Similitudes y diferencias en el proceso de evolución tipológica del Musteriense al Auriñaciense en la cueva de Gatzarria (País Vasco)

[ES] En relación al debate sobre la posición del Castelperroniense en el proceso de transformación del Paleolítico medio al superior, el nivel Cjn3 de Gatzarria, frente a la extendida opinión que hace de ese complejo industrial un episodio terminal del Paleolítico medio, constituye el conjunto tipológico de base de la secuencia filética auriñaciense en este importante yacimiento pirenaico. En efecto, los diversos análisis estadísticos aplicados sobre variadas estructuras tipológicas de la serie estratigráfica completa y, más específicamente, de los tecnocomplejos más implicados en ese proceso de cambio, ponen reiteradamente de manifiesto la vinculación directa de la serie castelperroniense con el episodio protoauriñaciense antiguo de Cjn2, y a través de éste con el desarrollo general del proceso filético leptolítico auriñacoide, así como su manifiesta discontinuidad con el repertorio musteriense de Cj. Por consiguiente, en el caso de Gatzarria, parecería más oportuno hablar de ruptura que de transición en el proceso de evolución tipológica entre los complejos industriales musteroides y auriñacoides.

Analysis of multivariate stochastic signals sampled by on-line particle analyzers: Application to the quantitative assessment of occupational exposure to NOAA in multisource industrial scenarios (MSIS)

In multisource industrial scenarios (MSIS) coexist NOAA generating activities with other productive sources of airborne particles, such as parallel processes of manufacturing or electrical and diesel machinery. A distinctive characteristic of MSIS is the spatially complex distribution of aerosol sources, as well as their potential differences in dynamics, due to the feasibility of multi-task configuration at a given time. Thus, the background signal is expected to challenge the aerosol analyzers at a probably wide range of concentrations and size distributions, depending of the multisource configuration at a given time. Monitoring and prediction by using statistical analysis of time series captured by on-line particle analyzers in industrial scenarios, have been proven to be feasible in predicting PNC evolution provided a given quality of net signals (difference between signal at source and background). However the analysis and modelling of non-consistent time series, influenced by low levels of SNR (Signal-Noise Ratio) could build a misleading basis for decision making. In this context, this work explores the use of stochastic models based on ARIMA methodology to monitor and predict exposure values (PNC). The study was carried out in a MSIS where an case study focused on the manufacture of perforated tablets of nano-TiO2 by cold pressing was performed