Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas...

Autores
Mione, Federico Martín
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Martínez, Ernesto Carlos
Cruz Bournazou, Mariano Nicolás
Descripción
Este trabajo de tesis aborda la creciente complejidad en la experimentación de bioprocesos, impulsada por el uso de plataformas robóticas de alto rendimiento y la integración de métodos de inteligencia artificial. Si bien estas tecnologías han permitido aumentar significativamente el volumen y la calidad de los datos experimentales, también han introducido desafíos en términos de trazabilidad, control y reproducibilidad. En este contexto, se propone un enfoque integral basado en la automatización de la captura de datos y metadatos mediante un orquestador de tareas, que emplea grafos acíclicos dirigidos para modelar y ejecutar flujos de trabajo experimentales. La solución planteada garantiza la procedencia de los datos y minimiza la intervención humana, alineándose con los principios FAIR (Findable, Accessible, Interoperable, Reusable). Asimismo, se desarrolla una estrategia para la integración del conocimiento generado en una base de datos gráfica, donde la incorporación de semántica permite mejorar la comprensión, trazabilidad y reutilización de la información. En este marco, se propone una especificación formal de la estructura de datos basada en el estándar PG-Schema. Adicionalmente, se explora la combinación de esta arquitectura con modelos de lenguaje extendido, con el objetivo de facilitar el acceso a la base de conocimiento mediante consultas en lenguaje natural. Esta integración demuestra el valor de estructurar semánticamente los datos para potenciar herramientas de inteligencia artificial. En conjunto, el trabajo contribuye al desarrollo de laboratorios inteligentes, promoviendo la automatización, la colaboración interdisciplinaria y la reproducibilidad científica en entornos experimentales complejos.
Fil: Mione, Federico Martín. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
Materia
Grafos de conocimiento
Plataformas robóticas
Reproducibilidad
Experimentación
Flujo de trabajo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/4.0/
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14845
Acceder
id RIAUTN_0157a54b0fb31003c4517d651b9534b3
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14845
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensivaMione, Federico MartínGrafos de conocimientoPlataformas robóticasReproducibilidadExperimentaciónFlujo de trabajoEste trabajo de tesis aborda la creciente complejidad en la experimentación de bioprocesos, impulsada por el uso de plataformas robóticas de alto rendimiento y la integración de métodos de inteligencia artificial. Si bien estas tecnologías han permitido aumentar significativamente el volumen y la calidad de los datos experimentales, también han introducido desafíos en términos de trazabilidad, control y reproducibilidad. En este contexto, se propone un enfoque integral basado en la automatización de la captura de datos y metadatos mediante un orquestador de tareas, que emplea grafos acíclicos dirigidos para modelar y ejecutar flujos de trabajo experimentales. La solución planteada garantiza la procedencia de los datos y minimiza la intervención humana, alineándose con los principios FAIR (Findable, Accessible, Interoperable, Reusable). Asimismo, se desarrolla una estrategia para la integración del conocimiento generado en una base de datos gráfica, donde la incorporación de semántica permite mejorar la comprensión, trazabilidad y reutilización de la información. En este marco, se propone una especificación formal de la estructura de datos basada en el estándar PG-Schema. Adicionalmente, se explora la combinación de esta arquitectura con modelos de lenguaje extendido, con el objetivo de facilitar el acceso a la base de conocimiento mediante consultas en lenguaje natural. Esta integración demuestra el valor de estructurar semánticamente los datos para potenciar herramientas de inteligencia artificial. En conjunto, el trabajo contribuye al desarrollo de laboratorios inteligentes, promoviendo la automatización, la colaboración interdisciplinaria y la reproducibilidad científica en entornos experimentales complejos.Fil: Mione, Federico Martín. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.Martínez, Ernesto CarlosCruz Bournazou, Mariano Nicolás2026-04-30T22:41:03Z2026-03info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralpdfapplication/pdfhttps://hdl.handle.net/20.500.12272/14845spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial 4.0 InternacionalFederico Martín MioneCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:59:05Zoai:ria.utn.edu.ar:20.500.12272/14845instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:59:05.566Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
title Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
spellingShingle Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
Mione, Federico Martín
Grafos de conocimiento
Plataformas robóticas
Reproducibilidad
Experimentación
Flujo de trabajo
title_short Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
title_full Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
title_fullStr Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
title_full_unstemmed Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
title_sort Un enfoque basado en grafos de conocimiento y grafos acíclicos dirigidos para la automatización y la reproducibilidad de flujos de trabajo computacionales en plataformas robóticas de experimentación intensiva
dc.creator.none.fl_str_mv Mione, Federico Martín
author Mione, Federico Martín
author_facet Mione, Federico Martín
author_role author
dc.contributor.none.fl_str_mv Martínez, Ernesto Carlos
Cruz Bournazou, Mariano Nicolás
dc.subject.none.fl_str_mv Grafos de conocimiento
Plataformas robóticas
Reproducibilidad
Experimentación
Flujo de trabajo
topic Grafos de conocimiento
Plataformas robóticas
Reproducibilidad
Experimentación
Flujo de trabajo
dc.description.none.fl_txt_mv Este trabajo de tesis aborda la creciente complejidad en la experimentación de bioprocesos, impulsada por el uso de plataformas robóticas de alto rendimiento y la integración de métodos de inteligencia artificial. Si bien estas tecnologías han permitido aumentar significativamente el volumen y la calidad de los datos experimentales, también han introducido desafíos en términos de trazabilidad, control y reproducibilidad. En este contexto, se propone un enfoque integral basado en la automatización de la captura de datos y metadatos mediante un orquestador de tareas, que emplea grafos acíclicos dirigidos para modelar y ejecutar flujos de trabajo experimentales. La solución planteada garantiza la procedencia de los datos y minimiza la intervención humana, alineándose con los principios FAIR (Findable, Accessible, Interoperable, Reusable). Asimismo, se desarrolla una estrategia para la integración del conocimiento generado en una base de datos gráfica, donde la incorporación de semántica permite mejorar la comprensión, trazabilidad y reutilización de la información. En este marco, se propone una especificación formal de la estructura de datos basada en el estándar PG-Schema. Adicionalmente, se explora la combinación de esta arquitectura con modelos de lenguaje extendido, con el objetivo de facilitar el acceso a la base de conocimiento mediante consultas en lenguaje natural. Esta integración demuestra el valor de estructurar semánticamente los datos para potenciar herramientas de inteligencia artificial. En conjunto, el trabajo contribuye al desarrollo de laboratorios inteligentes, promoviendo la automatización, la colaboración interdisciplinaria y la reproducibilidad científica en entornos experimentales complejos.
Fil: Mione, Federico Martín. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
description Este trabajo de tesis aborda la creciente complejidad en la experimentación de bioprocesos, impulsada por el uso de plataformas robóticas de alto rendimiento y la integración de métodos de inteligencia artificial. Si bien estas tecnologías han permitido aumentar significativamente el volumen y la calidad de los datos experimentales, también han introducido desafíos en términos de trazabilidad, control y reproducibilidad. En este contexto, se propone un enfoque integral basado en la automatización de la captura de datos y metadatos mediante un orquestador de tareas, que emplea grafos acíclicos dirigidos para modelar y ejecutar flujos de trabajo experimentales. La solución planteada garantiza la procedencia de los datos y minimiza la intervención humana, alineándose con los principios FAIR (Findable, Accessible, Interoperable, Reusable). Asimismo, se desarrolla una estrategia para la integración del conocimiento generado en una base de datos gráfica, donde la incorporación de semántica permite mejorar la comprensión, trazabilidad y reutilización de la información. En este marco, se propone una especificación formal de la estructura de datos basada en el estándar PG-Schema. Adicionalmente, se explora la combinación de esta arquitectura con modelos de lenguaje extendido, con el objetivo de facilitar el acceso a la base de conocimiento mediante consultas en lenguaje natural. Esta integración demuestra el valor de estructurar semánticamente los datos para potenciar herramientas de inteligencia artificial. En conjunto, el trabajo contribuye al desarrollo de laboratorios inteligentes, promoviendo la automatización, la colaboración interdisciplinaria y la reproducibilidad científica en entornos experimentales complejos.
publishDate 2026
dc.date.none.fl_str_mv 2026-04-30T22:41:03Z
2026-03
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/14845
url https://hdl.handle.net/20.500.12272/14845
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Federico Martín Mione
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Federico Martín Mione
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862404398776320
score 13.365483

Publicaciones similares