| dc.description.abstract | Los servicios basados en la ubicación se han expandido rápidamente a través de los an ̃os, el GPS (en inglés, Global Positioning System), como base del posicionamiento en exteriores, posee limitaciones que impiden su correcto funcionamiento en interiores. En situaciones en las que es necesario obtener una mayor precisión en ambientes interiores, deben implementarse soluciones alternas a un sistema de geoposicionamiento y recurrir a tecnologías que se ajusten a estos requerimientos. En esta investigación, cuyo objetivo es realizar un sistema IoT para seguimiento e identificación de activos en interiores usando aprendizaje de maquina, se presenta el diseño y desarrollo de dispositivos electrónicos capaces de comunicarse entre si para enviar la información a un sistema central que determina la ubicación de activos en un ambiente controlado.En esta investigación se recurre al aprendizaje de maquina como método de estimación de la ubicación. Teniendo en cuenta que existen múltiples factores externos que afectan la precisión de los algoritmos de estimación de la posición tradicionales se implementa el aprendizaje profundo y se analizan los datos obtenidos a partir de la evaluación del desempeño del modelo en un espacio controlado.Es importante resaltar que en este proyecto era relevante tener control de las múltiples variables que afectan el desempeño del sistema, por tal motivo se diseño y desarrollo ́ el hardware, firmware de las estaciones de escaneo y TAG utilizando BLE Bluetooth Low Energy y el protocolo iBeacon, posteriormente se implement ́o la recolección y etiqueta de datos asociados a la intensidad de sen ̃al RSSI a través de pruebas automatizadas, se realizo la respectiva centralización y procesamiento para el entrenamiento de la información y posteriormente se realizó en backend y frontend para la capa de aplicación. | spa |
