EASI: Ingeniería y Ciencias Aplicadas en la Industria

La Conferencia Internacional de Ingeniería Industrial Aplicada, mantiene como objetivo ser un referente de innovación y colaboración nacional e internacional, en esta edición se ha enfocado en “Modelos Inteligentes e Ingeniería de Datos”. Expertos e investigadores han explorado el potencial transformador de estas tecnologías, fomentando el intercambio académico en un entorno natural que promueve un enfoque sostenible.

Espitia-Cubillos, A. et al. (2025) revisa documentos sobre carretillas inteligentes para identificar avances y vacíos de conocimiento. Utilizando la guía PRISMA 2020 y herramientas de análisis bibliométrico. La investigación realizada por Tigua-Villaprado, Y. proyecta el consumo de energía del sector terciario en Ecuador hasta 2040 usando el modelo LEAP, destaca que la mayor parte del uso energético se concentra en tres actividades y depende en un 76% de la electricidad, lo que subraya la necesidad de estrategias de sostenibilidad (2025). Banguera, L. et al. (2025) analiza los hábitos de reciclaje de los millennials en Guayaquil, remarca un alto porcentaje consume agua en botellas plásticas, existen grandes barreras como la falta de infraestructura y el desconocimiento. Loor-Alcívar, B. et al. (2025) aplicó una simulación en una planta de procesamiento de tuberías de plástico, donde se identificó un cuello de botella y demostró que al aumentar el número de molinos se podría incrementar la capacidad instalada en un 22%. Espitia-Cubillos, A. et al. (2025) presenta un algoritmo de inteligencia artificial basado en redes neuronales para identificar y clasificar etiquetas y colores de productos líquidos a través de una cámara. El sistema, probado en un entorno virtual, logró un 100% de precisión con tiempos de procesamiento muy rápidos, demostrando su robustez incluso con poca data o imágenes de baja calidad. Finalmente, Ortiz-Mosquera, N. et al. (2025) propone un prototipo para detectar incendios forestales utilizando un dron equipado con una cámara de alta resolución y una unidad Jetson Nano. El sistema utiliza redes neuronales convolucionales para identificar el humo y las llamas en tiempo real.