Mostrar el registro sencillo del ítem

dc.rights.licenseabiertoes_ES
dc.contributor.advisorVargas Buitrago, Alba Josefa
dc.contributor.authorCárdenas Peña, Schayra Nataly
dc.contributor.otherCortés Serrano, Laura Marcela
dc.coverage.spatialN/Aes_ES
dc.date.accessioned2026-07-06T20:34:16Z
dc.date.available2026-07-06T20:34:16Z
dc.identifier.citationes_ES
dc.identifier.urihttp://repositorio.uts.edu.co:8080/xmlui/handle/123456789/24686
dc.descriptionResiduoses_ES
dc.description.abstractEl presente trabajo de grado analiza la implementación de herramientas de Inteligencia Artificial (IA) en los procesos de clasificación y reciclaje de residuos sólidos en Colombia y su incidencia en la economía circular. La investigación parte de la problemática nacional caracterizada por una baja tasa de reciclaje, la dependencia de vertederos y la falta de digitalización en la gestión de residuos. La metodología corresponde a una monografía de análisis con enfoque cualitativo, basada en revisión bibliográfica, análisis documental de políticas públicas y comparación de experiencias internacionales. Se identificaron tecnologías como visión artificial, machine learning y sistemas integrados de IoT, que permiten optimizar la clasificación, mejorar la trazabilidad y garantizar mayor pureza en los materiales recuperados (Garzón Garzón, et. Al, 2025). El estudio revisa casos exitosos en países como Alemania, Japón y Estados Unidos, donde la automatización ha demostrado altos niveles de eficiencia y recuperación de recursos, y contrasta estas experiencias con el contexto colombiano. A partir de ello, se proponen lineamientos estratégicos que incluyen proyectos piloto, capacitación de recicladores, incentivos gubernamentales y plataformas digitales de trazabilidad. La incorporación de Inteligencia Artificial en la gestión de residuos sólidos en Colombia es viable porque ya se han evidenciado mejoras concretas en proyectos piloto y prototipos locales. Por ejemplo, el sistema ReciBot alcanzó una precisión superior al 90% en la clasificación automática de residuos (Garzón Garzón, et. Al, 2025), mientras que iniciativas como Nomo Waste han demostrado avances en trazabilidad y separación de materiales (Bernal-Cerquera, et. Al, 2025). Estos resultados iniciales evidencian que la IA puede aumentar la eficiencia, reducir costos y mejorar la recuperación de recursos, lo que confirma su potencial para fortalecer la economía circular en el país (Oliveros & Meléndez, 2024).es_ES
dc.description.sponsorshipN/Aes_ES
dc.description.tableofcontentsRESUMEN EJECUTIVO 11 INTRODUCCIÓN 13 1. DESCRIPCIÓN DEL TRABAJO DE INVESTIGACIÓN 14 1.1. PLANTEAMIENTO DEL PROBLEMA 14 1.2. JUSTIFICACIÓN 16 1.3. OBJETIVOS 17 1.3.1. OBJETIVO GENERAL 17 1.3.2. OBJETIVOS ESPECÍFICOS 17 2. MARCO REFERENCIAL 19 2.1. MARCO TEORICO 19 2.1.1. RESIDUOS SOLIDOS 19 2.1.2. SEPARACIÓN EN LA FUENTE 19 2.1.3. CÓDIGO DE COLORES 19 2.1.4. CLASIFICACIÓN DE RESIDUOS 20 2.1.5. PROPIEDADES DE LOS RESIDUOS 20 2.1.6. COMPOSICIÓN DE LOS RESIDUOS 20 2.1.7. LA GESTIÓN INTEGRAL DE RESIDUOS SÓLIDOS (GIRS) 21 2.1.8. ECONOMÍA CIRCULAR Y SOSTENIBILIDAD 22 2.1.9. TRAZABILIDAD DE RESIDUOS SÓLIDOS 22 2.1.10. INTELIGENCIA ARTIFICIAL (IA) 23 2.1.11. TRANSFORMACIÓN DIGITAL APLICADA A LA GESTIÓN DE RESIDUOS 23 2.1.12. OBJETIVOS DE DESARROLLO SOSTENIBLE 23 2.2. MARCO CONCEPTUAL 24 2.2.1. APROVECHAMIENTO DE RESIDUOS 24 2.2.2. AUTOMATIZACIÓN 24 2.2.3. CLASIFICACIÓN DE RESIDUOS 25 2.2.4. ECONOMÍA CIRCULAR 25 2.2.5. GESTIÓN INTEGRAL DE RESIDUOS SÓLIDOS (GIRS) 25 2.2.6. INTELIGENCIA ARTIFICIAL (IA) 25 2.2.7. RECICLAJE 25 2.2.8. RECUPERACIÓN DE RESIDUOS 25 2.2.9. SOSTENIBILIDAD AMBIENTAL 26 2.2.10. TRAZABILIDAD DE RESIDUOS 26 2.2.11. TECNOLOGÍAS DE APRENDIZAJE PROFUNDO (DEEP LEARNING) 26 2.3. MARCO LEGAL 26 FUENTE: AUTORA 27 2.4. MARCO GEOGRÁFICO 27 3. DISEÑO DE LA INVESTIGACIÓN 29 4. DESARROLLO DEL TRABAJO DE GRADO 31 4.1. FASE 1: HERRAMIENTAS DE LA IA EN GESTIÓN DE RESIDUOS 31 4.2. FASE 2: EXPERIENCIAS INTERNACIONALES 31 4.3. FASE 3: ANÁLISIS PARA COLOMBIA 32 4.4. FASE 4: LINEAMIENTOS ESTRATÉGICOS 32 5. RESULTADOS 33 5.1. FASE 1: HERRAMIENTAS DE LA IA EN GESTIÓN DE RESIDUOS 33 5.1.1. TIPOS DE TECNOLOGÍAS 33 5.1.2. APLICACIONES: 34 5.1.3. VENTAJAS Y LIMITACIONES: 37 5.2. FASE 2: EXPERIENCIAS INTERNACIONALES 40 5.2.1. ANÁLISIS DE CASOS 40 5.3. FASE 3: ANÁLISIS PARA COLOMBIA 43 5.3.1. ECONÓMICO 43 5.3.2. SOCIAL 44 5.3.3. NORMATIVO 44 5.4. FASE 4: LINEAMIENTOS ESTRATÉGICOS 45 5.4.1. FORTALECIMIENTO DE PROYECTOS PILOTO CON INTELIGENCIA ARTIFICIAL 45 5.4.2. CREACIÓN DE INCENTIVOS FISCALES Y FONDOS DE INNOVACIÓN AMBIENTAL 46 5.4.3. FORMALIZACIÓN Y CAPACITACIÓN DIGITAL DE RECICLADORES DE OFICIO 46 6. CONCLUSIONES 50 7. RECOMENDACIONES 52 8. REFERENCIAS BIBLIOGRÁFICAS 53 9. APÉNDICES ¡ERROR! MARCADOR NO DEFINIDO. 10. ANEXOS ¡ERROR! MARCADOR NO DEFINIDO.es_ES
dc.subjectInteligencia Artificial, residuos sólidos, reciclaje, economía circular, trazabilidad.es_ES
dc.titleAnálisis sobre la implementación de Inteligencia Artificial en procesos de clasificación y reciclaje de residuos sólidos y su incidencia en la economía circular en Colombiaes_ES
dc.typedegree workes_ES
dc.date.emitido2026-07-06
dc.dependenciafcnies_ES
dc.proceso.procesoutsdocenciaes_ES
dc.type.modalidadmonografiaes_ES
dc.format.formatopdfes_ES
dc.titulogTecnóloga en Manejo de Recursos Ambientaleses_ES
dc.educationleveltecnologoes_ES
dc.contibutor.evaluatorevaluadores_ES
dc.date.aprobacion2026-06-24
dc.description.programaacademicoTecnología en Manejo de Recursos Ambientaleses_ES
dc.dependencia.regionbucaramangaes_ES


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem