1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Veracruz
4. Instituto Tecnológico de Orizaba
5. Tesis de Posgrado
6. Tesis de doctorado
7. Doctorado en Ciencias de la Ingeniería

Titre:	SISTEMA INTELIGENTE BASADO EN INDUSTRIA 4.0 PARA MEJORAR LA GESTION DE CONOCIMIENTO DENTRO DE LA LOGISTICA DE SALUD PUBLICA
Auteur(s):	DEL MORAL ARGUMEDO, MARCO+J.
metadata.dc.subject.other:	Industria 4.0, Sistemas de Información en Salud, Gestión de conocimiento, Logística de Sanidad Pública
Date de publication:	2024-11-22
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Orizaba
Description:	La gestión del conocimiento dentro de las cadenas logísticas de salud es crucial, ya que permite a los tomadores de decisiones convertir los datos generados en abstracciones, métodos y soluciones capaces de salvar vidas. Los Sistemas de Información en Salud captan estos datos y los almacenan de forma estructurada para su posterior consulta y operación. Sin embargo, estos sistemas son incapaces por sí solos de extraer conocimiento. Por ello, al combinarlos con los componentes de la Industria 4.0, se pueden convertir en auténticos Sistemas Inteligentes que, de manera dinámica, descubren patrones de comportamiento y proponen soluciones. El presente trabajo es relevante porque define un Sistema Inteligente específico capaz de procesar datos de las cadenas logísticas de salud, integrando distintos algoritmos y técnicas computacionales. Se logró operar con datos médicos, climatológicos, demográficos y geoespaciales, integrándolos con algoritmos novedosos. Esto permite que el Sistema encapsule todo el proceso y refine datos en información, conocimiento y finalmente sabiduría. Se analizaron tres casos de estudio distintos para modelar el flujo de datos dentro de la cadena logística y derivar el desarrollo del sistema. El primer caso conceptualizó una herramienta que coordinó distintos tipos de algoritmos para la administración del inventario médico y utilizó esta información para determinar el comportamiento del COVID-19 en una ciudad. El segundo caso de estudio usó algoritmos de Aprendizaje Profundo, uno de los más importantes dentro del paradigma de Industria 4.0, para extraer conocimiento de imágenes citológicas y segmentar células individuales en sus componentes. El tercer caso de estudio modeló el comportamiento de la fiebre del dengue a distintas resoluciones espaciales y temporales. Este modelado permitió encontrar fuentes de datos externas para apoyar la toma de decisiones epidemiológicas. Por último, los resultados de estos análisis fueron integrados en un prototipo del Sistema Inteligente de Información en Salud capaz de conjugar distintas fuentes de datos y operarlas dentro de la cadena logística de salud.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Collection(s) :	Doctorado en Ciencias de la Ingeniería

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons