Efecto de la huella de carbono generada por las actividades administrativas de la Fundación Universitaria Compensar sede Bogotá (Colombia)
Thesis
Subjects > Engineering
Europe University of Atlantic > Teaching > Final Master Projects
Ibero-american International University > Teaching > Master's Final Projects
Closed
Spanish
La medición de la huella de carbono en la Fundación Universitaria Compensar, se lleva a cabo para el año 2021, a través de procesos metodológicos como el cálculo de análisis de ciclo de vida; el GHG Protocol (Greenhouse Gas Protocol), aplicado a las áreas funcionales de la institución, permitiendo valorar las emisiones directas 1 y emisiones indirectas 2, del impacto de su operación organizacional. El objetivo principal del estudio fue relacionar las actividades que hace la Universidad en su funcionamiento con la generación del valor de su huella de carbono, para que de esta manera se desarrollen estrategias de reducción de emisiones de gases de efecto invernadero, la reducción del consumo energético o indudablemente el aporte a maximizar los recursos de la institución en pro de su sostenibilidad. El proceso investigativo llevó a preguntarnos ¿De qué manera la evaluación del efecto de la huella de carbono generada por las actividades administrativas de la Fundación Universitaria Compensar sede - Bogotá permite mitigar el impacto en su operación?.Con base en ello el estudio buscó identificar las actividades administrativas generadoras de la huella de carbono mediante el método del cálculo de análisis de ciclo de vida; el GHG Protocol (Greenhouse Gas Protocol) y la norma NTC ISO 14064-1:2006 en la operación de la Fundación Universitaria Compensar sede Bogotá. Así mismo describir por áreas funcionales de la organización los efectos de la huella de carbono generadas por su operación con la finalidad de identificar y clasificar las zonas de mayor generación y finalmente proponer acciones integrales que se articulen con la estructura organizativa de la universidad que lleven a mitigue el efecto de la huella de carbono derivadas de las actividades administrativas. No obstante esta medición se vuelve efímera, cuando las organizaciones sabiendo el impacto que generan no toman alternativas administrativas y técnicas que permitan la mitigación de este. Según Carmona, et al (2018) “La huella de carbono permite cuantificar las emisiones de gases de efecto invernadero, que son liberados a la atmosfera como consecuencia de una actividad determinada, bien sea para la fabricación de un producto o la prestación de un servicio” (p. 806). La población de estudio de la investigación corresponde a la Fundación Universitaria Compensar – sede Bogotá, en la que se presenta toda la operación universitaria, en la que se aplica un instrumento de recolección de datos tomando en cuenta el Inventario del Ciclo de Vida (ICV) y la Evaluación de los Impactos del Ciclo de Vida (EICV). Desde luego los instrumentos de investigación parten de la implementación e identificación expuesta en la norma ISO 140064-1 y el GHG Protocol. Se formula de igual manera la utilización de un formato tipo encuesta, en el cual fue diseñado una serie de preguntas asociadas al funcionamiento y operación de las 6 áreas funcionales de la organización, este instrumento cuenta con 13 preguntas que distribuyen tanto el uso de algunas de las variables expuestas anteriormente (consumo de combustible, consumo de electricidad, emisiones directas, emisiones indirectas y control operacional).
metadata
Rodriguez Franky, Franz Esteban
mail
frankitis@gmail.com
(2022)
Efecto de la huella de carbono generada por las actividades administrativas de la Fundación Universitaria Compensar sede Bogotá (Colombia).
Master's thesis, Universidad Europea del Atlántico.
Abstract
La medición de la huella de carbono en la Fundación Universitaria Compensar, se lleva a cabo para el año 2021, a través de procesos metodológicos como el cálculo de análisis de ciclo de vida; el GHG Protocol (Greenhouse Gas Protocol), aplicado a las áreas funcionales de la institución, permitiendo valorar las emisiones directas 1 y emisiones indirectas 2, del impacto de su operación organizacional. El objetivo principal del estudio fue relacionar las actividades que hace la Universidad en su funcionamiento con la generación del valor de su huella de carbono, para que de esta manera se desarrollen estrategias de reducción de emisiones de gases de efecto invernadero, la reducción del consumo energético o indudablemente el aporte a maximizar los recursos de la institución en pro de su sostenibilidad. El proceso investigativo llevó a preguntarnos ¿De qué manera la evaluación del efecto de la huella de carbono generada por las actividades administrativas de la Fundación Universitaria Compensar sede - Bogotá permite mitigar el impacto en su operación?.Con base en ello el estudio buscó identificar las actividades administrativas generadoras de la huella de carbono mediante el método del cálculo de análisis de ciclo de vida; el GHG Protocol (Greenhouse Gas Protocol) y la norma NTC ISO 14064-1:2006 en la operación de la Fundación Universitaria Compensar sede Bogotá. Así mismo describir por áreas funcionales de la organización los efectos de la huella de carbono generadas por su operación con la finalidad de identificar y clasificar las zonas de mayor generación y finalmente proponer acciones integrales que se articulen con la estructura organizativa de la universidad que lleven a mitigue el efecto de la huella de carbono derivadas de las actividades administrativas. No obstante esta medición se vuelve efímera, cuando las organizaciones sabiendo el impacto que generan no toman alternativas administrativas y técnicas que permitan la mitigación de este. Según Carmona, et al (2018) “La huella de carbono permite cuantificar las emisiones de gases de efecto invernadero, que son liberados a la atmosfera como consecuencia de una actividad determinada, bien sea para la fabricación de un producto o la prestación de un servicio” (p. 806). La población de estudio de la investigación corresponde a la Fundación Universitaria Compensar – sede Bogotá, en la que se presenta toda la operación universitaria, en la que se aplica un instrumento de recolección de datos tomando en cuenta el Inventario del Ciclo de Vida (ICV) y la Evaluación de los Impactos del Ciclo de Vida (EICV). Desde luego los instrumentos de investigación parten de la implementación e identificación expuesta en la norma ISO 140064-1 y el GHG Protocol. Se formula de igual manera la utilización de un formato tipo encuesta, en el cual fue diseñado una serie de preguntas asociadas al funcionamiento y operación de las 6 áreas funcionales de la organización, este instrumento cuenta con 13 preguntas que distribuyen tanto el uso de algunas de las variables expuestas anteriormente (consumo de combustible, consumo de electricidad, emisiones directas, emisiones indirectas y control operacional).
| Document Type: | Thesis (Master's) |
|---|---|
| Keywords: | Huella de carbono, gases de efecto invernadero, área funcional, sostenibilidad organizacional. |
| Subject classification: | Subjects > Engineering |
| Divisions: | Europe University of Atlantic > Teaching > Final Master Projects Ibero-american International University > Teaching > Master's Final Projects |
| Deposited: | 31 Oct 2023 23:30 |
| Last Modified: | 31 Oct 2023 23:30 |
| URI: | https://repositorio.unib.org/id/eprint/1385 |
Actions (login required)
 |
View Object |
<a class="ep_document_link" href="/28580/1/fphys-17-1835464.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background: Recovery after a training session or match is a key factor in injury prevention and sports performance. The purpose of this systematic review was to analyze and consolidate the available scientific evidence from the main databases on the use of infrared thermography in the assessment of fatigue, injury risk factors, and recovery in soccer players.Methods: The literature search was conducted following the PRISMA guidelines and the PICOS model until June 30, 2025, in the main scientific databases (ScienceDirect, EMBASE, Web of Science (WOS), Cochrane Library, SciELO, MEDLINE/PubMed, SPORTDiscus, and Scopus). The risk of bias and methodological quality were assessed using the Cochrane Handbook guidelines and the PEDro scale.”Results: The initial literature search yielded a total of 510 records. After applying the inclusion and exclusion criteria, the final sample consisted of 20 studies, which were of high methodological quality. The results showed the effects of infrared thermography in assessing fatigue, identifying injury risk factors, and monitoring recovery processes in soccer players. The studies also systematically reported the characterization of the population, the assessment methods used, the variables analyzed, the methodological design, the main results, and the effects of the intervention.Conclusions: Infrared thermography shows promise as a valid, reliable, and non-invasive tool for assessing skin temperature, reflecting temperature changes in response to physiological processes. It allows for the analysis of structural or metabolic fatigue and thermal asymmetries. Therefore, thermography could be used to design individualized recovery protocols.
Yehinson Barajas Ramón mail , Julio Calleja-González mail , José Luaces-Carreño mail , Álvaro Velarde-Sotres mail alvaro.velarde@uneatlantico.es,
Barajas Ramón
<a class="ep_document_link" href="/28319/1/s41598-026-45575-1_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
A novel approach for disease and pests detection in potato production system based on deep learning
Vulnerability of potato crops to diseases and pest infestation can affect its quality and lead to significant yield losses. Timely detection of such diseases can help take effective decisions. For this purpose, a deep learning-based object detection framework is designed in this study to identify and classify major potato diseases and pests under real-world field conditions. A total of 2,688 field images were collected from two research farms in Punjab, Pakistan, across multiple growth stages in various seasonal conditions. Excluding 285 symptoms-free images from the earliest collection led to 2,403 images which were annotated into four biotic-stress classes: blight disease (n = 630), leaf spot disease (n = 370), leafroll virus (viral symptom complex; n = 888), and Colorado potato beetle (larvae/adults; n = 515), indicating class imbalance. Several state-of-the-art models were used including YOLOv8 variants (n/s/m), YOLOv7, YOLOv5, and Faster R-CNN, and the results are discussed in relation to recent potato disease classification studies involving cropped leaf images. Stratified splitting (70% training, 20% validation, 10% testing) was applied to preserve class distribution across all subsets. YOLOv8-medium achieve the best performance with mean average precision (mAP)@0.5 of 98% on the held-out test images. Results for stable 5-fold cross-validation show a mean mAP@0.5 of 97.8%, which offers a balance between accuracy and inference time. Model robustness was evaluated using 5-fold cross-validation and repeated training with different random seeds, showing a low variance of ±0.4% mAP. Results demonstrate promising outcomes under the real-world field conditions, while, broader cross-region and cross-season validation is intended for the future.
Ahmed Abbas mail , Saif Ur Rehman mail , Khalid Mahmood mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Aseel Smerat mail , Imran Ashraf mail ,
Abbas
<a class="ep_document_link" href="/28569/1/s12870-026-08847-6_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
The Polyphagous Shot Hole Borer (PSHB) is a highly invasive beetle that has been spreading like an epidemic across agricultural and forestry landscapes in recent years. Its rapid and destructive spread has turned it into a major global threat, causing widespread damage that continues to grow with time. Countries like South Africa, the United States, and Australia have implemented extensive measures to control the spread of PSHB, including the establishment of specialized agricultural support centers for early detection. However, there is still a strong need to make PSHB detection more accessible, allowing even non-experts to easily identify infections at an early stage. Artificial Intelligence (AI) has shown great promise in plant disease detection, but a major challenge in the case of PSHB was the lack of a suitable dataset for training AI models. In the proposed work, we first created a dedicated dataset by collecting images of trees infected with PSHB. We applied a range of preprocessing techniques to refine the dataset and prepare it for AI applications. Building on this, we developed a novel AI-based method, where we trained a deep learning model using a multi-convolutional layer network combined with a Fourier transformation layer. Additionally, an attention mechanism and advanced feature extraction techniques were incorporated to further boost model performance. As a result, the proposed approach achieved an impressive top accuracy of 92.3% in detecting PSHB infections, showing the potential of AI to offer a simple, efficient, and highly accurate solution for early disease detection.
Rabbiya Younas mail , Hafiz Muhammad Raza ur Rehman mail , Gyu Sang Choi mail , Ángel Gabriel Kuc Castilla mail angel.kuc@uneatlantico.es, Carlos Eduardo Uc Ríos mail carlos.uc@unini.edu.mx, Imran Ashraf mail ,
Younas
<a class="ep_document_link" href="/28572/1/s41598-026-47906-8.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Correction: Enhancing fault detection in new energy vehicles via novel ensemble approach
In the original version of this Article, Umair Shahid was incorrectly listed as a corresponding author. The correct corresponding authors for this Article are Imran Ashraf and Kashif Munir. Correspondence and request for materials should be addressed to ashrafimran@live.com and kashif.munir@kfueit.edu.pk.
Iqra Akhtar mail , Mahnoor Nabeel mail , Umair Shahid mail , Kashif Munir mail , Ali Raza mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Santos Gracia Villar mail santos.gracia@uneatlantico.es, Imran Ashraf mail ,
Akhtar
<a class="ep_document_link" href="/27825/1/s41598-026-39196-x_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Histopathological evaluation is necessary for the diagnosis and grading of prostate cancer, which is still one of the most common cancers in men globally. Traditional evaluation is time-consuming, prone to inter-observer variability, and challenging to scale. The clinical usefulness of current AI systems is limited by the need for comprehensive pixel-level annotations. The objective of this research is to develop and evaluate a large-scale benchmarking study on a weakly supervised deep learning framework that minimizes the need for annotation and ensures interpretability for automated prostate cancer diagnosis and International Society of Urological Pathology (ISUP) grading using whole slide images (WSIs). This study rigorously tested six cutting-edge multiple instance learning (MIL) architectures (CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL), three feature encoders (ResNet50, CTransPath, UNI2), and four patch extraction techniques (varying sizes and overlap) using the PANDA dataset (10,616 WSIs), yielding 72 experimental configurations. The methodology used distributed cloud computing to process over 31 million tissue patches, implementing advanced attention mechanisms to ensure clinical interpretability through Grad-CAM visualizations. The optimum configuration (UNI2 encoder with ILRA-MIL, 256 256 patches, 50% overlap) achieved 78.75% accuracy and 90.12% quadratic weighted kappa (QWK), outperforming traditional methods and approaching expert pathologist-level diagnostic capability. Overlapping smaller patches offered the best balance of spatial resolution and contextual information, while domain-specific foundation models performed noticeably better than generic encoders. This work is the first large-scale, comprehensive comparison of weekly supervised MIL methods for prostate cancer diagnosis and grading. The proposed approach has excellent clinical diagnostic performance, scalability, practical feasibility through cloud computing, and interpretability using visualization tools.
Naveed Anwer Butt mail , Dilawaiz Sarwat mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Nagwan Abdel Samee mail , Imran Ashraf mail ,
Butt