Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral
Este documento presenta la predicción del crecimiento del ave con relación a las variables ambientales que más influyen en este proceso. Se utilizó redes neuronales recurrentes para realizar el entrenamiento de los datos que se obtuvieron en un determinado tiempo, para ello se instalaron sensores en...
- Autores:
-
Hincapié Melo, Diany Lorena
Triana Ardila, Santiago
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/13415
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/13415
- Palabra clave:
- Mechatronic
Technology
Atmosphere
Investigation
Sensors
Increase
Poultry industry
Producer quality
Artificial intelligence
Mecatrónica
Tecnología
Ambienté
Investigación
Inteligencia artificial
Sensores
Crecimiento
Industria avícola
Calidad de productor
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_6bc9a74a75ba1c967e73a6b0f3ff6f98 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/13415 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| dc.title.translated.spa.fl_str_mv |
Development of a system for the analysis of the variables that affect the growth of poultry |
| title |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| spellingShingle |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral Mechatronic Technology Atmosphere Investigation Sensors Increase Poultry industry Producer quality Artificial intelligence Mecatrónica Tecnología Ambienté Investigación Inteligencia artificial Sensores Crecimiento Industria avícola Calidad de productor |
| title_short |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| title_full |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| title_fullStr |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| title_full_unstemmed |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| title_sort |
Desarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corral |
| dc.creator.fl_str_mv |
Hincapié Melo, Diany Lorena Triana Ardila, Santiago |
| dc.contributor.advisor.none.fl_str_mv |
González Acevedo, Hernando |
| dc.contributor.author.none.fl_str_mv |
Hincapié Melo, Diany Lorena Triana Ardila, Santiago |
| dc.contributor.cvlac.spa.fl_str_mv |
González Acevedo, Hernando [0000544655] |
| dc.contributor.googlescholar.spa.fl_str_mv |
González Acevedo, Hernando [V8tga0cAAAAJ] |
| dc.contributor.orcid.spa.fl_str_mv |
González Acevedo, Hernando [0000-0001-6242-3939] |
| dc.subject.keywords.spa.fl_str_mv |
Mechatronic Technology Atmosphere Investigation Sensors Increase Poultry industry Producer quality Artificial intelligence |
| topic |
Mechatronic Technology Atmosphere Investigation Sensors Increase Poultry industry Producer quality Artificial intelligence Mecatrónica Tecnología Ambienté Investigación Inteligencia artificial Sensores Crecimiento Industria avícola Calidad de productor |
| dc.subject.lemb.spa.fl_str_mv |
Mecatrónica Tecnología Ambienté Investigación Inteligencia artificial |
| dc.subject.proposal.spa.fl_str_mv |
Sensores Crecimiento Industria avícola Calidad de productor |
| description |
Este documento presenta la predicción del crecimiento del ave con relación a las variables ambientales que más influyen en este proceso. Se utilizó redes neuronales recurrentes para realizar el entrenamiento de los datos que se obtuvieron en un determinado tiempo, para ello se instalaron sensores en un galpón adquiriendo los datos de temperatura, Humedad, Velocidad del viento y el peso de las aves de engorde, donde cada hora se enviaban los datos a ThingSpeak para obtener la información en tiempo real, con el fin de abarcar el IoT. Posteriormente se utilizó Python para la realización del algoritmo a partir de redes LSTM para ello se requería de la base de datos de todas las variables, con esto se realizó el procesamiento de esta información con el fin de eliminar los datos atípicos y finalmente trabajar el algoritmo con los valores normalizados. La evaluación del rendimiento del sistema se evaluó a partir del error cuadrático medio (RMSE), donde se pudo observar a partir de los porcentajes obtenidos que el sistema no llegó a estar sobreentrenado debido a que el RMSE nunca fue cero. Finalmente, al obtener el sistema de predicción se creó una página web a partir de Python Y HTML para mostrar la predicción del crecimiento cada cierta cantidad de tiempo, junto con esto se realizaron alarmas a partir de programación para informar a la persona del rendimiento que tenía el galpón en ese momento. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-11-23 |
| dc.date.accessioned.none.fl_str_mv |
2021-05-27T18:27:56Z |
| dc.date.available.none.fl_str_mv |
2021-05-27T18:27:56Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/13415 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/13415 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
M. Morales, «incipy,» [En línea]. Available: https://www.fundacionseres.org/Lists/Informes/Attachments/987/150923%20interne t-of-things.pdf. J. Salazar y S. Silvestre, «Techpedia,» 2015. [En línea]. Available: https://upcommons.upc.edu/bitstream/handle/2117/100921/LM08_R_ES.pdf. «ThingSpeak,» [En línea]. Available: https://thingspeak.com/channels/1175894/private_show. «Dane,» 06 2015. [En línea]. Available: https://www.dane.gov.co/files/investigaciones/agropecuario/sipsa/Bol_Insumos_jun_ 2015.pdf. «aviagen,» 2009. [En línea]. Available: http://es.aviagen.com/assets/Tech_Center/BB_Foreign_Language_Docs/Spanish_Te chDocs/smA-Acres-Guia-de-Manejo-del-Pollo-Engorde-2009.pdf. A. Obiols, «inLab FIB,» 19 05 2017. [En línea]. Available: https://inlab.fib.upc.edu/es/blog/que-es-la-visualizacion-de-datos-dataviz. «sinnexus busineess intelligence,» [En línea]. Available: https://www.sinnexus.com/business_intelligence/datamining.aspx. W. B. Roush, W. A. Dozier y S. L. Branton, «Comparison of Gompertz and nEural Network Models of Broiler Growth,» Poultry Science, vol. 85, nº 4, pp. 794-797, 2006. «IEEE,» 2018. [En línea]. Available: https://ieeexplore-ieee- org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=8847061. «Medium,» [En línea]. Available: https://medium.com/@amarbudhiraja/https- medium-com-amarbudhiraja-learning-less-to-learn-better-dropout-in-deep-machine- learning-74334da4bfc5. «Tdx,» [En línea]. Available: https://www.tdx.cat/bitstream/handle/10803/6281/Capitulo_6a.PDF?sequence=9&is Allowed=y. «Vincent Blog,» [En línea]. Available: https://vincentblog.xyz/posts/conceptos- basicos-sobre-redes-neuronales. «Machine Learning,» [En línea]. Available: https://machinelearningmastery.com/adam-optimization-algorithm-for-deep- learning/. «MATLAB,» [En línea]. Available: https://es.mathworks.com/help/deeplearning/ref/narxnet.html. L. Galeano Vasco y M. Cerón Muñóz, «Modelación del crecimiento de pollitas Lohmann LSL con redes neuronales y modelos de regresión no lineal,» Revista MVZ Córdoba, vol. 18, nº 3, pp. 3861-3867, 2013. J. E. Gómez Cuello, Factores zootécnicos que determinan el ciclo productivo de gallinas comerciales White leghorn l33 en Ciego de Ávila, Cuba, La Habana: Editorial Universitaria, 2017, p. 166. H. A. Ahmad, «Poultry growth modeling using neural networks and simulated data,» The Journal of Applied Poultry Research, vol. 18, nº 3, pp. 440-446, 2009. D. F. Ávila Pesántez y M. F. Vásconez Barrera, «Diseño de un sistema de control gerencial de plantas avícolas utilizando redes de sensores inalámbricos con tecnología open hardware,» Pontificia Universidad Católica del Ecuador Sede Ambato, Ambato, 2015. R. J. Sánchez Mesa y O. M. Rueda Tristancho, «Implementación de la red de sensores inalámbricos para la monitorización de variables físicas en un galpón avícola,» Facultad de Ingenierías Fisicomecánicas, Bucaramanga, 2010. N. D. Haviluddin, «Comparison of SARIMA, NARX and BPNN Models,» IEEE, pp. 1-5, 2016. E. Andreo, «aviNews,» 06 Julio 2017. [En línea]. Available: https://avicultura.info/los-efectos-del-estres-calorico-las-aves-2/. C. J. Nicol, «Organización de las Naciones Unidas para la Alimentación y la Agricultura,» [En línea]. Available: http://www.fao.org/3/al723s/al723s00.pdf. [Último acceso: 2019]. F. S. Carlile, «universidad autonoma de Barcelona,» [En línea]. Available: https://ddd.uab.cat/pub/selavi/selavi_a1985m1v27n1@reavicultura/selavi_a1985m1v 27n1p3@reavicultura.pdf. [Último acceso: 2019]. C. A. Maya, «Engormix,» 02 03 2009. [En línea]. Available: https://www.engormix.com/avicultura/articulos/calidad-agua-produccion-aves- t27850.htm. «packt,» [En línea]. Available: https://hub.packtpub.com/what-is-lstm/. «Towards data science,» [En línea]. Available: https://towardsdatascience.com/understanding-lstm-and-its-quick-implementation- in-keras-for-sentiment-analysis-af410fd85b47. |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Meta (Colombia) |
| dc.coverage.temporal.spa.fl_str_mv |
2020 |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería Mecatrónica |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/13415/1/2020_Tesis_Triana_Ardila_Santiago.pdf https://repository.unab.edu.co/bitstream/20.500.12749/13415/2/2020_Licencia_Triana_Ardila_Santiago.pdf https://repository.unab.edu.co/bitstream/20.500.12749/13415/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/13415/4/2020_Tesis_Triana_Ardila_Santiago.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/13415/5/2020_Licencia_Triana_Ardila_Santiago.pdf.jpg |
| bitstream.checksum.fl_str_mv |
562c3b8902e90e789fdaf0944aada657 452f3030e6820a1fefc51adc99ccef5f 8a4605be74aa9ea9d79846c1fba20a33 1f1eb23fa254f41d4bc79d09d3352960 4c0c5bc6da01ac229a7f09092bad6678 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1808410650152534016 |
| spelling |
González Acevedo, HernandoHincapié Melo, Diany LorenaTriana Ardila, SantiagoGonzález Acevedo, Hernando [0000544655]González Acevedo, Hernando [V8tga0cAAAAJ]González Acevedo, Hernando [0000-0001-6242-3939]Meta (Colombia)20202021-05-27T18:27:56Z2021-05-27T18:27:56Z2020-11-23http://hdl.handle.net/20.500.12749/13415instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEste documento presenta la predicción del crecimiento del ave con relación a las variables ambientales que más influyen en este proceso. Se utilizó redes neuronales recurrentes para realizar el entrenamiento de los datos que se obtuvieron en un determinado tiempo, para ello se instalaron sensores en un galpón adquiriendo los datos de temperatura, Humedad, Velocidad del viento y el peso de las aves de engorde, donde cada hora se enviaban los datos a ThingSpeak para obtener la información en tiempo real, con el fin de abarcar el IoT. Posteriormente se utilizó Python para la realización del algoritmo a partir de redes LSTM para ello se requería de la base de datos de todas las variables, con esto se realizó el procesamiento de esta información con el fin de eliminar los datos atípicos y finalmente trabajar el algoritmo con los valores normalizados. La evaluación del rendimiento del sistema se evaluó a partir del error cuadrático medio (RMSE), donde se pudo observar a partir de los porcentajes obtenidos que el sistema no llegó a estar sobreentrenado debido a que el RMSE nunca fue cero. Finalmente, al obtener el sistema de predicción se creó una página web a partir de Python Y HTML para mostrar la predicción del crecimiento cada cierta cantidad de tiempo, junto con esto se realizaron alarmas a partir de programación para informar a la persona del rendimiento que tenía el galpón en ese momento.Introducción 11 Objetivos 12 Capítulo 1 13 1.1 Marco conceptual 13 1.1.1 IoT (internet de las cosas) 13 1.1.2 ThingSpeak 13 1.1.3 Factores de crecimiento 15 1.1.4 Técnicas de inteligencia artificial 16 Capítulo 2 19 2.1 Instrumentación e IoT 19 2.1.1 Condiciones generales del galpón 19 2.1.2 Definición del hardware 19 2.1.3 Selección de microcontroladores 20 2.1.4 Selección de sensores 21 2.1.5 Selección de transmisor y receptor 28 2.1.6 Hardware adicional 28 2.1.7 Circuitos de operación 29 2.1.8 Montaje de dispositivos 32 2.1.9 Registro de mediciones 33 2.1.10 Diseño de alarmas 38 Capítulo 3 39 3.1 Incidencia de las variables ambientales en el crecimiento del ave 39 3.1.1 Desarrollo del algoritmo 39 3.1.2 Análisis de las variables ambientales 45 Capítulo 4 58 4.1 Desarrollo de una página web 58 Conclusiones 66 Bibliografía 67 Anexos 70PregradoThis paper presents the prediction of bird growth in relation to the environmental variables that most influence this process. Recurrent neural networks were used to carry out the training of the data that were obtained in a certain time, for this they were installed sensors in a shed acquiring the data of temperature, Humidity, Wind speed and weight of the birds of fattening, where every hour data was sent to Thing Speak to obtain the information in real time, in order to cover the IoT. Subsequently, Python was used to perform the algorithm from LSTM networks to do this, the database of all variables was required, with this the processing of this information was carried out in order to eliminate the atypical data and finally to work the algorithm with the normalized values. The evaluation of the performance of the system was evaluated on the basis of the mean quadratic error (CMR), where it was possible to observe from the percentages obtained that the system was not overtrained because the CMR was never zero. Finally, upon obtaining the prediction system a web page was created from Python and HTML to show the prediction of growth every certain amount of time, along with these alarms were made from programming to inform the person of the performance that had the shed at that time.application/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaDesarrollo de un sistema de análisis de las variables que afectan el crecimiento de las aves de corralDevelopment of a system for the analysis of the variables that affect the growth of poultryIngeniero MecatrónicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería Mecatrónicainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPMechatronicTechnologyAtmosphereInvestigationSensorsIncreasePoultry industryProducer qualityArtificial intelligenceMecatrónicaTecnologíaAmbientéInvestigaciónInteligencia artificialSensoresCrecimientoIndustria avícolaCalidad de productorM. Morales, «incipy,» [En línea]. Available: https://www.fundacionseres.org/Lists/Informes/Attachments/987/150923%20interne t-of-things.pdf.J. Salazar y S. Silvestre, «Techpedia,» 2015. [En línea]. Available: https://upcommons.upc.edu/bitstream/handle/2117/100921/LM08_R_ES.pdf.«ThingSpeak,» [En línea]. Available: https://thingspeak.com/channels/1175894/private_show.«Dane,» 06 2015. [En línea]. Available: https://www.dane.gov.co/files/investigaciones/agropecuario/sipsa/Bol_Insumos_jun_ 2015.pdf.«aviagen,» 2009. [En línea]. Available: http://es.aviagen.com/assets/Tech_Center/BB_Foreign_Language_Docs/Spanish_Te chDocs/smA-Acres-Guia-de-Manejo-del-Pollo-Engorde-2009.pdf.A. Obiols, «inLab FIB,» 19 05 2017. [En línea]. Available: https://inlab.fib.upc.edu/es/blog/que-es-la-visualizacion-de-datos-dataviz.«sinnexus busineess intelligence,» [En línea]. Available: https://www.sinnexus.com/business_intelligence/datamining.aspx.W. B. Roush, W. A. Dozier y S. L. Branton, «Comparison of Gompertz and nEural Network Models of Broiler Growth,» Poultry Science, vol. 85, nº 4, pp. 794-797, 2006.«IEEE,» 2018. [En línea]. Available: https://ieeexplore-ieee- org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=8847061.«Medium,» [En línea]. Available: https://medium.com/@amarbudhiraja/https- medium-com-amarbudhiraja-learning-less-to-learn-better-dropout-in-deep-machine- learning-74334da4bfc5.«Tdx,» [En línea]. Available: https://www.tdx.cat/bitstream/handle/10803/6281/Capitulo_6a.PDF?sequence=9&is Allowed=y.«Vincent Blog,» [En línea]. Available: https://vincentblog.xyz/posts/conceptos- basicos-sobre-redes-neuronales.«Machine Learning,» [En línea]. Available: https://machinelearningmastery.com/adam-optimization-algorithm-for-deep- learning/.«MATLAB,» [En línea]. Available: https://es.mathworks.com/help/deeplearning/ref/narxnet.html.L. Galeano Vasco y M. Cerón Muñóz, «Modelación del crecimiento de pollitas Lohmann LSL con redes neuronales y modelos de regresión no lineal,» Revista MVZ Córdoba, vol. 18, nº 3, pp. 3861-3867, 2013.J. E. Gómez Cuello, Factores zootécnicos que determinan el ciclo productivo de gallinas comerciales White leghorn l33 en Ciego de Ávila, Cuba, La Habana: Editorial Universitaria, 2017, p. 166.H. A. Ahmad, «Poultry growth modeling using neural networks and simulated data,» The Journal of Applied Poultry Research, vol. 18, nº 3, pp. 440-446, 2009.D. F. Ávila Pesántez y M. F. Vásconez Barrera, «Diseño de un sistema de control gerencial de plantas avícolas utilizando redes de sensores inalámbricos con tecnología open hardware,» Pontificia Universidad Católica del Ecuador Sede Ambato, Ambato, 2015.R. J. Sánchez Mesa y O. M. Rueda Tristancho, «Implementación de la red de sensores inalámbricos para la monitorización de variables físicas en un galpón avícola,» Facultad de Ingenierías Fisicomecánicas, Bucaramanga, 2010.N. D. Haviluddin, «Comparison of SARIMA, NARX and BPNN Models,» IEEE, pp. 1-5, 2016.E. Andreo, «aviNews,» 06 Julio 2017. [En línea]. Available: https://avicultura.info/los-efectos-del-estres-calorico-las-aves-2/.C. J. Nicol, «Organización de las Naciones Unidas para la Alimentación y la Agricultura,» [En línea]. Available: http://www.fao.org/3/al723s/al723s00.pdf. [Último acceso: 2019].F. S. Carlile, «universidad autonoma de Barcelona,» [En línea]. Available: https://ddd.uab.cat/pub/selavi/selavi_a1985m1v27n1@reavicultura/selavi_a1985m1v 27n1p3@reavicultura.pdf. [Último acceso: 2019].C. A. Maya, «Engormix,» 02 03 2009. [En línea]. Available: https://www.engormix.com/avicultura/articulos/calidad-agua-produccion-aves- t27850.htm.«packt,» [En línea]. Available: https://hub.packtpub.com/what-is-lstm/.«Towards data science,» [En línea]. Available: https://towardsdatascience.com/understanding-lstm-and-its-quick-implementation- in-keras-for-sentiment-analysis-af410fd85b47.ORIGINAL2020_Tesis_Triana_Ardila_Santiago.pdf2020_Tesis_Triana_Ardila_Santiago.pdfTesisapplication/pdf3030864https://repository.unab.edu.co/bitstream/20.500.12749/13415/1/2020_Tesis_Triana_Ardila_Santiago.pdf562c3b8902e90e789fdaf0944aada657MD51open access2020_Licencia_Triana_Ardila_Santiago.pdf2020_Licencia_Triana_Ardila_Santiago.pdfLicenciaapplication/pdf218021https://repository.unab.edu.co/bitstream/20.500.12749/13415/2/2020_Licencia_Triana_Ardila_Santiago.pdf452f3030e6820a1fefc51adc99ccef5fMD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/13415/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2020_Tesis_Triana_Ardila_Santiago.pdf.jpg2020_Tesis_Triana_Ardila_Santiago.pdf.jpgIM Thumbnailimage/jpeg4375https://repository.unab.edu.co/bitstream/20.500.12749/13415/4/2020_Tesis_Triana_Ardila_Santiago.pdf.jpg1f1eb23fa254f41d4bc79d09d3352960MD54open access2020_Licencia_Triana_Ardila_Santiago.pdf.jpg2020_Licencia_Triana_Ardila_Santiago.pdf.jpgIM Thumbnailimage/jpeg9430https://repository.unab.edu.co/bitstream/20.500.12749/13415/5/2020_Licencia_Triana_Ardila_Santiago.pdf.jpg4c0c5bc6da01ac229a7f09092bad6678MD55metadata only access20.500.12749/13415oai:repository.unab.edu.co:20.500.12749/134152021-05-27 18:01:45.309open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |