Publicaciones
Repositorio Institucional
Envíos recientes
Slide 1 of 5 Publicación Acceso Abierto Trabajo de grado - Pregrado
(Institución Universitaria ITM, 2025-06-16) Echeverri Pérez, Jefferson Andrés; Reyes-Vera, Erick; Gonzalez Valencia, Esteban
La transición global hacia fuentes de energía renovables exige soluciones fotovoltaicas que combinen alta eficiencia, bajo costo de fabricación y mínimo impacto ambiental. En este contexto, las celdas solares, y en especial las celdas solares de perovskita destacan por su rápido avance en la última década, debido a que estas han alcanzado eficiencias cercanas a las de las obtenidas con celdas de silicio. Además, gracias a su composición cristalina en la que tres elementos distintos se organizan de manera precisa, lo que permite modular con gran exactitud sus propiedades ópticas y eléctricas. Sin embargo, persisten desafíos críticos relacionados con la toxicidad del plomo en perovskitas tales como en la FAPbI₃ y la inestabilidad química de alternativas libres de plomo como MASnI₃, cuya tendencia a oxidarse limita su desempeño. Esta tesis presenta una metodología integral para optimizar celdas solares de perovskita tanto con FAPbI₃ (con plomo) como con MASnI₃ (sin plomo), combinando simulaciones numéricas avanzadas en SCAPS-1D y técnicas de aprendizaje de máquinas, específicamente aplicando el modelo Random Forest. Primero, se modelaron las celdas con arquitectura n-i-p, definiendo parámetros detallados de espesor, energía de banda prohibida, afinidad electrónica y densidades de defectos para cada capa. Empleando SCAPS-1D se generaron 1.000 configuraciones por cada tipo de perovskita, variando los espesores de ETL, capa activa y HTL para obtener las curvas J–V y calcular los indicadores eléctricos clave tales como eficiencia de conversión de potencia (PCE) y factor de llenado (FF). A continuación, se desarrollaron dos modelos de Random Forest, el primero para predecir el FF y el segundo para estimar la PCE en función de los espesores. La validación cruzada y la búsqueda en malla de hiperparámetros garantizaron un ajuste óptimo. El modelo demostró alta precisión tanto de FF como de PCE, con errores relativos menores al 2 % en la mayoría de las configuraciones. Además, se creó una calculadora interactiva en Python que, mediante los modelos entrenados, permite estimar instantáneamente FF y PCE para cualquier combinación de espesores dentro del rango estudiado, evitando simulaciones repetitivas. Mediante optimización multiobjetivo se construyó el frente de Pareto, identificando las configuraciones que maximizan simultáneamente PCE y FF sin sacrificar uno por el otro. Los resultados evidencian que las celdas con FAPbI₃ alcanzan eficiencias superiores (hasta ≈26 %) y FF elevados (≈83 %), mientras que las basadas en MASnI₃, aunque ligeramente menores en desempeño (PCE ≈25 %, FF ≈82 %), constituyen una alternativa más sostenible al eliminar el plomo. La comparación con datos experimentales y simulados publicados en la literatura confirma la capacidad del modelo para generalizar y predecir con precisión entornos reales. De esta manera, los hallazgos hallados en este trabajo de grado promueven el desarrollo de dispositivos fotovoltaicos más eficientes y amigables con el medio ambiente, sentando bases sólidas para futuras investigaciones en perovskitas libres de plomo y en estrategias de optimización híbrida.
Slide 2 of 5 Publicación Acceso Abierto Trabajo de grado - Maestría
(Institución Universitaria ITM, 2025) Ortiz Santana, Paula Alejandra; Herrera Ramírez, Jorge Alexis; Botero Valencia, Juan Sebastian; paulaortiz282373@correo.itm.edu.co
Las cámaras térmicas se utilizan en aplicaciones industriales, médicas y científicas, gracias a su capacidad para registrar distribuciones espaciales de temperatura a partir de radiación infrarroja. Sin embargo, a pesar de su amplia aplicabilidad, estos sensores suelen tener un costo elevado y las referencias más económicas presentan limitaciones en cuanto a resolución espacial y precisión en las mediciones, lo que puede dificultar la detección de bordes y la identificación precisa de zonas de interés. En la literatura, los enfoques que han intentado mejorar estas limitaciones, utilizando técnicas como la interpolación, el filtrado o los modelos de aprendizaje automático, han mostrado avances. Sin embargo, muchos de estos métodos dependen de bases de datos no públicas o carecen de protocolos de adquisición, omitiendo las particularidades de los sensores, dejando un vacío en la confiabilidad práctica de los datos. Este documento propone que la combinación de adquisición multimodal controlada, técnicas de reducción de ruido y modelos de aprendizaje automático entrenados con datos propios puede mejorar tanto la resolución espacial como la precisión de las mediciones de temperatura. Para ello, se desarrolló un sistema que integra cámaras RGB y térmicas, un protocolo de adquisición en condiciones controladas y una base de datos etiquetada. Sobre esta base, se implementaron y evaluaron diferentes arquitecturas, como redes generativas adversarias, VAE y U-Net,evaluadas mediante métricas cuantitativas como PSNR y error medio de temperatura. Los resultados mostraron incrementos en el PSNR desde 17.43 dB hasta 20.45 dB en el modelo MR-CNN, y desde 18.93 dB hasta 28.13 dB en el modelo VAE. Adicionalmente, el error medio de temperatura se redujo de 1.380 °C a 0.781 °C, mientras que el error cuadrático medio (RMSE) disminuyó de 1.45 °C a 0.82 °C bajo condiciones controladas de adquisición, lo que confirma una mejora cuantitativa en la calidad estructural y en la precisión térmica de 4 las imágenes. Este trabajo se enmarca en el aprendizaje automático aplicado al procesamiento de imágenes dentro de sistemas multisensor de termografía infrarroja, con énfasis en la mejora de la resolución espacial bajo un protocolo de adquisición controlado
Slide 3 of 5 Ítem Acceso Abierto
(Instituto Tecnológico Metropolitano (ITM)) Gómez-Oliván, Leobardo Manuel
Slide 4 of 5 Ítem Acceso Abierto
(Instituto Tecnológico Metropolitano (ITM)) Travieso-González, Carlos M.
Slide 5 of 5 Ítem Acceso Abierto
(Instituto Tecnológico Metropolitano (ITM)) Rojas-Noguera, Elizabeth; Revelo-Sánchez, Oscar; Jiménez-Toledo, Javier Alejandro
