Sustainability evaluation of contrasting milpa systems in the Yucatán Peninsula, Mexico

Santiago Lopez-Ridaura Tania Carolina Camacho Villa (2023, [Artículo])

The milpa agroecosystem is an intercropping of maize, beans, squash and other crops, developed in Mesoamerica, and its adoption is widely variable across climates and regions. An example of particular interest is the Yucatan Peninsula in Mexico, which holds highly diverse milpas, drawing on ancestral Mayan knowledge. Traditional milpas have been described as sustainable resource management models, based on long rotations within a slash-and-burn cycle in forest areas. Nevertheless, due to modernization and intensification processes, new variants of the approach have appeared. The objective of this study was to evaluate the sustainability of three milpa systems (traditional, continuous, and mechanized) in four case studies across the Peninsula, with emphasis on food self-sufficiency, social inclusion and adoption of innovations promoted by a development project. The Framework for the Evaluation of Agroecosystems using Indicators (MESMIS, for its Spanish acronym) was used for its flexible, participatory approach. A common group of indicators was developed despite regional differences between study cases, with a high level of farmer participation throughout the iterative process. The results show lower crop yields in traditional systems, but with lower inputs costs and pesticide use. In contrast, continuous milpas had higher value in terms of crop diversity, food security, social inclusion, and innovation adoption. Mechanized milpas had lower weed control costs. Profitability of cash crops and the proportion of forest were high in all systems. Highly adopted innovations across milpa types and study cases included spatial crop arrangement and the use of residues as mulches. However, most innovations are not adapted to local conditions, and do not address climate change. Further, women and youth participation is low, especially in traditional systems.

Milpa Intensification Processes Women and Youth Participation CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA SUSTAINABILITY INTERCROPPING FOOD SECURITY INNOVATION SOCIAL INCLUSION AGROECOSYSTEMS CASE STUDIES

Análisis preventivos de variables para la industria cerámica con base en la metodología de análisis a modo y efecto de falla (FMEA method)

Preventive analysis of variables for the ceramic industry based on the failure mode and effect analysis (FMEA method)

Rigel Hugo Carreón Reyes Juan Carlos Neri Guzmán (2023, [Artículo])

El presente estudio indica de una forma tangible la aplicación de la herramienta FMEA (Failure Mode And Effects Analysis -por sus siglas en inglés) en la aplicación de fabricación de cerámica sanitaria, en donde se evalúan las variables que están relacionadas con el proceso de diseño, procesamiento de piezas cerámicas y de su relación existente para poder alcanzar los requisitos normativos y que estos a su vez sean alcanzables. Dentro del estudio se presenta el análisis y elaboración de la matriz riesgos en modo de fallas, así como una serie de definiciones estadísticas con las cuales son evaluados los procesos de fabricación, así como la explicación clara de la metodología FMEA en donde se indica la adecuación de estos conceptos a este tipo de manufacturas (cerámica sanitaria). Este trabajo también describe a través del estudio de caso de las variables una metodología que detalla los conceptos básicos tales como severidad, detección y ocurrencia combinando el desarrollo de tablas parametrizadas y / o acopladas al tipo de proceso de manufactura cerámica .En los resultados que se obtienen se observa la disminución de la incertidumbre hasta de 85% en los valores de RPN y una mejora en el cpk >1,33 como índice de calidad los riesgos o incertidumbres disminuidos son de forma numérica a través de la comprobación de nuevas acciones y el reanálisis de los conceptos de ocurrencia y detección derivados de la implementación de acciones. Las conclusiones indican como una herramienta adecuada el uso de FMEA para el campo de aplicación de la manufactura de cerámica sanitaria.

The present study indicates in a tangible way the application of the FMEA tool (Failure Mode and Effects Analysis) in the application of sanitary ceramic manufacturing, where the variables that are related to the process of design, processing of ceramic pieces and their existing relationship are evaluated in order to achieve the regulatory requirements and that these in turn are achievable. The study presents the analysis and elaboration of the risk matrix in failure mode as well as a series of statistical definitions with which the manufacturing processes are evaluated as well as the clear explanation of the FMEA methodology (failure mode and effects analysis) where the application and adequacy of these concepts to this type of manufactures (sanitary ceramics) is indicated. This paper also describes through the case study of the variables a methodology that details the basic concepts such as severity, detection and occurrence combining the development of parameterized tables and / or coupled to the type of ceramic manufacturing process. In the results obtained, the decrease in uncertainty of until 85% in the values of RPN and an improvement in the cpk >1.33 as a quality index, the risks or uncertainties decreased are numerically through the verification of new actions and the reanalysis of the concepts of occurrence and detection derived from the implementation of actions. The conclusions indicate as an appropriate tool the use of FMEA for the field of application of the manufacture of sanitary ceramics.

AMEF (Análisis de Modo de Efecto y Falla) Productos cerámicos Cerámica sanitaria Procesos cerámicos Severidad Detección Ocurrencia FMEA (Failure Mode and Effects Analysis) Ceramic products Standard ASME Sanitary ceramic Ceramic processess INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS OTRAS ESPECIALIDADES TECNOLÓGICAS OTRAS OTRAS

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023, [Tesis de maestría])

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL