The document sets out three differentiated proposals for the transport of medicines through RPAS with their respective regulations, adapted to different operational categories: open category, special category and military scope. In the open category, an economical and efficient solution is prioritized for urban and rural areas, complying with weight and height regulations, in addition to guaranteeing the stability and quality of medications during transportation. The special category allows more complex operations and in more adverse conditions, such as densely populated areas and long routes, incorporating advanced security measures and training for personnel. In the military field, RPAS are used in conflict zones and hard-to-reach areas, ensuring the safe and rapid delivery of medical supplies under extreme conditions. Success stories in different countries are highlighted, demonstrating significant improvements in delivery times and risk reduction for health personnel.

El incremento sostenido del tráfico aéreo ha elevado la complejidad en la gestión del espacio aéreo, aumentando el riesgo de congestión y conflictos entre aeronaves. En este estudio, se desarrolla un modelo basado en algoritmos de machine learning para la identificación y clasificación de posibles escenarios de riesgo en la navegación aérea. La investigación se centra en el espacio aéreo comprendido entre los aeropuertos de Bahía Solano, Nuquí, Quibdó y Medellín, una región caracterizada por un alto flujo de aeronaves. El estudio se desarrolla en tres fases: La primera corresponde a la adquisición y procesamiento de datos de navegación aérea. Se emplean datos obtenidos a través de la plataforma FlightRadar24, generados por el sistema ADS-B de las aeronaves, los cuales incluyen información como identificación, posición, velocidad y rumbo. Estos datos son analizados y preprocesados para detectar patrones y caracterizar la dinámica del tráfico en la zona de estudio, la segunda fase consiste en la definición de criterios para la identificación de zonas de congestión aérea. Se establece un volumen de seguridad para cada aeronave con base en las reglas de separación mínima establecidas en los procedimientos de vuelo por instrumentos (IFR). Se considera que ocurre congestión cuando una aeronave ingresa en el volumen de seguridad de otra, lo que incrementa el riesgo de conflicto, y por último, en la tercera fase, se aplica un algoritmo de clasificación para la detección de zonas de congestión aérea. Se selecciona el algoritmo DBSCAN (Density-Based Spatial Clustering of Applications with Noise), que permite identificar regiones con alta densidad de aeronaves y diferenciarlas de las rutas de tránsito normal. Para ello, se procesan los datos considerando variables como la altitud, la velocidad y la posición geoespacial. La metodología empleada permite detectar áreas con riesgo de saturación y evaluar la distribución del tráfico en el espacio aéreo analizado. Los resultados muestran que DBSCAN detecta con precisión zonas potenciales de conflicto, ofreciendo una herramienta efectiva para mejorar la seguridad y gestión del tráfico en regiones con alta densidad aérea.