[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127937-110":49,"doc-detail-127937-es":122},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":115,"head_meta":117,"extra_data":119,"updated_unix":121},110,"es","enhancing-the-composting-process-of-organic-waste-through-machine-learning-techniques-a-comprehensive-bibliometric-analysis","Mejorando el proceso de compostaje de residuos orgánicos mediante técnicas de aprendizaje automático: un análisis bibliométrico integral","","El estudio explora la integración de técnicas de Machine Learning para mejorar el proceso de compostaje de residuos orgánicos ante el reto global de la gestión de residuos. Se realiza un análisis bibliométrico de una década (2013-2022) con datos de Scopus, que evalúa la evolución e impacto de las aplicaciones de ML en el compostaje. El trabajo identifica contribuciones y tendencias emergentes, mostrando cómo modelos como redes neuronales artificiales y algoritmos genéticos predicen, optimizan y monitorean parámetros. Además, analiza la distribución geográfica de la investigación, destacando China, India y Estados Unidos, y detecta vacíos y oportunidades con base en 180 artículos.",{"@graph":59,"@context":114},[60,77,93],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/enhancing-the-composting-process-of-organic-waste-through-machine-learning-techniques-a-comprehensive-bibliometric-analysis/127937/",4,{"url":75,"name":55,"@type":78,"author":79,"headline":55,"publisher":82,"fileFormat":85,"inLanguage":53,"description":57,"dateModified":86,"datePublished":87,"encodingFormat":85,"isAccessibleForFree":88,"interactionStatistic":89},"DigitalDocument",{"name":80,"@type":81},"Liam","Person",{"url":64,"name":83,"@type":84},"DocShare","Organization","application/pdf","2026-09-01","2026-08-05",true,{"@type":90,"interactionType":91,"userInteractionCount":70},"InteractionCounter",{"@type":92},"ViewAction",{"@type":94,"mainEntity":95},"FAQPage",[96,102,106,110],{"name":97,"@type":98,"acceptedAnswer":99},"Qué problema aborda el estudio sobre el compostaje de residuos orgánicos?","Question",{"text":100,"@type":101},"Analiza cómo el compostaje puede mejorar mediante técnicas de Machine Learning, en respuesta al desafío global de la gestión de residuos orgánicos.","Answer",{"name":103,"@type":98,"acceptedAnswer":104},"Cómo se realizó el análisis bibliométrico del estudio?",{"text":105,"@type":101},"Se llevó a cabo un análisis bibliométrico de diez años (2013-2022) utilizando la base de datos Scopus, considerando 180 artículos.",{"name":107,"@type":98,"acceptedAnswer":108},"Qué modelos de ML se destacan en la investigación y qué aportan?",{"text":109,"@type":101},"Se resaltan redes neuronales artificiales y algoritmos genéticos, que permiten predecir, mejorar y monitorear parámetros del proceso de compostaje.",{"name":111,"@type":98,"acceptedAnswer":112},"Qué conclusiones se obtienen respecto a la distribución geográfica y oportunidades futuras?",{"text":113,"@type":101},"El estudio identifica predominio de China, India y Estados Unidos, y señala brechas y oportunidades para futuras investigaciones, respaldando el potencial de ML para aumentar eficiencia y sostenibilidad.","https://schema.org",{"og:url":75,"og:type":116,"og:title":55,"og:site_name":83,"og:description":57},"article",{"robots":118,"canonical":75},"index,follow",{"doc_id":120,"site_id":52},127937,1785943096,{"code":4,"msg":5,"data":123},{"doc_id":120,"user_id":124,"nickname":80,"user_avatar":125,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":126,"file_id":127,"file_url":128,"file_type":129,"file_size":130,"view_count":70,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":73,"language":131,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":132,"faqs":133,"seo_title":134,"seo_description":57,"update_tm":121,"read_time":135},687207024478,"https://ap-avatar.wpscdn.com/davatar_a8503ba1806abce46bf441b54a3ca4cd","Universidad de Lima Facultad de Ingeniería Carrera de Ingeniería Industrial  \nENHANCING THE COMPOSTING PROCESS OF ORGANIC WASTE THROUGH MACHINE LEARNING TECHNIQUES: A COMPREHENSIVE BIBLIOMETRIC ANALYSIS  \nTesis para optar el Título Profesional de Ingeniero Industrial  \nCarmen Cristina Andia Ramirez  \nCódigo 201601774  \nNahomi Paola Navarro Huanca  \nCódigo 20160975  \nAsesor  \nJuan Carlos Quiroz Flores  \nLima – Perú  \nSetiembre de 2024  \n\n| Título\u003Cbr>ENHANCING THE COMPOSTING PROCESS OF ORGANIC WASTE THROUGH MACHINE LEARNING TECHNIQUES: A COMPREHENSIVE BIBLIOMETRIC ANALYSIS |\n| --- |\n| Autor(es)\u003Cbr>Carmen Cristina Andia Ramirez [20161774@aloe.ulima.edu.pe](20161774@aloe.ulima.edu.pe)[ ](20161774@aloe.ulima.edu.pe)Universidad de Lima Nahomi Paola Navarro Huanca [20160975@aloe.ulima.edu.pe](20160975@aloe.ulima.edu.pe)[ ](20160975@aloe.ulima.edu.pe)Universidad de Lima\u003Cbr>Juan Carlos Quiroz Flores [jcquiroz@aloe.ulima.edu.pe](jcquiroz@aloe.ulima.edu.pe)[ ](jcquiroz@aloe.ulima.edu.pe)Universidad de Lima |\n| Resumen:\u003Cbr>Este estudio explora la integración de técnicas de Machine Learning (ML) para mejorar el proceso de compostaje de residuos orgánicos, en medio del creciente desafío global de la gestión de residuos. Un análisis bibliométrico de una década (2013-2022) utilizando la base de datos Scopus examinó la evolucióny el impacto de las aplicaciones de Machine Learning en el compostaje. Su análisis identificó importantes contribuciones a la investigación y las tendencias emergentes, destacando el papel fundamental del ML en la optimización de la producción de compost, una solución fundamental para gestionar los crecientes volúmenes de residuos orgánicos generados en todo el mundo. El estudio reveló cómo los modelos de ML, incluidas las redes neuronales artificiales y los algoritmos genéticos, revolucionaron los procesos de compostaje al predecir, mejorar y monitorear varios parámetros de compostaje. Además, el artículo profundizó en la distribución geográfica de los esfuerzos de investigación, destacando el dominio de países como China, India y Estados Unidos en esta área de investigación. A través del análisis de 180 artículos, elestudio no solo trazó el panorama actual del ML en el compostaje, sino que también identificó lagunas yoportunidades para futuras investigaciones. Los resultados defendieron el potencial del ML para mejorar significativamente la eficiencia y eficacia de las operaciones de compostaje, contribuyendo así a prácticas de gestión de residuos más sostenibles. Este trabajo es un recurso fundamental tanto para investigadores como para profesionales, con el objetivo de aprovechar el poder del ML a favor del medio ambiente.\u003Cbr>Palabras Clave: Aprendizaje Automatizado, Proceso de Compostaje, Manejo de Residuos Orgánicos, Sostenibilidad del Medio Ambiente.\u003Cbr>Abstract:\u003Cbr>The study explores the integration of machine learning techniques (ML) to improve the composting process of organic waste, amid the growing global challenge of waste management. A decade-long bibliometric analysis (2013-2022) using the Scopus database examined the evolution and impact of ML applications on composting. Their analysis identified important contributions to research and emerging trends, highlighting the fundamental role of ML in optimizing compost production, a critical solution for managing the growing volumes of organic waste generated worldwide. The study revealed how ML models, including artificial neural networks and genetic algorithms, revolutionized composting processes by predicting, improving, and monitoring various composting parameters. In addition, the paper delved into the geographical distribution of research efforts, highlighting the dominance of countries such as China, India and the United States in this area of research. Through the analysis of 180 articles, the study not only mapped out the current picture of ML in composting, but also identified gaps and opportunities for future research. The results defended the poten","cbCaifqiAyKNaAfp","https://ap.wps.com/l/cbCaifqiAyKNaAfp","pdf",156551,"Spanish","# Resumen y objetivos del estudio\n## Metodología (análisis bibliométrico 2013-2022 en Scopus)\n## Hallazgos y tendencias en el uso de ML para el compostaje\n## Modelos empleados y variables del compostaje\n## Distribución geográfica de la investigación\n## Resultados, brechas y oportunidades futuras","[{\"question\":\"Qué problema aborda el estudio sobre el compostaje de residuos orgánicos?\",\"answer\":\"Analiza cómo el compostaje puede mejorar mediante técnicas de Machine Learning, en respuesta al desafío global de la gestión de residuos orgánicos.\"},{\"question\":\"Cómo se realizó el análisis bibliométrico del estudio?\",\"answer\":\"Se llevó a cabo un análisis bibliométrico de diez años (2013-2022) utilizando la base de datos Scopus, considerando 180 artículos.\"},{\"question\":\"Qué modelos de ML se destacan en la investigación y qué aportan?\",\"answer\":\"Se resaltan redes neuronales artificiales y algoritmos genéticos, que permiten predecir, mejorar y monitorear parámetros del proceso de compostaje.\"},{\"question\":\"Qué conclusiones se obtienen respecto a la distribución geográfica y oportunidades futuras?\",\"answer\":\"El estudio identifica predominio de China, India y Estados Unidos, y señala brechas y oportunidades para futuras investigaciones, respaldando el potencial de ML para aumentar eficiencia y sostenibilidad.\"}]","Mejorando el proceso de compostaje de residuos orgánicos mediante técnicas de aprendizaje automático: un análisis bibliométrico integral | PDF",5]