[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-126317-es":3,"doc-seo-126317-110":31,"detail-sidebar-cat-0-es-110":93},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},126317,2336475104957,"Seraphina","https://ap-avatar.wpscdn.com/avatar/22000c4c6bd8a5076e1?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786593998035447633",41,"Investigación e Informes","Caracterización de la degradación temporal de células solares orgánicas mediante técnicas de machine learning - Trabajo Fin de Grado","El trabajo presenta una estrategia para optimizar la eficiencia y la durabilidad de las células solares orgánicas mediante técnicas de machine learning. Se realizan experimentos con distintas combinaciones de materiales y se analiza el efecto de variables externas, en especial temperatura y humedad, sobre la eficiencia de conversión de potencia (PCE). Se entrenan modelos Random Forest y Gradient Boost para predecir la eficiencia, complementados con el análisis automatizado mediante ROBERT. Los resultados evidencian influencia significativa de variables meteorológicas y señalan mejoras prioritarias: calidad de datos y reducción de redundancias, proponiendo ampliar el conjunto de datos y usar modelos más complejos.","UNIVERSIDAD MIGUEL HERNÁNDEZ DE ELCHE ESCUELA POLITÉCNICA SUPERIOR DE ELCHE  \nGRADO EN INGENIERÍA ELECTRÓNICA YAUTOMÁTICA INDUSTRIAL  \n\"Caracterización de la degradación temporal decélulas solares orgánicas mediante técnicas de  \nmachine learning\"  \nTRABAJO FIN DE GRADO  \nJunio-2025  \nAUTOR: Manuel Vico Rodriguez  \nDIRECTOR/ES: David Valiente García  \nResumen  \nEl presente trabajo tiene como objetivo optimizar la eficiencia y la durabilidad de célulassolares orgánicas (OSC) mediante el uso de técnicas de machine learning. Para ello, sellevaron a cabo experimentos con diferentes combinaciones de materiales, evaluando el impacto de factores externos como la temperatura y la humedad en la eficiencia deconversión de potencia (PCE) . Los modelos de Random Forest y Gradient Boost seutilizaron para realizar predicciones sobre la eficiencia de las células, y la herramienta ROBERT se utilizó para realizar un análisis similar de manera automatizada y comparar los resultados. Los resultados muestran que las variables meteorológicas, como la temperatura y la humedad, tienen un efecto significativo en la PCE. Además, se identificaron áreas clave de mejora, tales como la necesidad de mejorar la calidad de los datos y reducir la redundancia entre variables. Se recomienda la ampliación del conjunto de datos y la exploración de modelos más complejos para mejorar la capacidad predictiva en futuros estudios.  \nAbstract  \nThis study aims to optimize the efficiency and durability of organic solar cells (OSCs) using machine learning techniques. Various material combinations were tested to evaluate the impact of external factors, such as temperature and humidity, on the power conversion efficiency (PCE) . Random Forest and Gradient Boost models were employed to predict cell efficiency, while the ROBERT tool was used to perform a similar analysis in an automated way and compare the results. The results indicate that meteorological variables, such as temperature and humidity, significantly affect PCE. Key areas for improvement were identified, including enhancing data quality and reducing variable redundancy. It is recommended to expand the dataset and explore more complex models to improve predictive capacity in future research.  \nÍNDICE  \n1. INTRODUCCIÓN ................................................................................................ 6  \n1.1 Objetivos ....................................................................................................... 9  \n1.2 Justificación del Trabajo .............................................................................. 10  \n2. MARCO TEÓRICO ............................................................................................ 11  \n2.1 Fundamentos de las Células Solares............................................................. 12  \n2.1.1 Tipo de Células Solares ........................................................................ 12  \n2.1.2 Cálculo del Rendimiento de las Células Fotovoltaicas .......................... 14  \n2.2 Fundamentos del Aprendizaje Automático ................................................... 17  \n2.2.1 Random Forest..................................................................................... 17  \n2.2.2 Gradient Boost ..................................................................................... 18  \n2.2.3 Métricas de Ajuste y Error ................................................................... 19  \n2.2.4 ROBERT ............................................................................................. 21  \n3. ESTADO DEL ARTE .......................................................................................... 23  \n3.1 Avances Recientes en la Caracterización de Células Solares Orgánicas ........ 24  \n3.2 Limitaciones y Desafíos Actuales ................................................................ 25  \n4. MATERIAL Y MÉTODOS ................................................................................. 27  \n4.1 Adquisició","cbCaie279kC8LXoB","https://ap.wps.com/l/cbCaie279kC8LXoB","pdf",12762663,5,1,115,"Spanish","es",110,"# Introducción\n## Objetivos\n## Justificación del Trabajo\n# Marco teórico\n## Fundamentos de las Células Solares\n## Fundamentos del Aprendizaje Automático\n# Estado del arte\n## Avances recientes en la caracterización de células solares orgánicas\n## Limitaciones y desafíos actuales\n# Material y métodos\n## Adquisición de datos\n## Preparación de datos para análisis\n## Selección de características relevantes\n## Validación y evaluación de los datos procesados\n## Metodología de procesamiento de datos\n# Resultados y discusión","[{\"question\":\"Cuál es el objetivo del trabajo sobre células solares orgánicas?\",\"answer\":\"Optimizar la eficiencia y la durabilidad de células solares orgánicas usando técnicas de machine learning, evaluando cómo influyen factores externos sobre la PCE.\"},{\"question\":\"Qué modelos de machine learning se utilizan para predecir la eficiencia?\",\"answer\":\"Se emplean Random Forest y Gradient Boost para realizar predicciones sobre la eficiencia de las células.\"},{\"question\":\"Qué herramienta automatiza el análisis y permite comparar resultados?\",\"answer\":\"ROBERT se utiliza para efectuar un análisis similar de manera automatizada y comparar los resultados con los modelos propuestos.\"}]","Caracterización de la degradación temporal de células solares orgánicas mediante técnicas de machine learning - Trabajo Fin de Grado | PDF",1785904417,177,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":88,"head_meta":90,"extra_data":92,"updated_unix":29},"characterization-of-the-temporal-degradation-of-organic-solar-cells-using-machine-learning-techniques-final-degree-project","",{"@graph":37,"@context":87},[38,55,70],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":53,"name":13,"@type":44,"position":54},"https://docshare.wps.com/es/document/characterization-of-the-temporal-degradation-of-organic-solar-cells-using-machine-learning-techniques-final-degree-project/126317/",4,{"url":53,"name":13,"@type":56,"author":57,"headline":13,"publisher":59,"fileFormat":62,"inLanguage":24,"description":14,"dateModified":63,"datePublished":64,"encodingFormat":62,"isAccessibleForFree":65,"interactionStatistic":66},"DigitalDocument",{"name":9,"@type":58},"Person",{"url":42,"name":60,"@type":61},"DocShare","Organization","application/pdf","2026-08-16","2026-08-05",true,{"@type":67,"interactionType":68,"userInteractionCount":20},"InteractionCounter",{"@type":69},"ViewAction",{"@type":71,"mainEntity":72},"FAQPage",[73,79,83],{"name":74,"@type":75,"acceptedAnswer":76},"Cuál es el objetivo del trabajo sobre células solares orgánicas?","Question",{"text":77,"@type":78},"Optimizar la eficiencia y la durabilidad de células solares orgánicas usando técnicas de machine learning, evaluando cómo influyen factores externos sobre la PCE.","Answer",{"name":80,"@type":75,"acceptedAnswer":81},"Qué modelos de machine learning se utilizan para predecir la eficiencia?",{"text":82,"@type":78},"Se emplean Random Forest y Gradient Boost para realizar predicciones sobre la eficiencia de las células.",{"name":84,"@type":75,"acceptedAnswer":85},"Qué herramienta automatiza el análisis y permite comparar resultados?",{"text":86,"@type":78},"ROBERT se utiliza para efectuar un análisis similar de manera automatizada y comparar los resultados con los modelos propuestos.","https://schema.org",{"og:url":53,"og:type":89,"og:title":13,"og:site_name":60,"og:description":14},"article",{"robots":91,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":94},[95,100,104,108,112,114,118,122,126,130],{"id":96,"doc_module":4,"doc_module_name":47,"category_name":97,"show_sort_weight":98,"slug":99},39,"Cómic",60,"comic",{"id":101,"doc_module":4,"doc_module_name":47,"category_name":102,"show_sort_weight":98,"slug":103},43,"Estilo de Vida","lifestyle",{"id":105,"doc_module":4,"doc_module_name":47,"category_name":106,"show_sort_weight":98,"slug":107},38,"Examen","exam",{"id":109,"doc_module":4,"doc_module_name":47,"category_name":110,"show_sort_weight":98,"slug":111},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":98,"slug":113},"research-report",{"id":115,"doc_module":4,"doc_module_name":47,"category_name":116,"show_sort_weight":98,"slug":117},37,"Literatura","literature",{"id":119,"doc_module":4,"doc_module_name":47,"category_name":120,"show_sort_weight":98,"slug":121},22,"Relatos y Novelas","story-novel",{"id":123,"doc_module":4,"doc_module_name":47,"category_name":124,"show_sort_weight":98,"slug":125},42,"Religión y Espiritualidad","religion-spirituality",{"id":127,"doc_module":4,"doc_module_name":47,"category_name":128,"show_sort_weight":98,"slug":129},40,"Salud y Atención Médica","healthcare",{"id":131,"doc_module":4,"doc_module_name":47,"category_name":132,"show_sort_weight":98,"slug":133},24,"Tecnología","technology"]