| dc.rights.license | http://creativecommons.org/about/cc0/ - Sin Derechos Reservados | es_MX |
| dc.contributor | OUTMANE OUBRAM | es_MX |
| dc.contributor | NOUREDDINE LAKOUARI | es_MX |
| dc.contributor.author | Sergio Rubén Ocampo Pérez | es_MX |
| dc.contributor.other | director - Director | es_MX |
| dc.date | 2026-11-09 | |
| dc.date.accessioned | 2026-11-12T21:07:22Z | |
| dc.date.available | 2026-11-12T21:07:22Z | |
| dc.identifier.uri | http://riaa.uaem.mx/handle/20.500.12055/5613 | |
| dc.description | Este trabajo propone una metodolog ́ıa basada en aprendizaje autom ́atico para clasificar dos
par ́ametros esenciales de las bater ́ıas de iones de litio: la eficiencia coul ́ombica, que se estudia
como un indicador del rendimiento electroqu ́ımico a nivel celular, y la conductividad i ́onica, que se
analiza como una propiedad intr ́ınseca del electrolito para el transporte. Se desarroll ́o un proceso de
curaci ́on de la base de datos, basado en datos experimentales que se encuentran en la literatura. Este
proceso abarc ́o el reconocimiento de compuestos a trav ́es del sistema SMILES y la determinaci ́on de
propiedades fisicoqu ́ımicas esenciales, produciendo 13 descriptores at ́omicos para medir la eficiencia
coul ́ombica y 17 descriptores moleculares y termodin ́amicos para estudiar la conductividad i ́onica.
Luego, se llev ́o a cabo un an ́alisis exploratorio de datos en un conjunto curado, que incluye
283 datos para la eficiencia coul ́ombica y 10196 para la conductividad i ́onica. La regresi ́on LASSO
(Least Absolute Shrinkage and Selection Operator) fue la t ́ecnica utilizada para seleccionar las
caracter ́ısticas. Se definieron l ́ımites de rendimiento rigurosos para analizar las formulaciones de
manera sistem ́atica: la eficiencia coul ́ombica fue dividida en dos categor ́ıas (bajo rendimiento CE <
99 % y alto rendimiento CE ≥ 99 %), mientras que la conductividad i ́onica se clasific ́o en tres grupos:
baja (σ < 1 mS/cm), media (1 ≤ σ ≤ 10 mS/cm) y alta (σ > 10 mS/cm). | es_MX |
| dc.rights | openAccess - Acceso Abierto | es_MX |
| dc.subject | 5 - CIENCIAS SOCIALES | es_MX |
| dc.subject.other | 53 - CIENCIAS ECONÓMICAS | es_MX |
| dc.title | APLICACIÓN DE APRENDIZAJE AUTOMÁTICO PARA LA CLASIFICACIÓN DEL DESEMPEÑO DE BATERÍAS DE IONES DE LITIO A PARTIR DE LA EFICIENCIA COULÓMBICA Y LA CONDUCTIVIDAD DEL ELECTROLITO | es_MX |
| dc.type | masterThesis - Tesis de maestría | es_MX |
| uaem.unidad | Facultad de Contaduría Administración e Informática - Facultad de Contaduría Administración e Informática | es_MX |
| uaem.programa | Maestría en Optimización y Cómputo Aplicado - Maestría en Optimización y Cómputo Aplicado | es_MX |
| dc.type.publication | draft | es_MX |
| dc.date.received | 2026-11-10 | |
