The purpose of the following Research is to analyze the impact of Lean Manufacturing on the productivity of the food industry. A methodology related to the PICO and PRISMA methods was used with the purpose of searching for articles in academic databases and specifying the criteria for including and excluding research articles. The Results demonstrate that there is a positive impact when implementing Lean tools in companies in the food sector, which generates improvements in productivity, efficiency and minimizes waste and pro- duction costs. However, to obtain these improvements, a set of factors is required that organizations must have in order to continue growing in the sector. It is concluded that implementing Lean Manufacturing tools is decisive for this type of companies due to the increase in productivity and competitiveness in the food sector. Despite the multiple benefits, there are still companies that do not take full advantage of them, generating a clear opportunity for continuous improvement in this sector.

La actitud hacia la Inteligencia Artificial (IA) es una disposición fundamental frente a un fenómeno que evoluciona aceleradamente. En este sentido, existen factores cognitivos, afectivos y conductuales que subyacen en el individuo y que determinan su versatilidad frente a la utilización y normalización de esta tecnología. Por tal razón, este estudio pretende conocer cómo enfrentan los estudiantes de Derecho el uso de la IA por medio de una metodología de enfoque cuantitativo, de corte transversal y alcance correlacional. Se empleó una escala estandarizada denominada SATAI desarrollada y validada por Woong y Seongjin en 2022 para universitarios en Seúl, Corea. Sin embargo, para esta población particular se sometió a un proceso de adaptación del modelo. Los resultados en primera instancia revelan una fiabilidad mediate el Omega de McDonald de 0.95 y destacan en su x² la puntuación alcanzada de 175.92 y con el mejoramiento de los estadísticos de bondad de ajuste se obtuvieron puntuaciones más favorables al excluir diez de los veintiséis ítems originales, por lo cual podrá denominarse EAIA – C (escala de actitudes hacia la inteligencia artificial versión corta), cuya correlación entre los factores subyacentes es moderada; entre los factores conductuales y cognitivos es 0.47, conductuales y afectivos también 0.47 y cognitivos y afectivos 0.44. A nivel descriptivo la media de valoración general fue de 3.6 en una escala de 1 a 5. Se concluye entonces, que la población de estudiantes de grado Derecho de UNITEC Honduras reporta una actitud positiva hacia el uso de la IA lo que implica que la docencia debe canalizar este instrumento como una herramienta para el aprendizaje evitando la disminución de la capacidad cognitiva humana y dentro de un marco ético normativo.

El estudio aborda la implementación de un Sistema de Inteligencia de Negocios para una empresa del sector eléctrico en Perú. La necesidad surge debido a la dispersión y falta de formatos dinámicos de información, dificultando la toma de decisiones informadas por parte de los usuarios libres, los cuales son grandes consumidores del sector eléctrico. El objetivo es diseñar y desarrollar un Sistema de Inteligencia de negocios para mejorar la toma de decisiones en la gestión de usuarios libres en una empresa del sector eléctrico. La investigación es cuantitativa, utilizando un diseño pre-experimental de corte transversal. Se emplearon fichas de observación para recopilar datos, analizados antes y después de la implementación del sistema de Inteligencia de Negocios. La muestra incluye 14 trabajadores, utilizando un muestreo no probabilístico por conveniencia. La metodología de desarrollo es Raplh Kimball. El resultado obtenido luego de la implementación de la Inteligencia de Negocios fue el incremento del porcentaje de confiabilidad en los datos para la toma de decisiones en un 96%, se redujo el tiempo de elaboración de informes en un 85%, asimismo se incrementó el porcentaje de variedad de reportes en un 87% y finalmente después de la implementación de la Inteligencia de Negocios mejoró significativamente el porcentaje de eficiencia en la generación de informes en un 83%. Estos resultados son coherentes con estudios previos que subrayan la efectividad de la Inteligencia de Negocios en mejorar la operatividad y competitividad de las organizaciones en diversos contextos empresariales.

Las grúas son ampliamente utilizadas en diversas industrias, incluida la industria pesquera, debido a su capacidad para levantar y trasladar cargas de manera eficiente y segura. Esta investigación tiene como objetivo diseñar y validar una grúa pescante innovadora, específicamente adaptada para mejorar la eficiencia y seguridad en la pesca artesanal. A través del uso de herramientas CAD, simulaciones en Ansys, se demostró que la grúa optimiza la manipulación de las cargas y reduce significativamente el esfuerzo físico de los pescadores, lo que aumenta la seguridad laboral. Los resultados indican que la implementación de esta tecnología puede tener un impacto significativo en la sostenibilidad y productividad de la pesca artesanal, ofreciendo una solución práctica adaptable a diversas comunidades pesqueras. En conclusión, la adopción de esta grúa en los muelles contribuirá a mitigar los problemas ergonómicos comúnmente enfrentados por los pescadores artesanales, mejorando sus condiciones de trabajo y mejorando su calidad de vida.

This work presents an IoT prototype for vehicle tracking and uses part of the GTFS standard to present to users of a Web page the real-time information of public transport vehicles that make routes in the Zacatenco University Campus of the National Polytechnic Institute of Mexico. The IoT node communicates using LoRa wireless technology with a server where the GTFS standard information is stored, as well as the routes of the vehicles. The IoT node is implemented with an Arduino MKR WAN 1300 board and a MKR Shell GPS module.

As technology has been advancing and the world is becoming more and more digitalized, the use of information systems in companies has become a key point for their development, and with it, security has become more relevant than ever. The purpose of this research is to explore Machine Learning models and their effectiveness in intrusion detection, evaluating their impact and applicability in the context of entrepreneurship and innovation. Therefore, 50 papers obtained from the Scopus database in the period between 2015 and 2024 focused on the use of Machine Learning models for intrusion detection were thoroughly analyzed. This review covers aspects such as: the most common types of attacks, most used dataste, most studied Machine Learning models and their classification, and finally their effectiveness in intrusion detection. The results showed that the 58 Machine Learning models identified present a minimum of 79.00% effectiveness and a maximum of 99.99% effectiveness. The conclusion is that Machine Learning models are highly effective for intrusion detection and that the implementation of these models in Intrusion Detection Systems (IDS) ensures a high percentage of the continuity of the business that is implemented online, as well as the security of the company's information and its customers.