UNIVERSIDAD CIUDADANA DE NUEVO LEÓN

Maestría en Administración con Acentuación

Nombre de la maestría:
en Planeación Estratégica

Nombre de la materia: Modelos y Enfoques Metodológicos de Investigación

Nombre del alumno: Yves Turley Macias Vargas

Nombre del tutor: Mtra. Kassandra Sifuentes Zuñiga

Título de la actividad: Actividad 3: Titulo, delimitación y antecedentes del problema

Datos de entrega: Monterrey, N. L. a 27q de agosto del 2023

1
 1.1Título

Desarrollo de sistema para predicción en la producción de cielo abierto para cultivo de

moras azules (Vaccinium sect. Cyanococcus).

1.2. Delimitación

El siguiente estudio compara los resultados de distintos algoritmos de predicción,

usando como información histórica la base de datos “Wild Blueberry Yield Prediction”

recolectada por “The University of Maine” en EUA. Buscando el algoritmo de predicción con

mayor exactitud y precisión.

1.3 Problema

La predicción de producción de agrícola (también denominado cosecha) es uno de los

principales retos de la agricultura de precisión. Al existir una creciente demanda de alimentos

originada por el incremento en la población, un proceso largo de producción entre la

plantación del cultivo y la cosecha, añadiendo en cuenta los efectos generados por la lluvia,

polinización de las abejas y sequias. Todos estos elementos generan que el resultado pueda

ser favorecido o pésimo. El poder estimar y medir las variables de este proceso podrá ayudar

a los ingenieros, vendedores y administradores de las productoras agrícolas.

1.4. Antecedentes del problema

1.4.1 Antecedentes históricos

A nivel histórico nuestro problema es uno de muchos desbocamientos de un rio

principal, al que denominamos agricultura. Primero debemos situarnos en un mundo

interconectado entre los siglos XVI y siglo XVII, rutas de comercia entre América y Asia,

Europa siendo el centro comercial del mundo. Establecemos que empieza a ver un

2
intercambio de bienes. Durante el siglo XVII se consolidaron los mercados agrícolas a nivel

intercontinental y comenzó la primera intensificación de la producción. Esto genero

diferentes propuestas tecnológicas, científicas, técnicas y administrativas que fueron vistas en

el siglo XVIII. Esto podría traducirse como la comercialización y la demanda por los clientes

y empresarios genero la primera ola tecnológica agrícola.

Estas nuevas formas como lo son la implementación del acero, la maquinaria, la

distribución de tierras, nuevas genéticas y experimentación ayudaron a incrementar la

comercialización y empezaron las exportaciones masivas para los insumos agrícolas, lo cual

género que durante el siglo XIX se hiciera una especulación que el guano, el insumo principal

para añadir nitrógeno el campo, se acabaría para 1940.

Empiezan los problemas serios, una fuerte demanda global por insumos que genero tensiones

entre las naciones europeas. Lo cual a su vez llevo a los dos siguientes grandes momentos de

la agricultura, el primero fue la síntesis Haber-Bosch en 1910. Alemania había logrado crear

“pan del aire” al poder sintetizar nitrógeno del aire, la humanidad podía satisfacer la

necesidad de insumos necesaria para el campo, lo cual llevo a poder satisfacer las demandas

mundiales. Después de esto vino la intervención de la maquinaria avanzada o la famosa

“revolución verde”, una campaña pagada por los Rockefeller para la instrumentación entre la

década de 1960 y 1970, los ejemplos son mejores pesticidas, fertilizantes innovadores,

herbicidas, maquinaria electromecánica, sistemas de riego, etc.

“En 2050 seremos nueve mil millones de personas en este mundo, unos dos mil más

que a comienzos del XXI, y se necesitará un 50 % más de alimentos.” Frase extraída del libro

Historia General de la Agricultura de los pueblos nómadas a la biotecnología de José Ignacio

3
Cubero. Esto nos da pie a las nuevas necesidades la digitalización y soluciones tecnológicas

4.0 para poder incrementar la cantidad de producción.

En este antecedente histórico podemos resaltar las diferentes evoluciones y como las

soluciones tecnológicas y la innovación es lo que a empujado a que la agricultura pueda

satisfacer la demanda humana y la siguiente demanda requerirá mayores avances.

1.4.2 Antecedentes jurídicos

La organización para las naciones unidas para la alimentación y la agricultura (FAO)

estableció dentro de sus políticas un concepto que regirán nuestra investigación, el cual es

seguridad alimentaria, definida en la cumbre de Roma en 1996 en el foro mundial de la

alimentación.

“La seguridad alimentaria existe cuando todas las personas, en todo momento, tiene

acceso suficiente tanto físico y económico, a comida segura y nutritiva que cumpla con las

demandas de sus dietas y preferencias alimenticias para una vida activa y saludable”.

A su vez tenemos el artículo cuarto de la Constitución de los Estados Unidos

Mexicanos, en el cual dentro de párrafos añadidos en el 2011 establece: “Toda persona tiene

derecho a la alimentación nutritiva, suficiente y de calidad. El estado lo garantizara.”

“El desarrollo rural integral y sustentable a que se refiere el párrafo anterior, también tendrá

entre sus fines que el Estado garantice el abasto suficiente y oportuno de los alimentos

básicos que la ley establezca.”

Estos antecedentes jurídicos no están directamente relacionados con el uso de la inteligencia

artificial en la predicción de cultivos, pero el fin que es abastecer de alimento a la humanidad

coincide con los intereses de nuestro trabajo de investigación.

4
 1.4.3 Antecedentes científicos

En el trabajo realizado en China por [1] Efrem Yohannes Obsie, Hongchun Qu,,

Francis Drummond usaron la misma base de datos “Wild blueberry yield prediction using a

combination of computer simulation and machine learning algorithms”. Esta investigación se

enfocó en 4 modelos matemáticos específicos, regresión lineal múltiple, árbol de decisión,

bosque aleatorio y gradiente extremo. En el cual obtuvo que el gradiente extremo tenía la

mayor exactitud y predicción. La realidad es que su trabajo tuvo un enfoque en el efecto de

las variedades de abeja y su polinización.

En el trabajo realizado en India por [2] Ramesh Medar, Vijay S. Rajpurohit y

Shweta Shweta observamos un método más sencillo en donde solo damos una evaluación

positiva o negativa, no encontramos un resultado preciso en la cantidad esperada de cosecha,

solamente hace una predicción de que resultado posivito o negativo sobre el cultivo.

En [3] Aruvansh Nigam, Saksham Garg, Archit Agrawal y Parul Agrawal nos

encontramos que considero diferentes atributos para sus modelos de aprendizaje de máquina.

Los resultados encontrados por parte de esta investigación fueron limitados y de poca

precisión para poder ser aplicados a nivel industrial, sus resultados no superar la exactitud del

67.80%.

Durante el trabajo se encontraron artículos o tesis similares sobre predicción, pero no

enfocadas a la producción agrícola, por lo cual tendremos que ampliar el campo de búsqueda

tanto en agricultura como en modelos de inteligencia artificial.

5
Referencias

[1] Efrem Yohannes Obsie, Hongchun Qu, Francis Drummond, “Wild blueberry yield

prediction using a combination of computer simulation and machine learning

algorithms”, Computers and Electronics in Agriculture, Volume 178, 2020, 105778,

ISSN 0168-1699, https://doi.org/10.1016/j.compag.2020.105778.

[2] R. Medar, V. S. Rajpurohit and S. Shweta, "Crop Yield Prediction using Machine

Learning Techniques," 2019 IEEE 5th International Conference for Convergence in

Technology (I2CT), Bombay, India, 2019, pp. 1-5, doi:

10.1109/I2CT45611.2019.9033611.

[3] A. Nigam, S. Garg, A. Agrawal and P. Agrawal, "Crop Yield Prediction Using Machine

Learning Algorithms," 2019 Fifth International Conference on Image Information

Processing (ICIIP), Shimla, India, 2019, pp. 125-130, doi:

10.1109/ICIIP47207.2019.8985951.

[4] Constitución Política de los Estados Unidos Mexicanos [México], 5 febrero 1917.

[5] Cubero, J. I. (2018). Historia General de la Agricultura De los pueblos nómadas a la

biotecnología (1st ed.). Guadalmazán.

[6] Organización de las Naciones Unidas para la Agricultura y la Alimentación, FAO (2004).

Directrices voluntarias, en apoyo de la realización progresiva del derecho a una

alimentación adecuada en el contexto de la seguridad alimentaria nacional. Roma,

6
 Italia: FAO. Disponible en: http://www.fao.org/3/y7937s/y7937s00.pdf (consulta,

10/02/2021).

[7] De la Rosa, C. M. (2023, June 1). La Revolución Verde y la soberanía alimentaria como

contrapropuesta. Veredas. Retrieved August 21, 2023, from

https://veredas.xoc.uam.mx/index.php/2022/03/22/la-revolucion-verde-y-la-soberania-

alimentaria-como-contrapropuesta/

[8] Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2022).

Metodología de la investigación (7a. ed. --.). México D.F.: McGraw-Hill.