Trabajos finales de carrera de grado

Permanent URI for this collectionhttps://rad.ort.edu.uy/handle/20.500.11968/2713

Estos trabajos de fin de carrera son obras producidas por estudiantes, que se originan en los procesos formativos de la universidad.

Tienen propósitos culturales y educativos. No son productos comerciales y su difusión pública no está autorizada.

Now showing 1 - 20 of 689

Sistema de control automatizado para desverdización de piña Gold
(Universidad ORT Uruguay, 2023) Lisa Maeso, Sofía María de; Tognazzolo Rodriguez, Martin Nicolás; Cohn Noachas, Ilan; Fonseca De Oliveira, André Luiz; Misail Saban, Claudio Israel; Espíndola González, Emiliano
El objetivo principal de este proyecto fue crear un prototipo de atmósfera controlada donde se puedan monitorear y manipular los valores de oxígeno, dióxido de carbono, etileno, temperatura y humedad. El fin de tener este ambiente controlado es desarrollar un proceso de desverdizado para la piña “Gold” (fruta). Estas variables juegan un papel crucial en dicho proceso, ya que determinan la velocidad y uniformidad del cambio de color de la capa externa de dicha fruta. Como todo proceso de desverdizado, se busca lograr cambiar el color verde de la capa externa por un color amarillo/naranja. El desarrollo de este prototipo permite a la empresa poder experimentar para encontrar la secuencia óptima de desverdizado y luego evaluar si realmente se puede extrapolar esta solución a una mayor escala. Se logró realizar un diseño, desarrollo e implementación que logra cumplir con todas las características necesarias. Es decir, controlar temperatura, humedad, oxigeno, dióxido de carbono y etileno según las estipulaciones establecidas por el cliente.
Vehículos Eléctricos Conectados
(Univerisdad ORT Uruguay, 2025) Busquets Bentancur, Pilar; Ortiz De Taranco Lane, Ignacio; Valdés Yerman, Nicolas; Cremona Neme, Alejandro Nicolás; Misail Saban, Claudio Israel; Fonseca De Oliveira, André
El siguiente proyecto se centra en el análisis de la vida útil de vehículos eléctricos con el objetivo de examinar el estado de salud de las baterías y determinar los factores claves de su degradación. Para realizar esto, fue necesario decodificar una serie de parámetros directamente de la comunicación de vehículos y acondicionar un dispositivo que recopile estos datos en una plataforma web. Una vez obtenidos esos datos, se desarrollaron diversos modelos predictivos con herramientas de aprendizaje automático para poder determinar las variables clave en la degradación. En este trabajo se investigó sobre las normativas que regulan a los vehículos eléctricos a nivel nacional e internacional. Se estudió a nivel físico cómo el vehículo maneja las comunicaciones internamente mediante softwares especializados. Se analizaron dos modelos eléctricos diferentes: un auto y un camión eléctrico, con el fin de comprender las diferencias entre ellos y la manera en la que sus baterías se degradan. Esto fue posible gracias a la colaboración de J. C. L. que puso a disposición del proyecto ambos ejemplares y a la empresa Smartway que brindó las herramientas y experiencia. Sin ellos no hubiera sido posible la instalación de un dispositivo IoT que reporte las tramas CAN decodificadas del vehículo para su análisis. Además, se presentan los análisis realizados a los datos reales del vehículo y la creación de modelos que predigan el estado de salud variando los datos de entrenamiento, los parámetros de entrada, la arquitectura del modelo y la función de costo asociada. Sumado a eso, se realiza un análisis explicativo y un análisis de correlaciones para encontrar las causas de la degradación de las baterías.
Servicio de transmisión de videos personalizados
(Universidad ORT Uruguay, 2025) Casco Pintos, Carlos Alberto; Espino Castro, Lucio Gaspar; Scaffo Caprario, Juan Ignacio; Friss de Kereki, Ismael Carlos; Espíndola González, Emiliano; Sáez Schwedt, Diego
El siguiente proyecto desarrolla un servicio backend para generar videos personalizados mediante la concatenación dinámica de segmentos preexistentes. A través de este servicio se optimiza la distribución de contenido audiovisual frente a métodos tradicionales que requieren almacenar múltiples versiones completas de un video. Esta solución combina segmentos según parámetros definidos por el usuario evitando la recodificación completa y reduciendo significativamente el almacenamiento y el tiempo de procesamiento. El servicio creado utiliza tecnologías como H.264 para video, AAC para audio y para transmisión MPEG2-TS. Incluye un servidor de preprocesamiento para generar listas M3U8 y archivos SMIL creado con Express.js, un Cloudflare Worker para ajustar segmentos en tiempo real, y un servidor de almacenamiento creado con Python Simple HTTP Server. Se abordaron desafíos como la sincronización de audio y video, desarrollando herramientas para modificar timestamps (PTS/DTS). La comparación con el proceso tradicional muestra mejoras del 54 % en el almacenamiento y hasta 83 % en procesamiento y velocidad de respuesta, se destaca en casos de uso como la censura de contenido, localización y publicidad dinámica. Este servicio permite crear millones de variantes de video sin necesidad de almacenarlas individualmente.
Modelado y optimización de un electrolizador en una red eléctrica de distribución
(Universidad ORT URuguay, 2025) Báez Cladera, María Victoria; Curbelo Guerra, Marcos Jerónimo; Pulido da Silva, Giuliana Inés; Campon De Dieu, Leonardo Fermin; Briglia Pica, Enrique Alfredo; María José González Miem; Alaggia Rodino, Sebastián
El siguiente proyecto presenta la incorporación de electrolizadores en redes eléctricas a partir de mecanismos de optimización puede contribuir a la gestión eficiente de la energía y a la producción de hidrógeno verde. En este trabajo, se presenta una metodología para la integración óptima de un electrolizador en una red eléctrica, considerando su impacto técnico y económico. Para ello, se desarrolló un modelo matemático del electrolizador, el cual fue programado y resuelto mediante COMODIN, un flujo de carga óptimo para redes de distribución basado en optimización convexa. A través de simulaciones, se evaluó el comportamiento tanto de la red como del electrolizador en distintas condiciones operativas. Los resultados demostraron la factibilidad del desarrollo y permitieron analizar el impacto de la integración de una batería en el sistema, lo que aportó una perspectiva técnica-económica interesante en cuanto a su localización y política de despacho. Los hallazgos de este estudio pueden contribuir al desarrollo de estrategias eficientes para la incorporación de electrolizadores en redes eléctricas.
SIGIBREM
(Universidad ORT Uruguay, 2025) Alonso Fuentes, Federico Nicolás; Palma Díaz, Cristian de Jesús; Gallego Rodríguez, Ramiro; Abalos Cambre, Horacio Mathias; Russo Ibañez, Juan Pablo; Macchi Heins, Darío Alejandro; Matalonga Motta, Santiago
El MRCC (Maritime Rescue Coordination Center) de la Armada Nacional del Uruguay coordina operaciones de búsqueda y rescate (SAR) en un área de 1.770.000 km² del Atlántico sudoccidental. Hasta ahora, la gestión de incidentes se realizaba mediante procesos manuales, registros en papel, planillas de Excel y cartas náuticas impresas, lo que generaba sobrecarga cognitiva y posibles demoras en contextos críticos. Para solucionar esta problemática se desarrolló el Sistema de Gestión de Incidentes de Búsqueda y Rescate en el Mar (SIGIBREM), una plataforma web que centraliza y automatiza las tareas del MRCC, mejorando la eficiencia operativa. El sistema está construido con Next.js, PostgreSQL y Redis, integrando datos meteorológicos en tiempo real, automatizando el cálculo del área probable de búsqueda y permite la gestión visual de recursos mediante un mapa interactivo basado en Leaflet. Su desarrollo siguió el enfoque "dual track agile", combinando un flujo centrado en comprender necesidades mediante técnicas de design thinking y otro de "delivery", orientado a la implementación con una adaptación del marco Scrum. La validación del SIGIBREM incluyó pruebas de usabilidad, encuestas y evaluaciones con expertos SAR. Se corrigieron 34 de los 44 incidentes reportados, y en la última iteración solo se detectaron problemas menores. Además, se optimizó el rendimiento técnico reduciendo la carga computacional. En pruebas simuladas, los usuarios calificaron satisfactoriamente al sistema, destacando la disminución de la carga manual y la mejora sustancial en la eficiencia operativa del MRCC.
InteractIA
(Universidad ORT Uruguay, 2025) Barrabino Scherschener, Manuel; Mila Sosa, Karim; Necasek Peluffo, Juan Pablo; Topolansky Rugo, Hernán Enrique; Fierro Di Lorenzo, Nicolás Braulio; Rossa Hauck, Jean Carlo; Lasarte Borreani, Mariana Lourdes
Este trabajo desarrolla InteractIA, un agente telefónico basado en inteligencia artificial diseñado para automatizar la atención al cliente en farmacias mediante voz. El sistema se basa en modelos avanzados de procesamiento de lenguaje natural (NLP) e inteligencia artificial conversacional, permitiendo a los clientes realizar consultas sobre precios, stock y horarios, así como gestionar pedidos sin intervención humana. InteractIA se integra en tiempo real con los sistemas internos de la farmacia, garantizando respuestas precisas y actualizadas. Además, en situaciones que requieran asistencia humana, el agente puede redirigir la llamada a un operador. El desarrollo de InteractIA siguió una metodología ágil basada en Lean Startup y Kanban, permitiendo validar hipótesis con usuarios reales y ajustar el producto iterativamente. A través de pruebas con farmacias, se identificaron y optimizaron las funcionalidades más valoradas, como la automatización de pedidos y la consulta de información en tiempo real. El modelo de negocio de InteractIA adopta un esquema de pago por uso, asegurando accesibilidad y escalabilidad para farmacias de distintos tamaños. Con esta solución, se busca reducir costos operativos, mejorar la experiencia del cliente y optimizar la eficiencia en la atención telefónica en farmacias.
Generador de parsers en Scala para BNFC
(Universidad ORT Uruguay, 2025) Poittevin Santana, Juan Pablo; Poladura Pignata, Fernando Guillermo; Tasistro Souto, Álvaro Daniel; Calegari García, Daniel; Lifschitz, Sergio
El siguiente proyecto presenta la creación de un generador de analizadores sintácticos (parser generator) en Scala (Scalable language). Se basa en un proyecto ya existente llamado BNFC (Backus Naur Form Converter), que consiste en analizadores sintácticos en otros lenguajes como Haskell, Java y C, entre otros. El Parser es el componente que se encarga de llevar a cabo el análisis sintáctico, segundo paso dentro de las etapas de BNFC genera un Abstract Syntax Tree (AST) de cada lenguaje, por esto se buscó desarrollar lexer generator, parser generator y un AST. Para generar un Parser, se debió comenzar desde una gramática, la cual puede ser escrita de distintas formas, en este caso en LBNF (Labelled BNF). El objetivo fue tomar una gramática en LBNF y generar automáticamente un parser de dicha gramática, en Scala. Como solución, se diseñó e implementó un nuevo módulo (como una carpeta más de backends dentro de la estructura del proyecto) para BNFC en Scala, extendiendo así la funcionalidad existente del mismo. Este módulo permite tomar especificaciones gramaticales escritas en LBNF, y generar automáticamente AST, lexer, y parser en código Scala funcional.
Diseño de una estrategia de gestión del conocimiento en una empresa de software
(Universidad ORT Uruguay, 2025) Somma Esteves, Agustina; Valente Bonino, Viviana; Matturro Mazoni, Gerardo; Garbarino Alberti, Helena; Lifschitz, Sergio
El siguiente proyecto analiza la problemática de la centralización del conocimiento en una empresa de desarrollo de software que, tras un rápido crecimiento, pasó de 2500 a más de 5000 clientes. Mediante la metodología de investigación-acción, se implementaron técnicas de gestión del conocimiento en tres iteraciones con el objetivo de reducir los cuellos de botella derivados de la concentración de experiencia técnica en pocos colaboradores. En la primera fase se elaboró un mapa de conocimiento que identificó los módulos del sistema y sus referentes, evidenciando una alta dependencia de ciertas personas clave. La segunda iteración refinó dicho mapa, priorizando los módulos de mayor impacto y asignando responsables específicos para comenzar a descentralizar el conocimiento. En la tercera, se instauró un programa sistemático de capacitaciones orientado a fortalecer el rol de los nuevos referentes y garantizar la transferencia efectiva del conocimiento. Asimismo, se adaptó la metodología SCRUM para integrar a los equipos de soporte e implementación en los procesos de comunicación y aprendizaje organizacional. Los resultados mostraron una mejora notable en la distribución del conocimiento técnico y funcional, mayor autonomía operativa, mejor documentación y la consolidación de procesos sostenibles para la gestión del conocimiento. En síntesis, el estudio demuestra que la aplicación planificada de estrategias de gestión del conocimiento puede transformar la dinámica interna de las organizaciones de software, favoreciendo su crecimiento sostenible y fortaleciendo tanto la calidad del servicio como la satisfacción y cohesión del equipo de trabajo.
Efficient probabilistic model learning techniques for application to the verification of Large Language Models
(Universidad ORT Uruguay, 2025) Kidd Schenck, Johny Daniel; Fabián Yovine, Sergio; Braberman, Victor Adrian; Asarin, Eugene
En esta tesis se propone un enfoque para la verificación formal de Grandes Modelos de Lenguaje (LLMs, por sus siglas en inglés) mediante la extracción de modelos probabilísticos, específicamente autómatas probabilísticos (PDFAs), que permitan representar de manera aproximada la distribución generada por el LLM. Se utiliza una estrategia de aprendizaje activo inspirada en el marco MAT (Minimally Adequate Teacher), garantizando propiedades de corrección probablemente aproximada (PAC). Posteriormente, el modelo extraído se traduce a estructuras de verificación (por ejemplo, cadenas de Markov de tiempo discreto) con el fin de emplear herramientas de model checking (e.g., PRISM) para verificar propiedades temporales en lógicas como PCTL. Así, se logra un flujo sistemático que integra la extracción de modelos desde un LLM bajo restricciones definidas por autómatas guía, la formalización de propiedades deseadas y la aplicación de técnicas de verificación exhaustiva. Se presentan resultados experimentales que evidencian la factibilidad del método y su aplicabilidad a escenarios concretos, junto con desafíos referentes a la complejidad de las consultas al LLM y a la necesidad de optimizaciones para el aprendizaje de autómatas.
Evaluación de herramientas de Robotic Process Automation (RPA)
(Universidad ORT Uruguay, 2025) Gerolami Elgarte, Emilio; Giaccio Piaggio, Romina; Calegari García, Daniel; Matturro Mazoni, Gerardo; Olsina Santos, Luis Antonio
La Automatización Robótica de Procesos (RPA) permite construir, ejecutar y gestionar “robots” capaces de emular las acciones humanas en sistemas de información, facilitando desde la interpretación de contenidos hasta la realización de complejas acciones lógicas en distintos sistemas. Ante la amplia diversidad de herramientas RPA disponibles, resulta fundamental contar con una evaluación detallada de sus capacidades en función del entorno organizacional. Este proyecto tiene como objetivo principal adaptar una metodología de evaluación previamente desarrollada para sistemas de gestión de procesos de negocio (BPMS) a la evaluación de herramientas RPA. Para ello, se plantea: un relevamiento exhaustivo de herramientas RPA y sus características, una comparación entre la metodología existente y otras metodologías de evaluación de RPA, la adaptación de dicha metodología, y la aplicación de la metodología actualizada en una selección representativa de herramientas RPA. Este trabajo contribuye a la sistematización en la evaluación y selección de herramientas RPA, facilitando la toma de decisiones informadas.
Fenotipado digital
(Universidad ORT Uruguay, 2025) Gonzalez Latierro, Santiago; Kinosian Pusgulian, Jorge Marcel; Matturro Mazoni, Gerardo; Adorjan Olivera, Alejandro Jeremías; Lifschitz, Sergio
El siguiente proyecto aborda el concepto de fenotipado digital y su aplicación en el ámbito de la salud mental, sustentada en la noción de “fenotipo extendido” y en la convergencia entre la psicoinformática y el análisis de datos. A través del uso de dispositivos móviles y técnicas de monitoreo pasivo, se explora cómo la recolección continua de información permite obtener una visión más precisa de la conducta y el estado de salud de las personas. El objetivo principal fue analizar los fundamentos teóricos y la evolución del fenotipado digital, así como su potencial en la detección y seguimiento de trastornos mentales. Además, se desarrolló un prototipo funcional que integra los conceptos teóricos mediante una aplicación móvil y un backend capaces de recolectar datos de distintos sensores (GPS, luz ambiental, bloqueo y desbloqueo del dispositivo). La revisión bibliográfica incluyó aspectos éticos como la privacidad, el consentimiento informado y los modelos de arquitectura de captura de datos. Los resultados demostraron la viabilidad técnica del enfoque y evidenciaron patrones conductuales relacionados con la movilidad, el descanso y la interacción social, relevantes para el monitoreo de síntomas. El trabajo concluye que el fenotipado digital constituye una herramienta prometedora para mejorar la evaluación, prevención e intervención en salud mental, al posibilitar el uso de datos en tiempo real para anticipar recaídas y promover intervenciones oportunas. Sin embargo, se subraya la necesidad de fortalecer los principios éticos, la seguridad y la protección de datos para garantizar un uso responsable de estas tecnologías.
Rate of Change (ROC) para minería de procesos
(Universidad ORT Uruguay, 2025) Di Marco Luketich, Chiara; Calegari García, Daniel; Hochsztain Kunin, Esther Jeanette; Lifschitz, Sergio
La Minería de Procesos es una disciplina que permite analizar logs de eventos para entender y mejorar procesos de negocios. Este trabajo explora la aplicación del Rate of Change (ROC) como métrica para dicho análisis. El objetivo principal es evaluar si el ROC, tradicionalmente utilizado en otras disciplinas como física y finanzas, es capaz de aportar una nueva perspectiva inexplorada anteriormente. Para esto, se estudió el concepto de ROC en varias disciplinas y se definió la forma de aplicarse en el marco de la Minería de Procesos. Además, se desarrolló una librería en Python capaz de calcular el ROC sobre logs de eventos, tomando en cuenta distintas restricciones y precondiciones que aseguren la consistencia de los resultados. La herramienta permite aplicar el cálculo tanto a una única traza como a múltiples trazas de un proceso. Se aplicó la idea utilizando casos de estudio disponibles en la comunidad. Los resultados obtenidos muestran que el ROC puede facilitar la detección de tendencias, anomalías y variaciones en atributos clave del proceso. Sin embargo, aún no se ha podido verificar completamente el valor práctico de esta métrica en el contexto de la Minería de Procesos, por lo que se requiere un estudio más exhaustivo que valide su utilidad en escenarios reales y con datasets más variados.
Clavala
(Universidad ORT Uruguay, 2025) Martínez Ventura, Agustina Daniela; Praderio Cladera, Martina; Rago Yorio, Martina; Fornaro Rosado, Carlos Nicolás; Garbervetsky, Diego David; Urroz Marizcurrena, Matías
El siguiente proyecto presenta Clavala, una aplicación digital que busca conectar a jugadores y reclutadores de manera ágil y accesible. A través de una plataforma intuitiva, los futbolistas pueden compartir videos de su desempeño, construir su perfil profesional y aumentar su visibilidad, mientras que los reclutadores pueden descubrir, organizar y evaluar talentos de forma eficiente, optimizando el proceso de “scouting”. El proyecto, de enfoque emprendedor, abordó aspectos estratégicos como la construcción de marca, la definición del modelo de negocio y la elección del nombre. Para garantizar que la solución respondiera a una necesidad real, se aplicó una metodología de Product Discovery, con un enfoque iterativo y centrado en el usuario. Se realizaron entrevistas con jugadores y reclutadores, además de pruebas de usabilidad con prototipos, lo que permitió ajustar funcionalidades clave, mejorar la experiencia de navegación y asegurar una adopción efectiva del producto. Desde el punto de vista técnico, se priorizó el equilibrio entre simplicidad y escalabilidad, empleando una arquitectura basada en atributos de calidad y tecnologías confiables. El resultado fue una plataforma funcional y robusta que no solo responde a una necesidad concreta del ecosistema futbolístico, sino que también refleja el crecimiento profesional del equipo desarrollador y su capacidad para crear soluciones tecnológicas innovadoras.
Conversational MLOps
(Universidad ORT Uruguay, 2025) Marquez Lazcano, Joaquín; Rosa Delgado, Alan Nicolás; Rossi, Francisco; Schoenig Zeballos, Martín; Quintana Alpuin, Gerardo Franklin; Rossa Hauck, Jean Carlo; Hernández Guimarans, Pablo
El siguiente proyecto presenta ConvMLOps, un asistente conversacional impulsado por inteligencia artificial generativa, diseñado para simplificar la configuración y el despliegue de modelos de aprendizaje automático en la nube. La solución busca reducir la complejidad del enfoque tradicional de MLOps (Operaciones de Aprendizaje Automático), ofreciendo un entorno más accesible para equipos con experiencia limitada en infraestructura. ConvMLOps utiliza modelos de lenguaje avanzados (LLMs) para recomendar arquitecturas, generar plantillas de infraestructura como código (IaC) y representarlas mediante diagramas visuales. El sistema se desarrolló sobre Amazon Web Services (AWS), utilizando SageMaker para la inferencia del modelo y Elastic Beanstalk para el despliegue escalable. El proyecto se llevó a cabo en dos fases principales: investigación y desarrollo. En la primera, se analizaron herramientas existentes y se definieron los requisitos del sistema; en la segunda, se implementaron las funcionalidades mediante un enfoque ágil con validaciones de expertos. Los resultados demuestran que ConvMLOps reduce la complejidad operativa, mejora la eficiencia en el despliegue y disminuye los costos asociados a la gestión de infraestructura. Asimismo, confirma el potencial de la inteligencia artificial conversacional para automatizar tareas repetitivas dentro de MLOps. Como proyección futura, se plantea ampliar la compatibilidad del asistente con distintos frameworks de ML y optimizar su desempeño en diferentes proveedores de nube.
Momentum
(Universidad ORT Uruguay, 2025) López Pérez, Lucas Uriel; Macedo Duarte, Fiorella; Montero Crespo, Sofía Maia; Torres Aramburu, Nicolás Sebastián; Ferrari Fugardo, Bruno Nicolás; Rossa Hauck, Jean Carlo; Valle Dubé, Ignacio
El siguiente proyecto describe el desarrollo de Momentum, un sistema de planificación de recursos empresariales diseñado para pequeñas y medianas empresas. El problema identificado radica en la falta de herramientas de gestión accesibles y eficientes para pequeños negocios. Para abordar esta problemática, se llevó a cabo un análisis del contexto y de los requisitos del cliente, seguido de un proceso de desarrollo basado en metodologías ágiles. El sistema desarrollado ofrece funcionalidades como gestión de inventario, seguimiento de clientes y reportes financieros. Su arquitectura se implementó con tecnologías web modernas, garantizando modificabilidad y facilidad de uso. Se aplicaron estrategias de integración continua y aseguramiento de calidad mediante revisiones de código, pruebas manuales y automatizadas. Momentum se concibió como un Producto Mínimo Viable (MVP) funcional, permitiendo a las pequeñas empresas beneficiarse de inmediato mientras el sistema evoluciona y se adapta a sus necesidades. Este enfoque responde a la demanda de soluciones que aporten valor tangible en el corto plazo sin limitar su crecimiento a futuro. En conjunto, estas características convierten a Momentum en una alternativa eficiente, escalable y accesible para la administración de pequeñas empresas en un mercado en constante transformación.
Premia
(Universidad ORT Uruguay, 2025) Neri Alvarez, Benjamín; Hanna Borgato, Farid Omar; Hirschfeld Cababie, Karen; Saravia Ostapchenco, Mateo; Hernández Guimarans, Pablo; Braberman, Victor Adrian; Nieves Lema, Ruben Carlos
El siguiente proyecto presenta Premia, una plataforma digital de fidelización de clientes que permite a los comercios ofrecer beneficios personalizados, como cupones de descuento, cuponeras de fidelidad, regalos con compra y descuentos por cantidad. Su objetivo es fortalecer la relación entre comercios y consumidores mediante una experiencia integrada, donde ambas partes obtienen ventajas tangibles. El desarrollo de Premia se llevó a cabo mediante un enfoque iterativo, aplicando metodologías ágiles como Design Thinking y Scrum para la identificación de requerimientos, el diseño de prototipos y la validación continua con usuarios. A través de entrevistas y pruebas con comercios y clientes, se logró garantizar que la plataforma respondiera de manera efectiva a las necesidades reales de su público objetivo. El sistema está conformado por tres aplicaciones principales: una para comercios, otra para clientes y una de administración. La aplicación para comercios permite gestionar beneficios, campañas y métricas de uso; la de clientes ofrece una interfaz intuitiva para descubrir, guardar y canjear beneficios, así como seguir comercios y recibir notificaciones; y la de administración facilita la gestión general de comercios y eventos.
Generación de reportes por IA DaMap
(Universidad ORT Uruguay, 2025) Eyheralde Vidart, Alfredo; Gulla Perez, Martín Federico; Barreto Ladereche, Sofía; Macchi Heins, Darío Alejandro; Garbervetsky, Diego David; Nieves Lema, Ruben Carlos
La empresa cliente es una ofrece una plataforma SaaS (Software como Servicio) destinada a simplificar y automatizar las conciliaciones financieras de las organizaciones. Entre sus funcionalidades, incluye un módulo de reportes personalizados que permite a los clientes acceder a información detallada sobre sus conciliaciones. Sin embargo, el rápido crecimiento de la empresa generó una alta demanda de reportes, lo que evidenció la necesidad de automatizar la creación de consultas SQL, hasta entonces elaboradas manualmente por el equipo técnico. En respuesta a esta problemática, este proyecto desarrolló SQLGen, un producto diseñado para generar consultas SQL de forma automática a partir de un esquema de base de datos y una solicitud en lenguaje natural, utilizando modelos de inteligencia artificial. El proyecto incluyó una fase inicial de investigación en la que se evaluaron distintos modelos según su precisión, eficiencia y costos de uso, con el objetivo de seleccionar la alternativa más adecuada a las necesidades del cliente. Tras la selección del modelo óptimo, se avanzó en la fase de implementación y construcción del sistema final, compuesto por una aplicación web desarrollada en React conectada a un backend en Node.js, y un módulo en Python encargado de interactuar con GPT y Vertex AI para generar dinámicamente las consultas SQL. Además, el diseño modular permite utilizar el generador de consultas de manera independiente a través de una API, sin necesidad de acceder al frontend. SQLGen representa así una solución innovadora que optimiza el flujo de trabajo y mejora la eficiencia operativa de DaMap.
Faculty-Hub
(Universidad ORT Uruguay, 2025) Appel Zlotejablko, Denise; Wilchinski Hirschfeld, Andrés; Blanco Veiga, Federica Victoria; Macchi Heins, Darío Alejandro; Garbervetsky, Diego David; Saavedra González, María Jimena
El siguiente proyecto desarrolló Faculty-Hub, una plataforma web en la nube destinada a optimizar y centralizar la planificación académica. La solución busca reducir la carga administrativa y mejorar la gestión de semestres, materias, dictados y docentes, mediante herramientas que facilitan la toma de decisiones y minimizan errores. El sistema está compuesto por una aplicación web responsiva desarrollada en React con TypeScript, un backend en Node.js y un módulo de asignación docente implementado en Python. Ambos componentes están desplegados en Amazon Web Services (AWS), garantizando escalabilidad, disponibilidad y eficiencia. Faculty-Hub representa un avance significativo en la gestión académica, optimizando procesos y mejorando la experiencia de coordinadores y docentes.
Ecopuntos
(Universidad ORT Uruguay, 2025) Bruzzone Hackenbruch, Franca; Gil Persivale, Germán; Feder Szafir, Mariel; Rossa Hauck, Jean Carlo; Lasarte Borreani, Mariana Lourdes
Ecopuntos es un proyecto orientado a promover la movilidad sostenible y reducir las emisiones de gases de efecto invernadero en el transporte. Su objetivo principal es incentivar a los usuarios a optar por medios de transporte con menor impacto ambiental, otorgando puntos en función de la distancia recorrida y del factor de emisión asociado a cada medio utilizado. La plataforma se presenta como una aplicación web progresiva (PWA), lo que permite su uso directo desde el navegador, sin instalación y en distintos dispositivos móviles. Mediante el uso de datos de geolocalización por GPS y un algoritmo propio, Ecopuntos calcula automáticamente las emisiones de dióxido de carbono (CO₂) generadas por los desplazamientos, identificando el tipo de transporte empleado. A su vez, recompensa a los usuarios con puntos canjeables por productos y servicios ofrecidos por empresas asociadas dentro de la aplicación, generando así un sistema de beneficios que promueve hábitos de movilidad más sostenibles. El proyecto también incorpora herramientas para las empresas participantes, que pueden acceder a reportes detallados en formato Excel sobre los desplazamientos de sus empleados y viajes de negocio. Esta funcionalidad facilita el cumplimiento de normativas ambientales, como la ISO 14064-1, y refuerza el compromiso empresarial con la sostenibilidad. Ecopuntos se alinea con los Objetivos de Desarrollo Sostenible (ODS) de la ONU, especialmente con el ODS 13: Acción por el Clima, al incentivar la reducción de emisiones de CO₂. Actualmente, se encuentra en fase beta, en pruebas con un grupo controlado de usuarios, con perspectivas de expansión e impacto ambiental positivo.
Edifix
(Universidad ORT Uruguay, 2025) Barate De León, Nicolás; Caubarrere Bouzout, Santiago; Curbelo Volonté, Juan Martín; Lewi Ache, Marcel; Quagliata Deangelillo, Bruno Pascual; Scafarelli Tiscornia, Leonardo Pablo; Rossa Hauck, Jean Carlo; Hernández Guimarans, Pablo
El siguiente proyecto presenta Edifix, un emprendimiento orientado a optimizar la gestión de edificios mediante una plataforma web centralizada que facilita la automatización de procesos administrativos. Su objetivo es mejorar la eficiencia en tareas como la gestión de facturas, conciliaciones bancarias y gastos comunes, reduciendo tiempos operativos y modernizando las prácticas tradicionales del sector. El proyecto nació a partir de la necesidad expresada por una administración de edificios que requería una herramienta tecnológica para gestionar su labor diaria, lo que llevó al equipo a investigar las problemáticas del rubro y desarrollar una solución adaptable a diferentes administraciones. El desarrollo del sistema incluyó todas las etapas del ciclo de vida del software: definición, diseño, construcción y despliegue a producción. Se realizó un trabajo exhaustivo de ingeniería de requerimientos junto al cliente, identificando necesidades funcionales y no funcionales, a partir de las cuales se diseñó una arquitectura sólida y escalable. Se implementaron planes de gestión de proyecto, calidad y pruebas, aplicados durante todo el proceso para garantizar la correcta implementación y el cumplimiento de los objetivos. Edifix cuenta con un backend desarrollado en NestJS, un frontend en NextJS y un servicio de integración de inteligencia artificial en FastAPI, conectado al modelo GPT-4o de OpenAI. La infraestructura se aloja en AWS, asegurando rendimiento, seguridad y escalabilidad.

Recent Submissions