Este proyecto propone la integración de Design Thinking como herramienta básica en el diseño de espacios públicos, especialmente en las calles, cuyo uso es más extendido y, a la vez, más limitado. De este modo, se obtendrá una comunidad involucrada en el desarrollo de una ciudad humana, que será más atractiva para sus ciudadanos y les proporcionará una mejor calidad de vida. El fin de esta investigación es la de recuperar el valor de las calles como destinos sociales y reconocerlas como el espacio público principal. Además, se incide en la importancia de los espacios públicos en la calidad de vida de las personas, pues su infraestructura influye directamente en el comportamiento y bienestar de los peatones. Con la aplicación de Design Thinking en el caso de estudio, se plantea el rediseño de la calle principal de Moquegua centrándose en las necesidades de los usuarios para determinar los problemas a solucionar. De esta forma se garantiza que el diseño sea aceptado por la comunidad y tenga éxito en su implementación, pues el lugar diseñado aumentará considerablemente su afluencia debido a su popularidad. El estudio se basa en la empatía con los ciudadanos para determinar sus preferencias y necesidades reales. Este proceso de inmersión abarcó diversos métodos de observación e interacción con los usuarios de la calle Moquegua y permitió determinar el problema en el espacio. A partir de esto, de manera colaborativa con los ciudadanos, se diseñaron prototipos de solución, los cuales fueron posteriormente evaluados y mejorados. Esto dio como resultado final del proyecto la propuesta de peatonalización de la calle, una medida que busca el bienestar de los habitantes de la ciudad. Finalmente, esta investigación evidencia el rol esencial de las calles como espacios públicos en la evolución de las ciudades, así como la importancia de que estos espacios sean diseñados en función a las personas y se mantengan en constante adaptación a sus necesidades. / Tesis

Los centros comerciales son espacios de tránsito constantes que deben abastecer al público en general, dándoles buenos servicios. Plaza San Miguel es uno de los centros comerciales más emblemáticos de Lima - Perú, viene funcionando desde el año 1976 y ha sufrido diferentes cambios estructurales a lo largo de su historia. Sin embargo, el plan hacia el 2019 es el más ambicioso, el cual plantea llevar a este centro comercial de nuevo a la vanguardia. El plan de ampliación del centro comercial se ha ido desarrollando a lo largo del año 2018 y nuestro rol como diseñadores industriales es la ideación e implementación de propuestas que cautiven al público de Plaza San Miguel para mejorar y prolongar su estadía en el centro comercial. Para esta investigación se aplicaron algunas metodologías como encuestas, shadowing, etnografía. Empezando por un análisis de las instalaciones de Plaza San Miguel, en el que se observó que no presenta suficientes espacios de descanso e interacción para amigos y familiares. Además, que los únicos espacios de descanso se encuentran ubicados dentro de los restaurantes, ya que en su mayoría los espacios condicionan a que las personas consuman en el propio establecimiento, lo cual ocasiona que los clientes permanezcan menos tiempo dentro del centro comercial y que consuman menos; otro déficit que se encontró fue la falta de información sobre eventos o promociones que ofrece Plaza San Miguel. Como base para la propuesta de este proyecto se revisaron estudios sobre diseño interactivo y el estado del arte dentro y fuera del país. También se realizó un testeo y 2 focus group para realizar la validación de la forma y funcionalidad del producto. Al finalizar el proyecto se concluyó que con una estación de descanso que funcione a su vez como un punto de encuentro, que brinde comodidad y bienestar al consumidor de Plaza San Miguel, se generará una mayor afluencia de visitas al centro comercial. A su vez, la experiencia del cliente PSM mejorará.

Espacios más atractivos y confortables sin dejar de lado la inclusión como parte de este. Los enfoques de diseño de espacios públicos apuntan a ser universales utilizando la experiencia de usuarios del espacio público con diversos tipos de discapacidad y/o movilidad reducida. Por lo general, utilizan la experiencia de peatones de avanzada edad, con discapacidades motrices, y ahora último, personas con movilidad reducida temporal. Sin embargo, existe un grupo social el cual ha sido ignorado desde el inicio de la historia, debido a que no pueden valerse por sí mismo, no pueden conversar de temas complejos ni pueden aportar al sistema financiero; este grupo social es la infancia y con más exactitud: la primera infancia. Esta investigación busca encontrar los requerimientos para el diseño de los espacios públicos basados en la necesidad de la primera infancia, este grupo que ha sido dejado de lado en la toma de decisiones importantes en el hogar y en la ciudad. Para esta investigación se utilizaron diversos métodos de recolección de información, entre estos se encuentran: entrevistas informales, encuestas, observación pasiva, observación participativa; además de la metodología de análisis de la vida pública que Jan Gel expuso en su libro “How to study publics space” (2006). Los objetivos para esta tesis son entender las líneas de deseos de los infantes y sus cuidadores; encontrar los factores sociales que influyen en el uso de los espacios públicos por parte de estos para así poder generar intervenciones urbanas y recomendaciones para mejorar su estancia en el barrio de Alto Perú en el distrito de Chorrillos.

Este proyecto propone la integración de Design Thinking como herramienta básica en el diseño de espacios públicos, especialmente en las calles, cuyo uso es más extendido y, a la vez, más limitado. De este modo, se obtendrá una comunidad involucrada en el desarrollo de una ciudad humana, que será más atractiva para sus ciudadanos y les proporcionará una mejor calidad de vida. El fin de esta investigación es la de recuperar el valor de las calles como destinos sociales y reconocerlas como el espacio público principal. Además, se incide en la importancia de los espacios públicos en la calidad de vida de las personas, pues su infraestructura influye directamente en el comportamiento y bienestar de los peatones. Con la aplicación de Design Thinking en el caso de estudio, se plantea el rediseño de la calle principal de Moquegua centrándose en las necesidades de los usuarios para determinar los problemas a solucionar. De esta forma se garantiza que el diseño sea aceptado por la comunidad y tenga éxito en su implementación, pues el lugar diseñado aumentará considerablemente su afluencia debido a su popularidad. El estudio se basa en la empatía con los ciudadanos para determinar sus preferencias y necesidades reales. Este proceso de inmersión abarcó diversos métodos de observación e interacción con los usuarios de la calle Moquegua y permitió determinar el problema en el espacio. A partir de esto, de manera colaborativa con los ciudadanos, se diseñaron prototipos de solución, los cuales fueron posteriormente evaluados y mejorados. Esto dio como resultado final del proyecto la propuesta de peatonalización de la calle, una medida que busca el bienestar de los habitantes de la ciudad. Finalmente, esta investigación evidencia el rol esencial de las calles como espacios públicos en la evolución de las ciudades, así como la importancia de que estos espacios sean diseñados en función a las personas y se mantengan en constante adaptación a sus necesidades.

En la presente tesis se propone una metodología de desarrollo de estrategias híbridas para la mitigación de fallos inducidos por radiación en los sistemas empotrados modernos. La propuesta se basa en los principios del co-diseño de sistemas y consiste en la combinación selectiva, incremental y flexible de enfoques de tolerancia a fallos basados en hardware y software. Es decir, la exploración del espacio de soluciones se fundamenta en una estrategia híbrida de grano fino. El flujo de diseño está guiado por los requisitos de la aplicación. Esta metodología se ha denominado: co-endurecimiento. De esta forma, es posible diseñar sistemas embebidos confiables a bajo coste, donde no sólo se satisfagan los requisitos de confiabilidad y las restricciones de diseño, sino que también se evite el uso excesivo de costosos mecanismos de protección (hardware y software).

[ES] La presente tesis doctoral está dedicada a estudiar, desarrollar y aplicar metodologías basadas en datos, fundamentadas en modelos estadísticos multivariantes de variables latentes, para abordar el paradigma del aprendizaje científico en el entorno de la Industria 4.0. Se pone especial énfasis en los modelos causales basados en variables latentes que utilizan tanto datos provenientes de un diseño de experimentos como, principalmente, datos provenientes del proceso de producción diario, es decir, datos históricos. La tesis está estructurada en cinco partes. La primera parte discute el paradigma del aprendizaje científico en el entorno de la Industria 4.0. Se destacan los objetivos de la tesis. Además, se presenta una descripción exhaustiva de los modelos basados en variables latentes, sobre los cuales se fundamentan las metodologías novedosas propuestas en esta tesis. En la segunda parte, se presentan las novedosas aportaciones metodológicas. En primer lugar, se muestra el potencial de PLS para analizar datos del DOE, con o sin datos faltantes. Posteriormente, el potencial de los modelos causales basados en variables latentes se centra en definir el espacio de diseño de la materia prima que proporciona garantía de calidad con un cierto nivel de confianza para los atributos críticos de calidad, junto con el desarrollo de un nuevo índice de capacidad multivariante basado en el espacio latente para clasificar y seleccionar proveedores para una materia prima particular utilizada en un proceso de fabricación. La tercera parte pretende abordar aplicaciones novedosas mediante modelos causales basados en variables latentes utilizando datos históricos. En primer lugar, se trata de su aplicación en el ámbito sanitario: la Pandemia COVID-19. En este contexto, se utiliza el uso de modelos basados en variables latentes para desarrollar una alternativa a los ensayos clínicos controlados con placebo. Luego, se utilizan modelos basados en variables latentes para optimizar procesos en el marco de aplicaciones industriales. La cuarta parte presenta una interfaz gráfica de usuario desarrollada en código Python que integra los métodos desarrollados con el objetivo de ser autoexplicativa y fácil de usar. Finalmente, la última parte discute la relevancia de esta disertación, incluyendo propuestas que merecen mayor investigación. / [CA] Aquesta tesi doctoral està dedicada a estudiar, desenvolupar i aplicar metodologies basades en dades, fonamentades en models estadístics multivariants de variables latents, per abordar el paradigma de l'aprenentatge científic a l'entorn de la Indústria 4.0. Es posa un èmfasi especial en els models causals basats en variables latents que utilitzen tant; dades provinents d'un disseny d'experiments com, principalment, dades provinents del procés de producció diari, és a dir, dades històriques. La tesi està estructurada en cinc parts. A la primera part es discuteix el paradigma de l'aprenentatge científic a l'entorn de la Indústria 4.0. Es destaquen els objectius de la tesi. A més, es presenta una descripció exhaustiva dels models basats en variables latents, sobre els quals es fonamenten les noves metodologies proposades en aquesta tesi. A la segona part, es presenten les noves aportacions metodològiques. En primer lloc, es mostra el potencial de PLS per analitzar dades del DOE, amb dades faltants o sense aquestes. Posteriorment, el potencial dels models causals basats en variables latents se centra a definir l'espai de disseny de la matèria prima que proporciona garantia de qualitat amb un cert nivell de confiança per als atributs crítics de qualitat, juntament amb el desenvolupament d'un nou índex de capacitat multivariant basat en l'espai latent per a classificar i seleccionar proveïdors per a una primera matèria particular utilitzada en un procés de fabricació. La tercera part pretén abordar aplicacions noves mitjançant models causals basats en variables latents utilitzant dades històrques. En primer lloc, es tracta de la seva aplicació a l'àmbit sanitari: la Pandèmia COVID-19. En aquest context, es fa servir l'ús de models basats en variables latents per desenvolupar una alternativa als assaigs clínics controlats amb placebo. Després s'utilitzen models basats en variables latents per optimitzar processos en el marc d'aplicacions industrials. La quarta part presenta una interfície gràfica d'usuari desenvolupada en codi Python que integra els mètodes desenvolupats amb l'objectiu de ser autoexplicativa i fàcil d'usar. Finalment, l'última part discuteix la rellevància d'aquesta dissertació, incloent-hi propostes que mereixen més investigació. / [EN] The present Ph.D. thesis is devoted to studying, developing, and applying data-driven methodologies, based on multivariate statistical models of latent variables, to address the scientific learning paradigm in the Industry 4.0 environment. Particular emphasis is placed on causal latent variable-based models using both data coming from a planned design of experiments and, mainly, data coming from the daily production process, namely happenstance data. The dissertation is structured in five parts. The first part discusses the scientific learning paradigm in the Industry 4.0 environment. The objectives of the thesis are highlighted. In addition to that, a comprehensive description of latent variable-based models is presented, on which the novel methodologies proposed in this thesis are founded. In the second part, the novel methodological contributions are presented. Firstly, the potential of PLS to analyze data from DOE, with or without missing runs is illustrated. Then, the potential of causal latent variable-based models is concentrated on defining the raw material design space providing assurance of quality with a certain confidence level for the critical to quality attributes, jointly with the development of a novel latent space-based multivariate capability index to rank and select suppliers for a particular raw material used in a manufacturing process. The third part aims to address novel applications by means of causal latent variable-based models using happenstance data. First, it concerns a health application: the Pandemic COVID-19. In this context, the use of latent variable-based models is applied to develop an alternative to placebo-controlled clinical trials. Then, latent variable-based models are used to optimize processes within the framework of industrial applications. The fourth part introduces a graphical user interface developed in Python code that integrates the developed methods with the aim of being self-explanatory and user-friendly. Finally, the last part discusses the relevance of this dissertation, including proposals that deserve further research. / Borràs Ferrís, J. (2023). Causal latent space-based models for scientific learning in Industry 4.0 [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/198993