Introducción: Actualmente es importante racionalizar los recursos disponibles. En el transporte estos recursos son: tiempo, distancia y combustible. Una vía para garantizar soluciones de calidad en los problemas de transporte es la Inteligencia Artificial, a través de técnicas de optimización y el tratamiento de la incertidumbre.

Objetivos: Desarrollar soluciones para el problema de planificación de rutas de vehículos para ahorrar combustible en la entrega de bienes y proponer un modelo matemático difuso para el problema de planificación de rutas de autobuses escolares, ofreciendo a los decisores un nuevo conjunto de opciones.

Métodos: En la planificación de rutas vehículos la solución se basa en combinar los problemas p-mediana y agente viajero. Esta incluye el particionado de instancias y la aplicación de metaheurísticas. La incertidumbre en el problema de planificación de rutas de autobuses escolares se modela en las restricciones de máxima distancia a caminar y capacidad de los autobuses. Para su tratamiento se utiliza el enfoque paramétrico y una estrategia novedosa para la exploración de soluciones.

Resultados: Con la solución propuesta para la planificación de rutas de vehículos en el contexto de la tienda virtual TuEnvío se logran ahorros aproximados del 68 % en las distancias y tiempos de viaje. Con la aplicación del modelo difuso propuesto se ofrece a los decisores un conjunto más amplio de opciones y se evidencian ahorros de entre un 11 % y un 20 %.

Conclusiones: Los resultados obtenidos en la evaluación de ambas propuestas evidencian una disminución considerable en la distancia recorrida por las flotas de vehículos y consecuentemente en el uso del combustible y la contaminación ambiental.

Introducción: El uso de la cera de caña de azúcar refinada con fines biofarmacéuticos se materializó en Cuba a finales del pasado siglo XX. Después de un período de inactividad se comenzó un proceso de recuperación y actualización de la tecnología. En el nuevo contexto se hacía necesario aumentar la eficiencia de la planta, disminuir los índices de consumo y obtener un producto terminado acorde con las exigencias del cliente. Para esto se propuso como objetivos analizar la solubilidad de las fracciones aceite y cera presentes en la cera de caña de azúcar mediante la teoría de solubilidad de Hansen; estudiar los parámetros operacionales que inciden en las etapas de extracción de aceite y la separación cera/resina.

Métodos: Se empleó cera de caña de azúcar refinada y sin refinar, aceite y resina procedentes de la fábrica de refinación de cera de Majibacoa, Las Tunas. Se utilizaron métodos estadísticos para la optimización de resultados. La teoría de solubilidad de Hansen fue utilizada para explicar la afinidad existente entre las fracciones de cera de caña de azúcar y solventes. Se emplearon los programas Statgraphics Centurión 2017 y Hansen solubility parameter in practice para el análisis de los datos experimentales.

Introducción: En muchas aplicaciones se tiene que uno o varios decisores optimizan varias funciones objetivos. Los paradigmas que han descrito este tipo de situaciones han sido 3: los problemas de 2 niveles, en los cuales la mejor opción ha dependido de la decisión que han tomado otros agentes, simultáneamente o no; los problemas multiobjetivo con orden variable, aquellos en que un decisor ha tenido varios criterios de optimización combinados y la comparación entre 2 puntos dado por un cono que no varía y los problemas de optimización conjunto evaluada que corresponde al caso en que los valores de la función sean conjuntos. El objetivo de este trabajo fue presentar nuevas caracterizaciones de las soluciones de estos problemas y proponer algoritmos que hallen estos puntos. Métodos: Demostraciones matemáticas y experimentación numérica. Resultados y discusión: Caracterización de las soluciones del problema de múltiples líderes y seguidores disjuntos en el caso genérico. Propuesta de un algoritmo inexacto de gradiente proyectado para problemas multiobjetivo con orden variable, estudio de su convergencia. Generación de un conjunto de problemas prueba para modelos multiobjetivo con orden variable. Caracterización mediante una regla tipo Fermat de las soluciones de problemas de optimización conjunto evaluada. Propuesta de algoritmo de máximo descenso para problemas de optimización conjunto evaluada y estudio de su convergencia. Estimación del subdiferencial de Clarke para funciones marginales. En conclusión, al caracterizar las soluciones de los problemas tratados bajo hipótesis más suaves, se tuvo un mejor conocimiento de la estructura del conjunto solución. Este hecho fue vital para la solución numérica de dichos modelos. Los algoritmos ya propuestos en este trabajo han arrojado resultados que en muchos casos han superado los conocidos en la literatura al requerir un menor número de operaciones y alcanzar soluciones de buena calidad. Su convergencia fue analizada también teóricamente, lográndose bajo hipótesis no muy restrictiva.

Introducción. La presente investigación se enmarca en la introducción de nuevos métodos computacionales de optimización matemática para el estudio de problemas de estimación de múltiples indicadores. Métodos. Se incluyen un grupo de propuestas de algoritmos de aprendizaje, modelados eficientemente por medio de métodos de optimización ajustados a cada problema y sus aplicaciones en la predicción de múltiples indicadores. Se resuelve eficientemente la introducción de regularizadores apropiados para el entrenamiento simultáneo de varias estructuras de aprendizajes de bajo rango y el aprendizaje de funciones de distancias. Resultados y Discusión. Se comprobó experimentalmente, sobre 18 conjuntos de datos disponibles. Los resultados muestran superioridad de la propuesta respecto a los algoritmos del estado del arte MSLR y MMR en tanto los tiempos de ejecución son significativamente menores. Los algoritmos meta-heurísticos basados en métodos de continuación propuestos en el presente trabajo obtienen un menor valor del error de generalización y error de entrenamiento, con diferencia estadísticamente significativa, respecto al algoritmo gradiente descendente estocástico en el entrenamiento de redes neuronales artificiales. Los resultados de introducir el algoritmo DMLMTP demuestran una mejora significativa respecto al algoritmo base KNN-SP propuesto previamente como parte del aprendizaje basado en instancias. Conclusiones, se proponen modernos métodos de optimización matemáticas para la solución de problemas de predicción de múltiples indicadores, posiblemente correlacionados los cuales mejoran los resultados de exactitud del estado del arte en tanto su diseño denota una elevada eficiencia. Se logran aplicaciones concretas en la estimación de la aparición a corto y largo plazo de COVID-19 que validan la investigación.

El objetivo de este trabajo ha sido desarrollar modelos, algoritmos y programas computacionales para la optimización de la calidad de la energía en sistemas eléctricos de distribución primaria. Los resultados alcanzados poseen un alto valor científico y aplicabilidad práctica en las redes eléctricas cubanas de distribución de media tensión. Estos resultados han sido obtenidos en las direcciones científico-técnicas: balance de fases en redes de distribución de media tensión; algoritmo de inclusión e intercambio de variables para la ubicación de capacitores, y compensación de la potencia reactiva y los armónicos con capacitores y filtros pasivos de armónicos. Todos estos problemas son coherentes con el incremento de la calidad de la energía en estas redes eléctricas, así como con el ahorro de energía en ellas. Los resultados obtenidos son modelos y métodos computacionales que poseen una alta novedad científica, avalada por la publicación de 7 artículos en revistas de la corriente principal de la ciencia y 6 artículos en revistas de reconocimiento internacional, así como la presentación de 7 trabajos en eventos internacionales de alto nivel en Cuba y el extranjero. Estos resultados poseen además un probado valor práctico, expresado en 9 premios, de ellos 3 CITMA y 3 del Fórum de Ciencia y Técnica, así como 5 avales de aplicación de estos trabajos en la Unión Nacional Eléctrica (UNE). En el marco de esta investigación han sido defendidos una tesis de maestría y 8 trabajos de diploma.

Introducción: La inteligencia artificial es un componente básico de la llamada Industria 4.0, por lo que su introducción en los procesos tecnológicos constituye una contribución significativa a su acercamiento a este paradigma. El presente trabajo tiene como objetivo desarrollar y validar un grupo de tecnologías basadas en herramientas de computación blanda aplicadas a procesos de fabricación mecánica, con el propósito de acercarlos al paradigma de Industria 4.0.

Métodos: Dentro de las herramientas desarrolladas, puestas a punto y aplicadas, se incluyeron tanto técnicas de aprendizaje automático, tales como las redes neuronales artificiales, los sistemas borrosos y el aprendizaje profundo para tareas de modelado y detección de patrones, como de metaheurísticas inspiradas en la naturaleza para optimización. Las aplicaciones han estado dirigidas a procesos de fabricación, tales como la soldadura, el maquinado y el micromaquinado, resolviendo problemas como la detención de fallos, el control de calidad y la optimización de procesos en función de su sostenibilidad.