Welligton Vladimir Poveda Almeida
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Welligton Vladimir Poveda Almeida has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Christian Andrés Martínez Andino
Instituto Superior Tecnológico Pelileo
1 shared publication - Cristhian José Ortiz Caaspa
Instituto Superior Tecnológico Tsáchila, Santo Domingo-Ecuador
1 shared publication - Jonathan Douglas García Valdez1 shared publication
- Juan Pablo Muquinche Puca
ABKREA Ingeniería
1 shared publication - Oscar Gabriel Toapanta Cunalata
Instituto Superior Tecnológico Pelileo
1 shared publication - Santos Manuel Samaniego Noles
Arqueología y construcciones mecánicas en Ecuador simulación INSTITUCIÓN Instituto Tecnologico Superior Tsáchila Instituto Tecnologico Superior Tsáchila Instituto Tecnologico Superior Tsáchila Instituto Tecnologico Superior Tsáchila Instituto Tecnologico Superior Tsáchila CORREO
1 shared publication
Latest Publications
- Open Access
- 3 July 2026
- Published by Red Ecuatoriana de Docentes Investigadores Para la Ciencia y Tecnología in Sercapo Journal Scientific
- Vol. 3 (3) , 1003-1024
Diseño optimizado de componentes mecánicos mediante algoritmos evolutivos e inteligencia artificial
El objetivo de la investigación fue determinar el efecto de un módulo de diseño optimizado inteligente, basado en algoritmos evolutivos e inteligencia artificial, sobre el desarrollo de destrezas para el diseño de componentes mecánicos. La metodología se estructuró como un estudio cuasi experimental, de enfoque descriptivo correlacional, con grupo de control y grupo experimental, integrado por 80 participantes distribuidos equitativamente. Se aplicó un test de base estructurada para medir destrezas de modelado paramétrico, selección de restricciones, lectura de esfuerzos, optimización geométrica, interpretación de análisis por elementos finitos y toma de decisiones de manufacturabilidad. El instrumento fue validado por juicio de expertos y alcanzó un alfa de Cronbach de 0.89, valor considerado muy confiable para mediciones de desempeño técnico. Los resultados mostraron que el grupo experimental obtuvo mejoras superiores en reducción de masa, factor de seguridad, rigidez específica, eficiencia computacional e interpretación de diseños óptimos, con diferencias estadísticamente significativas frente al grupo de control. La prueba t de Student evidenció diferencias robustas en el puntaje global posterior, mientras que la d de Cohen indicó un tamaño del efecto alto. Asimismo, la correlación de Pearson reveló asociaciones positivas entre dominio de restricciones mecánicas, uso de inteligencia artificial y calidad del diseño optimizado. Se concluye que la integración de algoritmos evolutivos, aprendizaje automático y simulación asistida fortalece la capacidad de diseñar componentes mecánicos más ligeros, seguros, eficientes y fabricables, aportando evidencia metodológica para la formación técnica y la innovación en ingeniería mecánica.
- 3 July 2026
- Published by Red Ecuatoriana de Docentes Investigadores Para la Ciencia y Tecnología in Sercapo Journal Scientific
- Vol. 3 (3) , 1003-1024
Open AccessDiseño optimizado de componentes mecánicos mediante algoritmos evolutivos e inteligencia artificial
El objetivo de la investigación fue determinar el efecto de un módulo de diseño optimizado inteligente, basado en algoritmos evolutivos e inteligencia artificial, sobre el desarrollo de destrezas para el diseño de componentes mecánicos. La metodología se estructuró como un estudio cuasi experimental, de enfoque descriptivo correlacional, con grupo de control y grupo experimental, integrado por 80 participantes distribuidos equitativamente. Se aplicó un test de base estructurada para medir destrezas de modelado paramétrico, selección de restricciones, lectura de esfuerzos, optimización geométrica, interpretación de análisis por elementos finitos y toma de decisiones de manufacturabilidad. El instrumento fue validado por juicio de expertos y alcanzó un alfa de Cronbach de 0.89, valor considerado muy confiable para mediciones de desempeño técnico. Los resultados mostraron que el grupo experimental obtuvo mejoras superiores en reducción de masa, factor de seguridad, rigidez específica, eficiencia computacional e interpretación de diseños óptimos, con diferencias estadísticamente significativas frente al grupo de control. La prueba t de Student evidenció diferencias robustas en el puntaje global posterior, mientras que la d de Cohen indicó un tamaño del efecto alto. Asimismo, la correlación de Pearson reveló asociaciones positivas entre dominio de restricciones mecánicas, uso de inteligencia artificial y calidad del diseño optimizado. Se concluye que la integración de algoritmos evolutivos, aprendizaje automático y simulación asistida fortalece la capacidad de diseñar componentes mecánicos más ligeros, seguros, eficientes y fabricables, aportando evidencia metodológica para la formación técnica y la innovación en ingeniería mecánica.
- 17 February 2026
- Published by Springer Nature
- p. 3-14
Automatic Planners for Solid Waste Management in Latin American Smart Cities
- 17 February 2026
- Published by Springer Nature
- p. 3-14
Automatic Planners for Solid Waste Management in Latin American Smart Cities