En el contexto contemporáneo, el mantenimiento predictivo (PdM, por sus siglas en inglés) es una alternativa efectiva para el monitoreo continuo, la detección de fallos y la conservación de los medios y equipos innovadores. En ese sentido, el objetivo de este estudio fue explorar la bibliografía actualizada sobre la aplicación del mantenimiento predictivo en la smart factory (fábrica inteligente) y en los sistemas fotovoltaicos conectados (SFC).

Despite recent advances in multilingual artificial intelligence, Indigenous languages of the Americas remain underrepresented in natural language processing (NLP) because of limited corpora, annotations, benchmarks, and reusable resources. This systematic review examines AI-based NLP research on low-resource Indigenous languages published within the 2022–2026 review window. Following PRISMA 2020 guidance and an expanded source-verification and supplementary-search process, the final analytical corpus comprised 283 unique records. Machine translation was the most represented application domain (58.3%), followed by language documentation (51.2%), Indigenous-language education (30.4%), and speech technologies (28.6%). Transformer-related architectures (54.1%) and BERT-based models (34.6%) showed the greatest literature visibility, although verified implementation/evaluation was substantially lower than terminology-level occurrence. Quechua (39.2%) and Guarani (33.6%) were the most represented languages. Multilingual training and fine-tuning were the most frequently identified adaptation strategies, while Accuracy, BLEU, and chrF predominated among evaluation metrics. Overall, the evidence reveals a developing but structurally uneven and methodologically heterogeneous field. Persistent challenges include data scarcity, linguistic complexity, orthographic and dialectal variation, limited benchmark availability, uneven community participation, and underreported Indigenous data-governance practices.

En cada lugar las condiciones climatológicas son diferentes y éstas influyen en el rendimiento de los módulos fotovoltaicos, lo cual hace necesario tener una base de datos para la región de Puno, que son indispensables para el mantenimiento de los sistemas fotovoltaicos. El estudio tiene como objetivo determinar la eficiencia de la potencia de salida de 2 tecnologías fotovoltaicas durante la estación seca y lluviosa para el centro poblado de Ayabacas. Se utilizaron 4 módulos de tecnología poli y monocristalina, 2 de cada uno. Se limpió un módulo de cada tecnología y los 2 restantes fueron expuestos a la acumulación del polvo durante 12 meses, para luego, evaluar la potencia de salida. En la estación seca, el sistema fotovoltaico policristalino con polvo respecto al sistema sin polvo reduce su eficiencia de 3.11% a 3.07%, Para el sistema fotovoltaico monocristalino con polvo respecto al sistema sin polvo, la eficiencia se reduce de 3.28% a 3.23%. En la estación lluviosa el sistema policristalino con polvo redujo su eficiencia respecto al sistema sin polvo, de 3.64% a 3.61%. Para el sistema fotovoltaico monocristalino respecto al sistema sin polvo la eficiencia se reduce de 3.83% a 3.77. Durante la estación lluviosa se observa que la mayor temperatura para el módulo fotovoltaico policristalino sin polvo fue de 48.58 °C. Para el módulo fotovoltaico monocristalino sin polvo la temperatura máxima fue de 46.3 °C. Durante la estación seca, se observa que la mayor temperatura para el módulo fotovoltaico policristalino sin polvo fue de 48.62 °C. Para el módulo fotovoltaico monocristalino sin polvo la temperatura máxima fue de 47.44 °C.

Resumen La energía solar es una fuente de energía renovable ampliamente disponible que puede satisfacer diversas necesidades energéticas, empero las condiciones climatológicas difieren en cada lugar y las condiciones de funcionamiento reales de los módulos difieren de las condiciones estándar de prueba establecidas por las especificaciones de fabricación, además la deposición del polvo en la superficie de los módulos fotovoltaicos afecta negativamente sobre la eficiencia de los sistemas fotovoltaicos. En la ciudad de Juliaca, se presenta una alta radiación solar, lo cual convierte en una de las mejores opciones para aprovechar la energía solar a través de sistemas fotovoltaicos, sin embargo, no hay investigaciones sobre la comparación de dos tecnologías de módulos fotovoltaicos monocristalino y policristalino con polvo y sin polvo. Por lo tanto, el objetivo de esta investigación es determinar la eficiencia de la potencia de salida de dos tecnologías de módulos fotovoltaicos con polvo y sin polvo durante la estación seca en la localidad de Santa María de Ayabacas ubicado a más de 3800 m.s.n.m. Para realizar el ensayo se utilizaron 4 módulos fotovoltaicos, dos de tecnología monocristalino (con polvo y sin polvo) y dos de tecnología monocristalino (con polvo y sin polvo. Se registró datos durante cuatro meses. La energía producida, rendimiento energético y eficiencia de los sistemas fotovoltaicos fueron calculados de acuerdo con los procedimientos de la norma IEC 61724. Los resultados al evaluar la potencia de salida indican que, en la estación seca, los sistemas tienen un impacto negativo por la deposición del polvo en la eficiencia en ambas tecnologías, sin embargo, el módulo monocristalino con polvo y sin polvo tiene mayor eficiencia frente al módulo fotovoltaico policristalino con polvo y sin polvo. Concluyendo que los módulos fotovoltaicos monocristalinos sin polvo muestran mayor eficiencia en zonas altoandinas por encima de los 3800 m.s.n.m.

La energía solar fotovoltaica se ha convertido en una parte esencial para la transición hacia fuentes de energía renovable, ofreciendo soluciones sostenibles para la generación de electricidad en todo el mundo. Este libro explora la evolución, innovación y evaluación de sistemas fotovoltaicos con un enfoque en Brasil y Perú, dos países que, gracias a sus condiciones geográficas privilegiadas, representan casos destacados en América Latina. Brasil, con políticas públicas sólidas y avances tecnológicos, lidera la región en adopción fotovoltaica, mientras que Perú sobresale por su potencial solar en regiones como Puno y Juliaca, promoviendo proyectos de electrificación rural y generación distribuida. A través de métodos de caracterización en laboratorio y campo, el análisis de factores ambientales, tecnológicos y operativos, y la implementación de normas técnicas avanzadas, se profundiza en la optimización de estos sistemas. Además, el libro contiene y amplía las investigaciones previas realizadas en trabajo de investigación titulada “Evaluación y Caracterización de un Sistema Fotovoltaico Conectado a La Red de 3.24 kW Con Inversor String Bajo Norma Técnica Brasileña ABNT-NBR-16274 A 3824 msnm” presentada en la Universidad Nacional del Altiplano, integrando hallazgos técnicos y científicos que aportan al desarrollo sostenible de esta tecnología. Este trabajo, dirigido a estudiantes, investigadores y profesionales, no solo resalta la importancia de los sistemas fotovoltaicos para descarbonizar la matriz energética, sino que también subraya su rol primordial en la promoción de un futuro más limpio y sostenible, tanto en América Latina como a nivel global.

Image segmentation enables accurate object identification, a key requirement in computer vision applications. In aquaculture, this technology is essential for monitoring and management of species such as Oncorhynchus mykiss. In the Peruvian highlands, where trout farming is a vital economic activity, robust computational models are needed to automate the estimation of fish size and weight and to optimize the sustainability of production systems. This research proposes ATrUNet, a U-Net-based architecture optimized for accurate segmentation of Oncorhynchus mykiss. ATrUNet improves the information flow between the encoding and decoding layers by incorporating convolutional layers, batch normalization, and activation functions. A dataset of 1166 images was constructed, processed using LabelMe with JSON annotations, and converted into binary masks. Evaluation was conducted using loss, accuracy, and IoU. As a result, ATrUNet showed higher performance than U-Net, achieving a 27.55% reduction in loss, a 0.40% increase in accuracy (0.992), and improvements in overlap metrics such as IoU and GIoU by 2.70% and 8.75%, respectively. Future work includes expanding dataset diversity, exploring instance segmentation, and optimizing for embedded deployment. This research contributes to the application of computer vision to aquaculture, with the possibility of extending it to different species and various research contexts.