This research paper proposes a framework utilizing multicriteria tools for optimal site selection of photovoltaic solar farms. A comparative analysis was conducted using three quantitative methods—CRITIC (criteria importance through intercriteria correlation), PCA (principal component analysis), and entropy—to obtain the weights for the selection process. The evaluation considered environmental, demographic, financial, meteorological, and performance system criteria. TOPSIS (technique for order preference by similarity to ideal solution) was employed to rank the alternatives based on their proximity to the ideal positive solution and distance from the ideal negative solution. The capital cities of the seven departments in the Colombian Caribbean region were selected for the assessment, characterized by high annual solar radiation, to evaluate the suitability of the proposed decision-making framework. The results demonstrated that Barranquilla consistently ranked in the top two across all methods, indicating its strong performance. Cartagena, for instance, fluctuated between first and third place, showing some stability but still influenced by the method used. In contrast, Sincelejo consistently ranked among the lowest positions. A sensitivity analysis with equal weight distribution confirmed the top-performing cities, though it also highlighted that the weight assignment method impacted the final rankings. Choosing the appropriate method for weight calculation depended on factors such as the diversity and interdependence of criteria, the availability of reliable data, and the desired sensitivity of the results. For instance, CRITIC captured inter-criteria correlation, while PCA focused on reducing dimensionality, and entropy emphasized the variability of information.
En este trabajo se establecen los parámetros para la conectividad de una red inalámbrica de sensores con topología clúster con nodo sumidero en vehículo aéreo no tripulado para la recolección de datos de las variables edafoclimaticas de un cultivo de banano variedad Willams. Para esto se modelan las pérdidas del canal inalámbrico en la plantación a una frecuencia de 900 MHz, con el propósito de estimar la distancia entre los nodos de la red. Además, se estima la altura de sobrevuelo y la distancia de acercamiento del dron al nodo cabeza de clúster, empleando transmisores a 2400 MHz y antenas λ/4 con línea de vista. Se obtiene un modelo de pérdidas con una atenuación promedio del canal de 68.99 dB, un exponente de pérdidas de camino de 4.88 y una desviación estándar de 4.2 dB. Se determina una distancia entre nodos de 71 metros usando una sombra de 4.3 dB para una probabilidad de éxito del 85%. Se establece una altura de sobrevuelo de 40 metros con distancia de acercamiento al nodo cabeza de clúster de 20 metros. Se concluye que es posible implementar este tipo de red en esta plantación usando tecnología XBee para la comunicación entre los nodos de clúster y WiFi para conectar el nodo sumidero y los nodos cabeza de clúster.
Las redes inalámbricas de sensores regularmente están formadas por numerosos nodos con baja capacidad de energía, comunicación, procesamiento y almacenamiento. El diseño de estas redes presenta desafíos relacionados con el consumo energético, latencia y modo de recolección de la información. La configuración de los nodos en clústeres y el uso de vehículo aéreo no tripulado como nodo recolector mejora el rendimiento energético de la red y facilita la recopilación de los datos. Sin embargo, se requiere de la selección de un nodo líder de clúster que concentre los datos recolectados por los otros nodos y los reenvíe al equipo móvil en el aire. El objetivo de este trabajo consiste en la selección del nodo líder de clúster que optimice el rendimiento de la red. Para la selección se aplica métodos de toma de decisiones multicriterio. Primero se emplea el proceso analítico jerárquico para identificar la prioridad de los criterios empleados en la toma de decisión. Posteriormente, se emplea la técnica para el orden de preferencia por similitud con la solución ideal para la selección del nodo líder. Como resultado se obtiene el vector de prioridades de los criterios: energía residual 56.51%; nivel de intensidad de señal recibida 27.2%, energía empleada en la transmisión 10.38%, y número de nodos vecinos 5.91%. Además, se propone el algoritmo para optimizar la selección del nodo líder en el clúster.
This work presents a spatially regularized modelling framework for selecting IoT-enabled environmental monitoring nodes within smart-lighting infrastructures. The study does not claim novelty in CRITIC, TOPSIS, mixed-integer programming, or Voronoi tessellation as isolated methods. Instead, its contribution is the problem-specific formulation and validation of a node-selection workflow in which CRITIC-derived criterion weights and TOPSIS suitability scores are used as suitability coefficients in a binary location model, while spatial redundancy is controlled through a distance-threshold penalty. Candidate-level datasets were available for three mining-impacted municipalities in northern Colombia: Albania (70 candidates), Algarrobo (87 candidates), and La Jagua de Ibirico (76 candidates). The implementation uses a minimum separation threshold d0 = 100 m, corresponding to a practical microscale spacing criterion for public-lighting-based monitoring stations, and evaluates sensitivity to the regularization parameter λ. Compared with pure top-k TOPSIS selection, the spatially regularized solutions eliminate close-pair conflicts below 100 m and increase the minimum inter-node distance to approximately 101.2 m in Albania, 105.6 m in Algarrobo, and 100.6 m in La Jagua de Ibirico in the high-regularization MILP runs. Solver runs for the sparse linearized MILP reached zero optimality gap on the reported instances. Voronoi tessellation is then used as an interpretive coverage tool, not as evidence of mathematical novelty. Finally, the analysis of criterion-weight distributions is presented as exploratory and descriptive because of the limited number of main criterion groups.