Arzola Flores, Jesús AndrésSilveti Loeza, ÁngelArzola Flores, Jesús Andrés; 0000-0001-9839-982XSilveti Loeza, Ángel; 0000-0003-4737-8572Velazco Nolasco, Estefany2026-06-162026-06-162025-12https://hdl.handle.net/20.500.12371/33004"Los avances tecnológicos pueden ser una herramienta clave para la gestión de la calidad del agua al optimizar el monitoreo simultaneo en tiempo real, actualmente los procesos son manuales y la infraestructura es limitada. La incorporación de Machine Learning puede fortalecer el área de monitoreo, implementando un prototipo capaz de interpretar parámetros fisicoquímicos del agua, como la Demanda Química de Oxígeno (DQO). Estas tecnologías emergentes permiten realizar el análisis de una manera más simple y práctica, reduciendo el tiempo de trabajo. El sistema presentado se basa en un sensor de color tcs3200 programado por las librerías que ofrece Python. En búsqueda de optimizar el análisis químico reduciendo el tiempo de procesamiento, los costos operativos, la exposición del analista a reactivos y reacciones químicas y la generación de residuos. A futuro, se espera que evolucione hacia un análisis sin la necesidad de utilizar reactivos, apostando a un enfoque más sustentable y automatizado. Además, la integración del Internet de las Cosas (IOT) permitirá realizar mediciones online, con el principal objetivo de disminuir los tiempos y recursos requeridos durante el proceso dentro de un laboratorio".pdfspaINGENIERÍA Y TECNOLOGÍACiencias ambientales--Relación con otros temas--Métodos especiales--Aplicaciones informáticasTecnología ambiental--Abastecimiento de agua para uso doméstico e industrial--Calidad del aguaCalidad del agua--Medición--Procesamiento de datosAprendizaje automático (Inteligencia artificial)Inteligencia artificial--Aplicaciones medioambientaleTesis de licenciaturaopenAccess