Aprèn - Núria Pla García

Els sistemes d'identificació automàtica, coneguts per les sigles AIS, són dispositius que trans- meten informació de manera contínua i en temps real sobre les embarcacions que els tenen instal·lats. Per la gran quantitat de dades que s'envien, les dades AIS es consideren Big Data, tot i que només se sol utilitzar una petita part de tota la informació rebuda per a l'ús original per al qual estan pensats, la seguretat marítima. En els darrers anys, i amb l'auge de la tecnologia de la informació, s'ha vist que amb el tractament de dades es pot treure profit d'aquesta informació per a altres usos diferents de la finalitat original. Aquest projecte busca tractar les dades rebudes per AIS de vaixells pesquers del port de Barce- lona per tal de categoritzar els diferents moviments que es transmeten. Per aconseguir-ho s'ha emprat l'entorn interactiu de Jupyter Notebook amb el llenguatge de Python per tal de descodifi- car, manipular i analitzar les dades captades de tot un mes. Se selecciona aquest abast temporal, per tenir un conjunt de dades suficient per realitzar l'anàlisi amb diverses sortides de cada em- barcació, però alhora per limitar el volum i que aquest no sigui massa extens i dificulti el procés de manipulació i conseqüentment acabi sent un conjunt informació intractable. El resultat final és una taula resum que recull totes les sortides d'embarcacions pesqueres amb la zona i temps dedicat a pescar. Aquest estudi vol proporcionar una eina d'anàlisi que, poste- riorment, pot contribuir a la seguretat i control marítim, l'anàlisi de la contaminació emesa pels pesquers o evitar la sobreexplotació d'una zona de pesca, fent malbé el fons marí. Aquest treball està estructurat en diferents parts, en un inici es mostren els objectius marcats pel seu desenvolupament i l'abast que aquest té. Posteriorment, es presenta una primera part introductòria, on s'exposa informació rellevant per la comprensió d'aquest estudi, dividida amb els apartats de Big Data, AIS i Python. Seguidament, s'introdueix la part més pràctica que s'ha realitzat per aquest projecte, amb un apartat més explicatiu del procediment que s'ha seguit i una secció dels resultats obtinguts. A continuació es presenta la planificació que s'ha seguit, juntament amb l'anàlisi econòmica i ambiental, i una breu visió de la perspectiva de genere enfocada a la universitat i al sector de la pesca. Per finalitzar el treball, s'exposen les conclusions a què s'ha arribat durant el desenvolupament d'aquest projecte, juntament amb les dificultats afrontades i possibles treballs futurs per conti- nuar amb la recerca feta

Los sistemas de identificación automática, conocidos por las siglas AIS, son dispositivos que transmiten información de manera continua y en tiempo real sobre las embarcaciones que los tienen instalados. Por la gran cantidad de datos que se envían, los datos AIS se consideran Big Data, aunque solo se acostumbra a usar una pequeña parte de toda la información recibida por el uso original por el que están pensados, la seguridad marítima. En los últimos años, con el auge de la tecnología de la información, se ha visto que con el tratamiento de datos se puede sacar provecho de esta información para otros usos diferentes de la finalidad original. Este proyecto busca tratar los datos recibidos por AIS de barcos pesqueros del puerto de Bar- celona para categorizar los diferentes movimientos que se transmiten. Para conseguirlo se ha empleado el entorno interactivo de Jupyter Notebook con el lenguaje de Python para descodificar, manipular y analizar los datos captados de todo un mes. Se selecciona este alcance temporal, para tener un conjunto de datos suficiente para realizar el análisis con varias salidas de cada embarcación, pero a la vez, para limitar el volumen y que este no sea demasiado extenso y di- ficulte el proceso de manipulación y consecuentemente acabe siendo un conjunto información intratable. El resultado final es una tabla resumen que recoge todas las salidas de embarcaciones pesqueras con la zona y tiempo dedicado a pescar. Este estudio quiere proporcionar una herramienta de análisis que, posteriormente, puede contribuir a la seguridad y control marítimo, el análisis de la contaminación emitida por los pesqueros o evitar la sobreexplotación de una zona de pesca, echando a perder el fondo marino. Este trabajo está estructurado en diferentes partes, en un inicio se muestran los objetivos marca- dos para su desarrollo y el alcance que este tiene. Posteriormente, se presenta una primera parte introductoria, donde se expone información relevante para la comprensión de este estudio, di- vidida con los apartados de Big Data, AIS y Python. Seguidamente, se introduce la parte más práctica que se ha realizado en este proyecto, con un apartado más explicativo del procedimi- ento que se ha seguido y una sección de los resultados obtenidos. A continuación se presenta la planificación que se ha seguido, junto con el análisis económico y ambiental, y una breve visión de la perspectiva de género enfocada en la universidad y al sector de la pesca. Para finalizar el trabajo, se exponen las conclusiones a las que se ha llegado durante el desarrollo de este proyecto, junto con las dificultades afrontadas y posibles trabajos futuros para continuar con la investigación hecha

Automatic identification systems, known as AIS, are devices that send information continuously and in real time of the vessels that have them installed. For the large amount of data that is sent, AIS data is considered to be Big Data, although only a small part of all the information received is usually used for the original use for which it is intended, maritime safety. For the last few years, with the rise of information technology, it has been seen that data processing can take advantage of this information for uses other than the original purpose. This project seeks to process data received by AIS from fishing vessels from the port of Barce- lona in order to categorize the different movements transmitted. To achieve this, the interactive environment of Jupyter Notebook with the language of Python has been used to decode, ma- nipulate and analyze the collected data of an entire month. This time range is selected, to have enough data to perform the analysis with various departures from each vessel, but at the same time to limit the volume and make it not too wide and hinder the process of manipulation and consequently end up being an intractable set of information. The final result is a summary table that lists all the exits from fishing vessels with the area and the time spent fishing. This study aims to provide an analysis tool that can subsequently contribute to maritime safety and control, the analysis of pollution emitted by fishing vessels or prevent overfishing that can cause damage of the seabed. This project is structured in different parts, initially it is shown the established objectives for its development and also its scope. Afterwards a first introductory part is presented, where relevant information is exposed for the understanding of this study, divided into the sections of Big Data, AIS and Python. The most practical part of this project is then introduced, with a more explanatory section of the procedure followed and a section of the results obtained. Thereupon the planning that has been followed is explained, along with the economic and environmental analysis, and a brief overview of the gender perspective focusing on the university and fishing sector. To finish this paper, the conclusions reached during the development of this project are presen- ted, along with the difficulties faced and potential future work to continue the research done

Anàlisi de la pesca a Barcelona a partir de dades AIS

Projecte Final de Màster Oficial

Oliva Ripoll, Eric

Tutor/a - Director/a: Vigo Anglada, Marc; Pla García, Núria

Data de publicació: 2023

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

Aquest treball té com a objectiu principal l'estudi de l'activitat pesquera dels vaixells amb base al port de Barcelona utilitzant dades del sistema AIS (Automatic Identification System). S'ha utilitzat un volum considerable de dades, considerades big data, per analitzar els patrons i les característiques de les pesques realitzades pels vaixells. Els mètodes utilitzats inclouen el processament i filtratge de les dades AIS per identificar els vaixells que realitzen activitats de pesca. Això ha permès segmentar les dades i analitzar específicament els trams de pesca. S'han aplicat mètodes d'agrupació i classificació per comprendre la durada i les zones de pesca d'arrossegament dels pesquers de Barcelona. S'ha identificat la necessitat d'ampliar l'estudi per incloure altres arts de pesca i comparar els resultats per entendre les similituds i diferències entre les diverses pràctiques pesqueres. També s'ha observat que les pesques realitzades a més distància del port tenen una durada més llarga, i s'ha proposat investigar les raons d'aquesta diferència. Com a treball futur, es recomana la integració de les dades AIS amb informació meteorològica i del fons marí per avaluar l'impacte d'aquests factors en l'activitat pesquera

Este trabajo tiene como objetivo principal el estudio de la actividad pesquera de los barcos con base en el puerto de Barcelona utilizando datos del sistema AIS (Automatic Identification System). Se ha utilizado un volumen considerable de datos, considerados big data, para analizar los patrones y características de las pesquerías realizadas por los barcos. Los métodos utilizados incluyen el procesamiento y filtrado de los datos AIS para identificar los barcos que realizan actividades de pesca. Esto ha permitido segmentar los datos y analizar específicamente los tramos de pesca. Se han aplicado métodos de agrupación y clasificación para comprender la duración y las zonas de pesca de arrastre de los pescadores de Barcelona. Se ha identificado la necesidad de ampliar el estudio para incluir otros tipos de pesca y comparar los resultados para comprender las similitudes y diferencias entre las diversas prácticas pesqueras. También se ha observado que las pescas realizadas a mayor distancia del puerto tienen una duración más larga, y se ha propuesto investigar las razones de esta diferencia. Como trabajo futuro, se recomienda la integración de los datos AIS con información meteorológica y del fondo marino para evaluar el impacto de estos factores en la actividad pesquera

This study aims to investigate the fishing activity of vessels based in the port of Barcelona using data from the Automatic Identification System (AIS). A significant volume of data, considered as big data, has been used to analyse the patterns and characteristics of fishing activities conducted by the vessels. The methods employed include the processing and filtering of AIS data to identify fishing activities. This has enabled the segmentation of data and the specific analysis of fishing segments. Clustering and classification methods have been applied to understand the duration and fishing zones of trawlers in Barcelona. The study highlights the need for future research to include other fishing methods in the study and compare the results to gain insights into similarities and differences among various fishing practices. Furthermore, it has been observed that fishing activities conducted farther from the port tend to have longer durations, and further investigation into the reasons behind this difference is proposed. For future work, it is recommended to integrate AIS data with meteorological and seabed information to assess the impact of these factors on fishing activity

Implementación y evaluación de algoritmos locales de detección de outliers geoespaciales

Projecte Final de Màster Oficial

Guerrero Salinas, Rocío Amaranto

Tutor/a - Director/a: Pla García, Núria; Vigo Anglada, Marc

Data de publicació: 2022

Facultat de Matemàtiques i Estadística (FME)

Veure detall Accés al text complet

Modelatge de sitges mitjançant una Application Programming Interface (API)

Projecte Final de Màster Oficial

Vila Alonso, Kevin

Tutor/a - Director/a: Pla García, Núria

Data de publicació: 2022

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

Estudio de los factores influyentes en el algoritmo de posicionamiento de las aplicaciones móviles de Apple.

Projecte Final de Màster Oficial

Pardo Gómez, Sebastián Antonio

Tutor/a - Director/a: Vigo Anglada, Marc; Pla García, Núria

Data de publicació: 2021

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

El agente prioritario que hace que un usuario se descargue una aplicación u otra es el posicionamiento dentro de la App Store o tienda de aplicaciones de Apple. ¿Pero, y que factores hacen que las aplicaciones estén situadas entre las primeras? Esta pregunta, junto con sus soluciones, son las que se intentan abordar en este documento. Primeramente, se ha atendido a la situación del mercado mundial de aplicaciones para dispositivos móviles junto con las perspectivas futuras de crecimiento. Posteriormente, se ha concretado más y se ha empezado a plantear los conceptos necesarios para el estudio práctico del estudio. Para encarar el proyecto práctico se ha realizado un estudio exhaustivo de más de 4000 keywords y su posterior filtrado según importancia, durante un periodo de 8 meses. De ellas se han monitorizado diariamente valores como el posicionamiento, la cantidad de competencia, popularidad, probabilidad de posicionarse entre las primeras diez posiciones y otros factores. Éstos, han hecho posible extraer un listado con la influencia de los factores más determinantes en el posicionamiento de aplicaciones y así poder crear un manual de buenas prácticas para ayudar a pequeñas empresas y desarrolladores individuales que deseen posicionar sus aplicaciones lo más arriba posible en la App Store. Pasados los 8 meses de monitorización de keywords filtradas y teniendo en cuenta las posiciones medias ganadas en posicionamiento se ha extraído que los factores por orden de importancia para el posicionamiento son: el título, subtítulo, el apartado de keywords, el nombre de la empresa o desarrollador y finalmente la categoría en la que esté situada la aplicación. La deducción final que se extrae de todo este análisis es que, sí que existe una correlación medible entre factores de entrada en el algoritmo de Apple y el posicionamiento de las aplicaciones. Y que, con un poco de dedicación y análisis de la colocación de las aplicaciones por parte de los desarrolladores, se pueden llegar a obtener valores de crecimiento importantes de unidades de descarga

Identificació d'outliers espaials

Projecte Final de Màster Oficial

Soto Galindo, Marc

Tutor/a - Director/a: Vigo Anglada, Marc; Pla García, Núria

Data de publicació: 2021

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

La identificació d'anomalies en un conjunt de dades, també anomenades outliers, és un tema molt estudiat per l'estadística. Existeixen, per tant, molts mètodes per a la realització d'aquesta tasca. Ara bé, la majoria d'aquests mètodes no distingeixen la diferent naturalesa dels múltiples atributs mesurats, ni contemplen si es tracta de valors de concentració, de recompte, de localització, o d'altres. Aquest treball es centra en la detecció d'outliers en dades geolocalitzables, és a dir, dades que disposen d'atributs que determinen la seva posició a l'espai. Generalment, es tracta de dades que s'han recollit en diverses localitzacions físiques sobre un terreny. Per a aquest tipus de dades, molt sovint, la seva posició espaial estableix una relació de concordança amb els valors dels atributs no espaials del seu entorn immediat. En conseqüència, sembla lògic que la detecció de les anomalies tingui en compte aquesta correlació entre la posició espaial i les altres mesures. La identificació d'outliers consisteix a trobar mostres singulars que no corresponen o s'allunyen de la resta del conjunt. En el cas de les dades geolocalitzades, la seva posició espaial pot ser útil per a deduir-ne les relacions de veïnatge. La inclusió d'aquests aspectes en el mètode d'identificació d'outliers hauria de millorar els resultats que s'obtenen mitjançant mètodes d'anàlisi més genèrics, basats en models estadístics més comuns que no tenen en compte la característica de geolocalització de les dades. L'objecte d'aquest treball és comparar diferents mètodes d'identificació d'outliers en un conjunt de dades geolocalitzables, és a dir, de dades que ressalten sobre una superfície. Es tracta de trobar punts que a priori no destaquen respecte a tot el conjunt de dades, però que són significatius quan es diferencien dels que es troben al voltant, des d'un punt de vista de la seva localització espaial. En l'anàlisi, s'han fet servir tant dades sintètiques, generades aleatòriament, com dades reals. El primer tipus de dades ha servit per a validar la millora aportada pels mètodes que tenen en compte la geolocalització, així com per a saber en quins casos és millor aplicar una varietat d'un mètode o una altra. Com a dades reals, s'han utilitzat dos conjunts: la concentració de contaminant atmosfèric al territori de Catalunya i l'acumulació de casos de la COVID-19 durant el mes d'abril de l'any 2021. Aquest projecte permetrà posar a prova el comportament d'aquests mètodes i comprovar-ne l'adequació en casos reals

Automatització del procés de compra d'una pàgina web

Treball Final de Grau

Abad Orsola, Lluís

Tutor/a - Director/a: Pla García, Núria

Data de publicació: 2021

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

Un dels pilars de qualsevol empresa és l'optimització dels seus recursos, i si a més es tracta d'una empresa emergent amb un pressupost escàs, encara cal tenir-ne més cura. Nerety és una d'aquestes empreses, dedicada , en aquest cas, a la venda de roba de diverses marques emergents espanyoles. Degut a la seva joventut com a empresa, hi ha diversos aspectes que cal potenciar i optimitzar si vol ser competitiu en el mercat. Un dels objectius principals és el d'automatitzar certs processos del control de l'estoc. Degut a que Nerety no distribueix productes propis, no disposa d'informació sobre l'estoc, de tal forma que cal crear un programa informàtic capaç de monitoritzar aquest procés. Amb l'ajuda d'eines de raspat de pàgines web, s'ha creat un programa que proporciona les diverses actualitzacions sobre cada marca referents als canvis i novetats dels seus productes. Aquesta automatització, però, es pot considerar parcial ja que les actualitzacions cal anotar-les manualment a la pàgina web de Nerety. L'altre gran objectiu és el de crear un programa de predicció de vendes. Aquest tipus de previsions són vitals per a qualsevol empresa per tal de tenir major control sobre el seu futur i millorar així el seu rendiment. En aquest treball es mostra pas a pas el programa utilitzat per fer la predicció, així com els resultats obtinguts. A més d'una predicció global de vendes, s'ha dut a terme també una sèrie de prediccions més específiques distingint les vendes per marca o per tipus de producte per tal de donar un valor afegit al programa. Tenint en compte tot això, cal destacar la importància que té el control permanent de tots els programes creats en aquest treball. Tant el programa sobre el control de l'estoc com el destinat a la predicció de vendes, requereixen d'una continua supervisió i, en cas de ser necessària, una modificació per tal de garantir els resultats més òptims i adients. Seria interessant també aconseguir que l'automatització fos finalment total, és a dir, que les actualitzacions de l'estoc es realitzessin automàticament al portal de Nerety.

Predicción de la demanda utilizando algoritmos estadísticos y de aprendizaje automático

Projecte Final de Màster Oficial

Dalmau Baraza, Christian

Tutor/a - Director/a: Vigo Anglada, Marc; Pla García, Núria

Data de publicació: 2020

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

El presente trabajo tiene por objetivo establecer una metodología para la predicción de la demanda diaria de envíos en una empresa dedicada al comercio electrónico por medio del uso de algoritmos matemáticos. Para ello, se ha comenzado realizando una intensa revisión literaria para analizar los métodos y algoritmos empleados hasta el momento en la predicción de la demanda en diferentes industrias y empresas en base a artículos científicos internacionales. Gracias a esta búsqueda bibliográfica se eligieron los algoritmos, tanto estadísticos como de aprendizaje automático, que habían proporcionado buenos resultados según los artículos consultados para evaluar su eficiencia en el caso particular de este proyecto. A partir de este punto, se trabajó en comprender el funcionamiento de cada algoritmo en particular aplicados en el contexto que nos ocupa, así como los parámetros más característicos de cada uno. Seguidamente, se llevó a cabo la programación de éstos y el testeo de su idoneidad a partir del histórico de datos facilitados por la empresa. Posteriormente, se compararon los resultados obtenidos por los diferentes algoritmos con la finalidad de hallar aquellos que mejor se ajustaban a las observaciones registradas por la compañía. En el caso concreto de este trabajo, los algoritmos que mejor ajustaban las predicciones eran los de aprendizaje automático (más concretamente, bosques aleatorios, k vecinos más próximos y la red neuronal LSTM). Una vez obtenidos los resultados iniciales, se valoró la opción de mejorarlos mediante dos métodos. El primero consistía en combinar estos algoritmos en la predicción de la demanda utilizando un método de ensamblaje, pero se llegó a la conclusión de que no había ninguna combinación de algoritmos que mejorase los resultados obtenidos de forma clara. El segundo método fue la calibración de los parámetros característicos de cada algoritmo con el fin de mejorar la bondad de los resultados obtenidos. Ningún método mejoraba de forma significativa los resultados iniciales obtenidos pero la calibración de parámetros fue el único método que consiguió mejorar los resultados de forma general en todas las ciudades. Es por ello por lo que se decidió aconsejar a la empresa la predicción de su demanda por medio del algoritmo de bosques aleatorios y con el método de mejora de calibración de parámetros.

Disseny i desenvolupament d'una aplicació per al tractament logopèdic

Treball Final de Grau

Egurbide Sifre, Itziar

Tutor/a - Director/a: Pla García, Núria

Data de publicació: 2016

Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB)

Veure detall Accés al text complet

En aquest treball de fi de grau es dissenya i desenvolupa una aplicació per a ordinador destinada a donar suport als logopedes en la rehabilitació logopèdica d'infants que tenen trastorns lingüístics, generalment causats per danys cerebrals que afecten a la regió del llenguatge. L'aplicació implementa una de les tasques que es duu a terme avui en dia manualment a l'hospital i que consisteix en la segmentació sil·làbica. A través de l'aplicació els nens i nenes entrenaran les seves habilitats lingüístiques tant semàntiques com de la parla ja que inclou un sistema de reconeixement de veu. En primer lloc, es defineixen els objectius del projecte, es delimita l'abast que aquest tindrà, es fa un estudi de mercat de les aplicacions que existeixen actualment que presentin semblances amb la que es dissenya. En segon lloc, es fa un anàlisi dels usuaris per a determinar els requisits de l'aplicació a partir de les necessitats del usuaris. I, en tercer lloc, es defineix la tasca i les propietats que haurà de contenir l'aplicació. A continuació, es fa una introducció de les eines que s'empraran per a desenvolupar l'aplicació. Aquestes són la plataforma Unity amb el seu corresponent Motor de Videojocs, que servirà per implementar la tasca en llenguatge de programació C#, i un fitxer XML que actua de base de dades i conté tota la informació necessària per al seu correcte funcionament. Seguidament, es fa un estudi dels tipus d'aplicacions de reconeixement de veu que existeixen al mercat per tal de triar quin s'ajustaria més a les necessitats d'aquesta aplicació i, en la part més important del joc, es fa una descripció de l'estructura interna de l'aplicació, el seu funcionament i característiques més importants. L'aplicació que finalment s'obté és una part d'un projecte que englobarà varies tasques de les que es realitzen avui en dia manualment. Aquesta aplicació és la primera que es fa incorporant reconeixement de veu i servirà de precedent per a futures implementacions de noves tasques.