Herramientas Para Automatización De Procesos

¿Como lograr procesos de automatización de procesos (BPA) por medio de herramientas versátil
(BPM – IPA, RPA) para mejorar, optimizar y automatizar los procesos y flujos de trabajo en las
organizaciones agrícolas Intelligent Process Automation IPA, para asegurar el éxito en la
ejecución de tareas (RPA) y generamos valor real para el negocio mediante la automatización de
sus procesos??

Materas inteligentes; una aproximación a la agricultura en pequeña escala para uso doméstico

Según los autores “Chaparro Preciado, J. A., & Criado Sanguino, A. (2020) En Colombia, la
agricultura urbana representa una oportunidad para producir alimentos en pequeños espacios en
nuestras casas o espacios dedicados de los conjuntos residenciales. Entre las ventajas de su uso se
encuentran están los menores costos, productos más saludables y el cuidado del medio ambiente;
la economía familiar se puede beneficiar con la venta de los excedentes del consumo interno. Otro
aporte importante de esta práctica es velar por la seguridad alimentaria. Para el desarrollo de
pequeños cultivos se requieren como mínimo tres elementos: tierra, semillas y agua. Los espacios
requeridos pueden ir desde macetas, botellas plásticas, jardines, antejardines o inclusive parques.
Las condiciones ambientales para su desarrollo deben contemplar buena iluminación, aireación y
riego. De otro lado, las labores básicas son las de siembra, cosecha y recolección, en algunos casos
se puede pasar por la etapa de germinación con semilleros especializados hasta llegar al estado de
plántula, pero hoy en día no es indispensable.

Una de las labores de la automatización es precisamente dejar en manos de máquinas inteligentes

el seguimiento y control de las variables que intervienen en los procesos. En el caso de la
agricultura en general, la cosecha es una actividad que se puede automatizar, y uno se sus
escenarios más interesantes es el de cultivos a pequeña escala. En este trabajo se propone el
diseño de un equipo electrónico que supervise y controle la cosecha, o la vida, de pequeñas
plantas como hortalizas o flores en ambientes completamente aislados. Este objetivo se logra a
partir del conocimiento de las variables edafoclimáticas de las plantas que se cultivan a lo largo de
sus diferentes estados vegetativos.” (Chaparro Preciado, J. A., & Criado Sanguino, A. 2020).
[ CITATION Cha20 \l 3082 ]

 Según lo anterior en Colombia además de realizar la agricultura para grandes espacios,

también se puede aprovechar pequeños lugares para cultivar, alimentos y hortalizas e
implementar de una manera la automatización de procesos para que la siembra no tenga
que depender del 100% de una persona, y que se pueda tener más control y un rápido
control de problemas a comparación de un gran espacio, aunque el clima puede influir
demasiado durante la ejecución de la automatización.
Según los autores “Herrera Díaz C. A. (2016) La automatización de los procesos en la agricultura
está hoy en día en gran auge para revolucionar el mundo en este sector importante de la
economía. Un concepto más preciso de este término es la gestión de parcelas agrícolas con el fin
de aumentar la productividad desde los pilares de la sostenibilidad ambiental. El Internet de las
cosas ya está envolviendo el área de la agricultura, el cual permite un control óptimo sobre cada
parcela de cultivos, realizando acciones automatizadas como: gestión del riego, medir
temperatura, humedad, PH, alertar en caso de algún evento que esté ocurriendo a su alrededor,
entre otros. Toda esa información que es generada mediante la comunicación entre los sensores,
actuadores y demás dispositivos, debe ser analizada para descubrir la existencia de patrones,
obtener respuestas y sacar conclusiones de lo qué está pasando con los cultivos.

Una vez más se hace referencia a la minería de datos, aprendizaje automático y estadísticas, para
llevar a otro nivel la obtención de dicha información, procesarla y como resultado crear
conocimientos que ayudarán a la toma de decisiones de algún hecho en particular.”. [ CITATION
Her21 \l 3082 ]

 Según lo anterior se puede establecer que la automatización de procesos en la agricultura

está creciendo, pero esto requiere una gran cantidad de dinero para implementar los
sistemas requeridos, pero gracias al Internet de las cosas estos dispositivos son más
accesibles y con más funcionalidades lo cual permite tener mayor control de los cultivos y
en base a esto almacenar datos y aprender su comportamiento para mejorar la técnica
sobre futuros cultivos.

¿Como evitar el costo de las tareas recurrentes y errores humanos, objetivos que se logran a
través de la implementación de automatizaciones aplicando también Machine Learning o
Inteligencia Artificial (AI)?, Machine Learning

Automatizaciones aplicando también Machine Learning o Inteligencia Artificial (AI). Machine

Learning

Según los autore (Bravo, G. J. R., Maza, J. D. J. E., Issasi, A. M., Álvarez, Á. S., & Rodríguez, L. A. R.)
Los avances en Machine Learning permiten a la industria obtener una serie de oportunidades clave
para mejorar su negocio desde la cadena de producción, incremento a la productividad,
reduciendo costes y ganando en eficiencia. (Management Solutions, 2018). La aplicación de ML en
la industria está tomando cada vez mayor relevancia alrededor mundo.

El incremento del volumen de datos generado por las empresas y el desarrollo de las nuevas
tecnologías proyecta nuevas aplicaciones inteligentes para mejorar su eficiencia y
competitividad. La industria y sus diferentes sectores han comenzado a emplear soluciones
de ML enfocados en la optimización de procesos, lograr competitividad y obtener los mejores
resultados mediante el aprendizaje automático, así lo menciona el Instituto de Formación
Empresarial (IFM) (2019).
La automatización está impactando nuestras vidas, tanto en el ámbito social, como lo laboral, en la
atención médica, en la forma de comunicarnos, e incluso dentro de nuestro propio hogar.

Para la industria ya no le es suficiente con saber lo que está presente, sino que también le interesa
saber lo que pasara. [CITATION Bra21 \l 3082 ]

 Según lo anterior el Machine learning es uno de los métodos más empleados alrededor del
mundo para poder optimizar las cadenas de producción en las empresas ya que se puede
implementar de manera rápida debido al método de captura de datos a gran escala, de
esta manera se pueden generar procesos para aumentar la eficiencia y bajar costo en las
cadenas de producción generadas por errores humanos, por fallas en los procesos o
tiempos muertos que pueden ser usados para dicha optimización, el ML esta aportando a
las empresas una amplia solución a cualquier novedad que se pueda presentar gracias a la
automatización de los procesos y al aprendizaje continuo logrando así generar mayor
competitividad a la empresa y también mejores resultados.

Según los autores (Brenes Carranza, J. A., Martínez Porras, A., Quesada López, C. U., & Jenkins
Coronas, M.) la agricultura de precisión puede ser definida como una estrategia amigable con el
ambiente, que permite variar las entradas o insumos utilizados en la producción para aprovechar
las condiciones del medio en el que se cultiva y optimizar el desarrollo de los cultivos (Srinivasan,
2006). Gemtos, Fountas y Aggelopoulou (2011) y Dholu y Ghodinde (2018) indican que en la
agricultura de precisión se nutre a los cultivos con la cantidad de recursos óptima requerida en el
momento preciso y con una duración exacta, de acuerdo con los requerimientos de la fase de
cultivo actual.

La fase de cultivo se refiere a la etapa de crecimiento de un cultivo y representa un factor

importante al segmentar y analizar el crecimiento, y las condiciones del cultivo (Di et al., 2015). Li
y Chen (2011) consideran que la fase de cultivo es un factor crítico en la estimación y predicción
del rendimiento, por lo que se debe censar en todo momento. Para realizar un censado correcto y
preciso de las variables que afectan el crecimiento de un cultivo, resulta útil considerar los
conocimientos del área de la agrometeorología. Esta se encarga de censar y buscar relaciones
entre las distintas variables físicas que intervienen en los procesos agronómicos, con el fin de
acelerar la producción y evitar el abuso irreversible de recursos (MacKerron, 2005).

En agricultura, los invernaderos juegan un papel importante, pues son ambientes de producción
que permiten controlar las condiciones para el crecimiento de los cultivos (Durmus, Günes y Kirci,
2016). Dan, Jianmei, Yang y Jianqiu (2016) y Heidari y Khodadadi (2017) describen los
invernaderos como espacios designados para recrear un ambiente en el cual la temperatura, la
humedad y la iluminación son monitoreados y ajustados para optimizar las condiciones de
crecimiento de los cultivos. La medición y el control de datos asociados a los cultivos bajo
invernadero se considera una tarea de la agrometeorología, a través del uso de las WSN (Liu, Jin,
Shen, Fu y Linge, 2016). Las WSN consisten en dispositivos de censado de variables físicas que se
pueden desplegar de manera distribuida en ubicaciones remotas (Narmada y Rao, 2012).
Contar con sistemas de apoyo a la toma de decisiones que monitoreen y controlen las variables
físicas que afectan el rendimiento de los cultivos, puede ayudar a los agricultores a incrementar la
producción y reducir los recursos requeridos (Rathinam, Surendran, Shilpa, Santhiya y Sherin,
2019). El uso de técnicas de inteligencia artificial en el modelado de variables físicas se ha
incrementado en los últimos años, permitiendo resolver problemas más complejos (Chen,
Jakeman y Norton, 2008). Uno de estos problemas es precisamente la optimización de las
decisiones que se toman en los procesos de cultivo en la agricultura de precisión.[ CITATION Bre02
\l 3082 ]

 Según lo anterior la inteligencia artificial se ha convertido en el aliado número 1 de la

tecnología y en el mundo de la agricultura permitiendo ser aplicada para optimizar
procesos y mejorar en la calidad de la producción, todo esto gracias a la implementación
de la agricultura de precisión que ayuda a optimizar insumos utilizando la cantidad de
recursos requeridos en el momento exacto, de acuerdo con los requerimientos de la fase
de cultivo actual, también por medio de los invernaderos los cuales ayudan a controlar el
ambiente humedad e iluminación en las producciones ayudando a regular todos estos
factores de manera automática y monitoreando las condiciones de crecimiento de los
cultivos gracias proceso de toma de decisiones automatizado por medio de la IA.

Metodología Scrum Proyecto E-Comerce Sector Agrícola

¿Cuáles son las principales herramientas y soluciones inteligentes, con tecnología de punta para
resolver necesidades reales del sector agrícola?

Según los autores (Rosales-Soto, A., & Ricardo, A. V.) la automatización en general y la robótica en
particular son tecnologías establecidas en los sectores manufactureros, entre éstos la
alimentación, donde aspectos como la higiene, la reducción de los costos de producción o el
aumento de la productividad, pueden verse beneficiados con el uso de robots que realizan de
manera eficiente tareas de pick & place, empaquetado, clasificación etc.

Pero si bien la robótica dedicada a la manufactura, denominada robótica industrial, es una

tecnología altamente implantada desde los años setenta, la llamada robótica de servicios, en la
que se trabaja de manera intensa desde la década de los ochenta, tiene todavía muchas
dificultades por resolver. Dentro de este último grupo de robots se encuentran los agrícolas, tanto
para realizar labores al aire libre como bajo cubierta.

Los procesos agroindustriales incluyen, entre otras actividades, las de siembra, cosecha,
recolección, selección, almacenamiento, transporte y procesamiento. Las oportunidades de
innovar o investigar con el propósito de mejorar o de optimizar dichos procesos son diversas. Sin
embargo, para llegar con soluciones concretas se requiere primero atender algunos retos de
ingeniería relacionados con el agro, tales como:

• Caracterizar la vegetación y detección de malas hierbas.

• Desarrollar dosificadores de variables para productos fitosanitarios y fertilización

inteligentemente.

• Instalar redes de sensores para variables de cultivo.

• Implementar sistemas de información para variables de cultivo.

• Aplicar métodos para detectar y cuantificar la deriva de pesticidas en el aire.

• Desarrollar vehículos autónomos terrestres y aéreos para el terreno agrícola.

Teniendo en cuenta solamente este último reto, hay que integrar componentes tecnológicos tales
como sistemas de navegación de alta precisión, sistemas de visión por computador, plataformas
robóticas, manipuladores robóticos, y sistemas de seguridad para no afectar personas, animales y
vegetación. [ CITATION Ros201 \l 3082 ]

 Según lo anterior la robótica puede ayudar en el beneficio de la agricultura ayudando a

reducir los costos de producción y aumento de la productividad, algunos de los procesos
donde se pueden ver resultados óptimos gracias a la implementación de la robótica en la
agricultura se encuentran procesos realizados al aire libre como la siembra, la cosecha y la
recolección. También se implementa realizando actividades en interiores como la
clasificación, almacenamiento, empaquetado procesamiento y transporte.

Todos estos procesos brindan la posibilidad de poder investigar e innovar aplicando

mejoras en las labores ejecutadas basada en la recolección de estos datos para así
encontrar soluciones optimas ante las eventualidades en los procesos, sin embargo, para
poder obtener dichas soluciones se debe tener en cuenta también los retos que esto
conlleva como la implementación de tecnología, estudios varios basados en los diferentes
factores de suelo clima sector, las variables que se presentan el desarrollo robótico para
que sean vehículos autónomos tanto terrestres como aéreos para tener un amplio
espectro visual teniendo en cuenta los factores naturales como predadores que puedan
afectar los proyectos de cultivo.
Según los autores (Arrarte, J., & Lamas, J.) los cultivos de trigo y soja son una actividad agrícola de
gran crecimiento en la última década en todo el mundo y en particular en Uruguay. Para los
productores, uno de los principales desafíos es el control de las malezas, en lo cual invierten
anualmente 123 millones de dólares en herbicidas. La tecnología desarrollada por Consus
Agrotech les permitirá ahorrar un 70% de esos costos, creando un valor de 86 millones de dólares
por año. La inversión necesaria para este emprendimiento es de 1,84 millones de dólares, y ofrece
una TIR de 31% al inversor.

La forma normal de combatir las malezas es fumigar los campos con herbicidas, varias veces por
zafra. La aplicación se hace recorriendo el campo con máquinas similares a tractores que tienen
acoplados anchos brazos metálicos (comúnmente llamados mosquitos) desde los que se rocía el
campo con una solución que contiene compuestos químicos. Se rocía todo el terreno de forma
uniforme, pero afecta únicamente a las malezas, sea porque el compuesto es específico contra
ellas, o porque se siembran granos genéticamente modificados para resistirlo.

La tecnología de Consus Agrotech permite instalar en los mosquitos válvulas controladas por visión
computarizada, de forma de distinguir los cultivos de las malezas, y rociar herbicida sólo sobre
estas últimas. De esta forma se logra el mencionado ahorro de 70% en el costo de los compuestos,
además de otras ventajas, como reducir la contaminación ambiental, reducir los tiempos y costos
operativos (se requiere parar la máquina para recargarla muchas menos veces), y un mejor control
de malezas al permitir utilizar componentes más efectivos, pero de mayor precio.[ CITATION Arr15
\l 3082 ]

 Según lo anterior Cosus Agrotech basado en estudios e investigaciones sobre la

implementación de herbicidas en el sector agrícola más específicamente en los cultivos de
trigo y soja, han detectado que la inversión es muy alta. Ellos han desarrollado una
solución de manera que esto se convierta en el ahorro de varios millones de dólares
anualmente. La tecnología diseñada por ellos son válvulas controladas por visión
computarizada la cual permite distinguir los cultivos de las malezas y de esta manera
rociar el herbicida sobre estas, esto ayuda no solo al uso óptimo de los insumos usados en
los cultivos si no que ayuda a evitar que estos se vean afectados por los químicos usados,
ayuda a reducir la contaminación ambiental, reducir tiempos y costos operativos.

Esto no solo se presenta como una gran solución tecnológica para aquellas grandes
compañías agricultoras sino también para aquellas compañías que se encargan de prestar
servicios a agrícolas que no cuentan con los medios para cubrir los costos de adquirir
maquinaria tan costosa y con tanta tecnología teniendo en cuenta en el valor del
mantenimiento de equipos y maquinaria, ya que son los dueños estos quienes deben
correr con el gasto de los mantenimiento para poder prestar un servicio optimo y en lo
cual un agricultor promedio tendría un ahorro sustancial.

Bibliografía
Arrarte, J. &. (2015). Aplicador Selectivo de Herbicida. Consus Agrotech Aplicador Selectivo de
Herbicida.

Bravo, G. J. (2021). Aplicación de Machine Learning en la Indutria 4.0 en tiempos de pandemia.

Interconectando Saberes, pág. 4.

Brenes Carranza, J. A. (202). Sistemas de apoyo a la toma de decisiones que usan inteligencia
artificial en la agricultura de precisión. risti, 217-229.

Chaparro Preciado, J. A. (2020). MATERAS INTELIGENTES; UNA APROXIMACIÓN A LA

AGRICULTURA EN PEQUEÑA ESCALA PARA USO DOMÉSTICO. Obtenido de Encuentro
Internacional De Educación En Ingeniería. :
https://acofipapers.org/index.php/eiei/article/view/846

Herrera Díaz, C. (2021). Implementación de un módulo de análisis estadístico y predictivo para

agricultura utilizando bigdata y machine learning, integrado al sistema iotmach. Obtenido
de http://repositorio.utmachala.edu.ec/handle/48000/7569

Rosales-Soto, A. &. (2020). Agricultura inteligente en México: Analítica de datos como herramienta
de competitividad. 3-4.