments supporting adequacy, flexibility, and decarbonization goals. The bilevel framework embeds CRM rules at the upper level and models market operation and system scheduling and dispatch at the lower level, linking long-run investment with short-run operation. As a salient modeling feature, the proposed approach explicitly captures how CRM-driven capacity additions affect energy prices, revenue formation, and the profitability of generators. Three CRM designs, namely Fixed Capacity Payment, Variable Capacity Payment, and Capacity Auctions, are assessed in terms of generation-unit profitability, system reliability, total system costs, and CO2 emissions. Results from a case study of the Chilean electricity market indicate reductions of up to 20% in total system costs, elimination of supply shortages, and up to 8% lower emissions. The methodology provides a clear basis for evaluating CRM designs and identifying cost-effective strategies that balance investment signals, reliability, and sustainability goals. - Some of the metrics are blocked by yourconsent settings
Thesis Algoritmo de Reconstrucción para la Identificación y Segregación de Partículas de Altas Energías en un detector preshower(2017)La detección de partículas es un trabajo muy importante en campos como la física dealtas energías, la medicina y la astronomía. El proceso de detección consiste en identificarlas partículas producidas en distintos fenómenos físicos, como por ejemplo, las partículasproducidas en los grandes colisionadores. El proceso de detección, sin embargo, es complicadoy depende de muchos factores. Un caso especialmente difícil es la detección de partículasmuy cercanas provenientes, por ejemplo, del decaimiento de piones neutros. Para solucionareste problema el centro Científico y Tecnológico de Valparaíso ha propuesto un detectordel tipo calorímetro preshower, diseñado especialmente para tener una alta resolución en laidentificación de partículas cercanas. La solución de este problema tiene varias aplicacionesprácticas: En los colisionadores electron-ion puede ayudar al estudio de los gluones, elmaterial que une toda la materia del universo; En la medicina nuclear puede ayudar amejorar las imágenes producidas en las tomografías por emisión de positrones, vitales en eltratamiento del cancer.Para procesar los datos producidos por el detector se utiliza un algoritmo de reconstrucción.Este algoritmo es el encargado de convertir los datos brutos en información útil de lapartícula detectada, como su posición de incidencia, su energía o su ángulo.La contribución principal de este trabajo es el diseño e implementación de un algoritmode reconstrucción completo para el detector preshower. Para esto, las diferentes opcionesde la literatura son estudiadas y nuevas soluciones son propuestas para el trabajo dereconstrucción. Además, se construye una simulación computacional del detector y seestudia, mediante simulaciones, el desempeño del algoritmo de reconstrucción. Los resultadosobtenidos muestran la capacidad del detector preshower para identificar partículas cercanas,superando otras propuestas de la literatura. Además, basándose en este análisis, se proponenposibles mejoras al detector, las cuales pueden ser implementadas en próximas iteracionesdel diseño del detector. - Some of the metrics are blocked by yourconsent settings
Thesis Cinética de catálisis enzimática de un sustrato insoluble: hueso de salmón bajo micro-molienda(Universidad Técnica Federico Santa María, 2025-10-29)El salmón es uno de los principales peces de acuicultura en Chile. Para contribuir en el desarrollo sostenible de esta industria se deben incorporar alternativas que generen un beneficio medioambiental, social y económico. Los esquelones son un importante subproducto del proceso de fileteado, ya que representan alrededor del 10% en peso del pescado. Estos están compuestos principalmente por músculo y hueso. La fracción ósea del esquelón, además de colágeno, posee un alto contenido de calcio, mineral deficitario en la dieta contemporánea. El hueso puede ser transformado en un ingrediente funcional mediante la aplicación secuencial de micro-molienda (d_50=10[μm]) e hidrólisis enzimática (Alcalase 2.5L), favoreciendo así la solubilización de Ca^(+2) y la formación de péptidos. Los modelos que generalmente son utilizados para describir la cinética de catálisis son Michaelis-Menten (MM) y Reversa de Michaelis-Menten (RMM), válidos para los casos en que E_0<< S_0+K_m (1) y S_0< - Some of the metrics are blocked by yourconsent settings
Thesis Algoritmo multi-fuente de imputación de datos faltantes basado en algoritmo EM y vecinos recomendados(Universidad Técnica Federico Santa María, 2025-06-12)En los problemas de Machine Learning, la presencia de datos faltantes es un desafío común, especialmente cuando las variables del estudio provienen de múltiples fuentes de información. Cada fuente puede tener distintos formatos, niveles de precisión y frecuencias de actualización, lo que genera inconsistencias y vacíos en los datos recopilados. Por ejemplo, en un sistema de predicción de demanda que depende de datos meteorológicos, económicos y de redes sociales, algunas fuentes pueden proporcionar información en tiempo real, mientras que otras pueden presentar retrasos en las actualizaciones o contener valores faltantes debido a errores de registro. Estas discrepancias pueden afectar la calidad del modelo, reduciendo su capacidad predictiva y aumentando la incertidumbre en los resultados. Por lo tanto, es fundamental aplicar estrategias como la imputación de datos si se desea realizar una tarea de aprendizaje supervisado, como regresión o clasificación, sin perder datos en el proceso. El algoritmo de Expectation Maximization (EM) ha sido utilizado con éxito para manejar valores faltantes, pero no está diseñado para escenarios típicos de Machine Learning, donde se crea un modelo de imputación sobre los datos de entrenamiento y luego se aplica a un conjunto de prueba. En este trabajo, proponemos EMreg-KNN, un novedoso algoritmo de imputación supervisado y de múltiples fuentes. Basado en el algoritmo EM y en el concepto de vecinos recomendados, EMreg-KNN construye un modelo de conjunto basado en regresión para la imputación de datos futuros, lo que permite la utilización posterior de cualquier método de Machine Learning basado en vectores para evaluar automáticamente tareas de clasificación. Para evaluar esta propuesta, se utilizan tres bases de datos diferentes con datos faltantes y cuatro algoritmos de clasificación. El método propuesto competirá con otros métodos de imputación para garantizar que los algoritmos de clasificación ofrezcan los mejores resultados según métricas ROC. EMreg-KNN obtiene mejores resultados en la mayoría de los escenarios. Además, los clasificadores muestran un comportamiento más estable gracias a la imputación de los valores faltantes. - Some of the metrics are blocked by yourconsent settings
Publication Bound states in the continuum in whispering gallery resonators with pointlike impurities(Springer Science and Business Media LLC, 2024-11-13)Whispering gallery resonators offer a versatile platform for manipulating the photonic transmission. Here, we study such a system, including periodically distributed pointlike impurities along the resonator with ring geometry. Based on an exact expression for the transmission probability we obtain here, we demonstrate that the bound states in the continuum (BICs) form from the whispering gallery modes at the high-symmetry momenta in the ring's Brillouin zone. Furthermore, the presence of the inversion symmetry allows for a selective decoupling of resonant states, favoring the BIC generation and, therefore, allowing extra tunability in the optical transmission of the system.
Política de Privacidad 
