Gabriela Alvarez

Gabriela Alvarez

Auto-generated profile, based on publicly available information

Gabriela Alvarez

Universidad de las Américas, Quito-Ecuador

Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
24 April 2020 in Minerva
Verified
Journal Article
Open access
PDF file
Daniel FreireDaniel Freire
Daniel Freire
OFOmar Cristóbal Flor-Unda
Omar Cristóbal Flor-Unda
GAGabriela Alvarez
Gabriela Alvarez
This work presents results of improvement in the productivity of Arthrospira platensis (spirulina) in a company dedicated to its production. The six sigma methodology was applied in production processes that require the use of bioreactors. Starting from the analysis of the current state, aspects, physical and chemical variables that directly influence the productivity achieved were identified. Various culture media were tested and subsequently scaled for industrial production. In addition, the incorporation of carbon into the culture medium was controlled, optimizing the range of potential hydrogen pH. The identified parameters were measured and six sigma methodology strategies were assigned. An improvement in productivity corresponding to 66% was verified with the same quality of final product. Keywords: Six sigma, Bioreactors, Productivity, Arthrospira platensis. References [1]E. Ariawan and A. Makalew, “Smart Micro Farm: Sustainable Algae Spirulina Growth Monitoring System” in 10th International Conference on Information Technology and Electrical Engineering (ICITEE), Bali, 2018, pp.1-4. [2]L. Socconini and C. Reato, Lean six sigma: sistema de gestión para liderar empresas. Primera edición. Barcelona: Marge Books, 2019. [3]H. Gutiérrez, Calidad and productividad. Cuarta edición. México D.F.: McGraw-Hill Interamericana, 2014. [4]G. Usharani, P. Saranraj and D. Kanchana, “Spirulina Cultivation: A Review” in International Journal of Pharmaceutical & Biological Archives, vol. 3, no. 6, pp. 1327-1336, December 2012. [5]J. Udin, O. Gani, A. Mahato, I. Sakib and M. Rakiuzzaman, SPIRULINA (Spirulina platensis) PRODUCTION IN DIFFERENT PHOTOBIOREACTORS ON ROOFTOP, International Journal of Business, Social and Scientific Research, vol. 8, no. 1, pp. 15-19, January 2020. [6]M. Arredondo, Contabilidad y análisis de costos. Primera edición. México D.F.: Grupo Editorial Patria, 2015. [7]J. García, Contabilidad de costos. Cuarta edición. México D.F.: McGraw-Hill Interamericana, 2014. [8]L. Socconini, Certificación Lean Six Sigma Green Belt para la excelencia en los negocios. Primera edición. Barcelona: Marge Books, 2015. [9]A. Vian, Introducción a la Química Industrial. Segunda edición. Buenos Aires: Reverté, 2012. [10]S. Milton, Estadística para Biología y Ciencias de la Salud. Tercera edición. Madrid: McGraw-Hill Interamericana, 2014.

8 August 2020 in Minerva
Verified
Journal Article
Open access
PDF file
GAGabriela Alvarez
Gabriela Alvarez
OFOmar Cristóbal Flor-Unda
Omar Cristóbal Flor-Unda
En este trabajo se presenta una comparación de los tiempos de respuesta, optimización de la ruta y complejidad del grafo en métodos de planificación de trayectoria para robots móviles autónomos. Se contrastan los desarrollos de Voronoi, Campos potenciales, Roadmap probabilístico y Descomposición en celdas para la navegación en un mismo entorno y validándolos para un número variable de obstáculos. Las evaluaciones demuestran que el método de generación de trayectoria por Campos Potenciales, mejora la navegación respecto de la menor ruta obtenida, el método Rapidly Random Tree genera los grafos de menor complejidad y el método Descomposición en celdas, se desempeña con menor tiempo de respuesta y menor coste computacional. Palabras Clave: optimización, trayectoria, métodos de planificación, robots móviles. Referencias [1]H. Ajeil, K. Ibraheem, A. Sahib y J. Humaidi, “Multi-objective path planning of an autonomous mobile robot using hybrid PSO-MFB optimization algorithm, ” Applied Soft Computing, vol. 89, April 2020. [2]K.Patle, G. Babu, A. Pandey, D.R.K. Parhi y A. Jagadeesh, “A review: On path planning strategies for navigation of mobile robot,” Defence Technology, vol. 15, pp. 582-606, August 2019. [3]T. Mack, C. Copot, D. Trung y R. De Keyser, “Heuristic approaches in robot path planning: A survey,” Robotics and Autonomous Systems, vol. 86, pp. 13-28, December 2016. [4]L. Zhang, Z. Lin, J. Wang y B. He, “Rapidly-exploring Random Trees multi-robot map exploration under optimization framework,” Robotics and Autonomous Systems, vol. 131, 2020. [5]S. Khan y M. K. Ahmmed, "Where am I? Autonomous navigation system of a mobile robot in an unknown environment," 2016 5th International Conference on Informatics, Electronics and Vision (ICIEV), pp. 56-61, December 2016. [6]V. Castro, J. P. Neira, C. L. Rueda, J. C. Villamizar y L. Angel, "Autonomous Navigation Strategies for Mobile Robots using a Probabilistic Neural Network (PNN)," IECON 2007 - 33rd Annual Conference of the IEEE Industrial Electronics Society, pp. 2795-2800, Taipei, 2007. [7]Y. Li, W. Wei, Y. Gao, D. Wang y C. Fan, “PQ-RRT*: An improved path planning algorithm for mobile robots,” Expert Systems with Applications, vol. 152, August 2020. [8]A. Muñoz, “Generación global de trayectorias para robots móviles, basada en curvas betaspline,” Dep. Ingeniería de Sistemas y Automática Escuela Técnica Superior de Ingeniería Universidad de Sevilla, 2014. [9]H. Montiel, E. Jacinto y H. Martínez, “Generación de Ruta Óptima para Robots Móviles a Partir de Segmentación de Imágenes,” Información Tecnológica, vol. 26, 2015. [10] C. Expósito, “Los diagramas de Vornooi, la forma matemática de dividir el mundo,” Dialnet, Diciembre 2016.