Professional Documents
Culture Documents
AUTORES:
JORGE ANDRÉS CASAS ZAPATA
HERSAÍN ANDRÉS FAJARDO BANGUERO
JAVIER ENRIQUE RODRÍGUEZ CEBALLOS
GRUPO: 51
Resumen:
A lo largo de los últimos 70 años, el planeta ha tenido una explosión demográfica, donde ya
se duplicó el valor poblacional que existía en los años 50 [1]; esto ha llevado a la búsqueda
de nuevas tecnologías, entre otras, para la producción agrícola, la cual en su necesidad de
expansión ha talado gran cantidad de Hectáreas de bosque, y aun así no se tiene un punto
de equilibrio entre los alimentos y las personas para alimentar. Una de las formas de mitigar
esta diferencia entre la producción actual y el punto de equilibrio es la optimización de
cultivos, ya que en las cosechas siempre se tienen puntos que no germinan o que sufren
daño debido a la mala dosificación de algún componente que se usa para el mantenimiento
del mismo. A lo largo de los años, se hace notorio en épocas de cosecha un problema que
cada vez se ha agudizado de mayor manera, y es la falta de mano de obra joven en el
campo, pues los intereses de las nuevas generaciones se centran en la mejora, progreso, y
no en la continuación de esa actividad que sus progenitores han desarrollado, la agricultura;
esto ha traído como consecuencia bajas en la calidad de las cosechas y por ende en los
alimentos que la sociedad consume. Para mitigar este impacto, han nacido diferentes
conceptos y uno de ellos es la agricultura de precisión, la cual permite un monitoreo
constante de las variables asociadas a la agricultura y un menor tiempo de respuesta a
diferentes problemas que el cultivo pueda presentar. Además de optimizar el tiempo de
revisión del suelo, evita que estas personas de avanzada edad se desplacen por las
diferentes topografías donde se siembra.
Esta alternativa beneficiará a los miembros de una comunidad en una sociedad agraria o
rural (campesino/a), pues se optimiza el tiempo de monitoreo de distintas variables que
pueden afectar la calidad del cultivo, además de los ahorros que se tendrán de materias
primas y mano de obra. También se dará un salto tecnológico al incluir IoT (internet de las
cosas) dentro del proceso productivo de agricultura.
Planteamiento de la Misión:
En este proceso se separaron las necesidades de acuerdo a su relación por medio del
diagrama de afinidad (ver figura 2). En este diagrama se crearon siete grupos: funcionalidad
básica, funcionalidad extra, medio ambiente, costos, interacción con el usuario,
características físicas y eficiencia del sistema.
A cada una de las necesidades se les asignó un número (1, 3 o 9) según su importancia
teniendo en cuenta las funciones requeridas por el usuario para el sistema, siendo 9 la
calificación para mayor importancia y 1 la menor. En la tabla 1 (Importancia de las
necesidades) fue posible encontrar que las necesidades más relevantes para el usuario
están relacionadas con la toma de datos continua de todas las variables medidas y el
análisis de las mismas, que las estaciones sean a prueba de agua, que su altura sea
graduable y que cuenten con sistemas de riego. Las necesidades con menor importancia
fueron la detección de personas o animales en los cultivos, el mecanismo para ahuyentar
aves y el fácil reciclaje del sistema cumplida su vida útil.
Necesidad Importancia
Resistente a la lluvia 9
Fácil mantenimiento 3
Autónomo Energéticamente 9
Posteriormente se realizaron los análisis, con los modelos NUD (Nuevo, único, difícil) y
Kano, para dejar establecidas las necesidades que serán utilizadas en el análisis de la casa
de las calidades. En la tabla 2 se encuentran listadas las necesidades teniendo en cuenta si
son nuevas, únicas o difíciles (modelo NUD) y sin son factores diferenciadores, para
incrementar satisfacción o que deben estar presentes en el dispositivo (modelo Kano:
Deligthers, satisfiers, dissatisfiers). Las necesidades que no se encuentran en la tabla no
cumplen con ninguna característica de los modelos, sin embargo esto no significa que no
podrán ser tenidas en cuenta para los siguientes análisis.
Must have Linear Satisfier Delighter
Interfaz de monitoreo
clara y detallada
En la tabla anterior se encuentran presentes diez necesidades críticas para el desarrollo del
sistema. Se optó entonces por dejar únicamente catorce necesidades, eliminando la
detección de personas o animales en los cultivos, el mecanismo para ahuyentar aves, los
datos actualizados y organizados en una tabla de Excel, el bajo costo de fabricación y el
fácil reciclaje cumplida su vida útil ya que sus calificaciones fueron muy bajas y no era
pertinente dejarlas para análisis posteriores.
Especificaciones y Benchmarking
1 3
Toma de datos de forma continua de todas Muestras por
las variables asociadas minuto
Consumo energético W
Autónomo Energéticamente
J
Radio Enlace 1 km 2 km 3 km (8 km 25 km
máx)
A continuación se presentan las apariencias físicas de las soluciones presentadas por los
competidores:
Generación de Conceptos
Conclusiones
● Dadas las necesidades que los diseñadores pueden creer que son básicas para el
funcionamiento del sistema, hay diferentes maneras para esclarecer o ampliar el
marco de éstas como una encuesta o entrevista.
● Aunque ya existen alternativas que cumplen con el objetivo del sistema de monitoreo
planteado por nuestro equipo, nuestro diseño se considera más completo y tendrá
una gran aceptación por los clientes ya que se conocerán muchas variables de la
cosecha y dependiendo de ellas se darán recomendaciones de medidas que se
deberán tomar para que la cosecha esté en su óptimo estado.
● Cuando se califican las necesidades se tiene como gran ventaja que, se aplica un
filtro que nos permite ver cuáles son las más óptimas y cuáles se ajustan mejor
tanto a los requerimientos del cliente como a los costos y facilidad de fabricación e
implementación.
REFERENCIAS
[4] S.A.S., E. (2018). Drones, aliados para una agricultura de precisión. Larepublica.co.
Retrieved 28 February 2018, from
https://www.larepublica.co/archivo/drones-aliados-para-una-agricultura-de-precision-222385
1
[5] Tiempo, C. (2018). Los drones son los nuevos 'ojos' de los científicos de la agricultura. El
Tiempo. Retrieved 28 February 2018, from
http://www.eltiempo.com/vida/ciencia/drones-usados-en-la-agricultura-39867
[7] Manfredi, I. (2018). Los Drones para monitorear cultivos - Agritotal. Agritotal.com.
Retrieved 28 February 2018, from
http://www.agritotal.com/nota/los-drones-para-monitorear-cultivos/
[8] El uso de drones en la agricultura de precisión - ANEIA - Universidad de Los Andes.
(2018). ANEIA - Universidad de Los Andes. Retrieved 28 February 2018, from
https://agronegocios.uniandes.edu.co/2015/08/18/el-uso-de-drones-en-la-agricultura-de-prec
ision/
[9] Cite This For Me. (2018). Hemeroteca.unad.edu.co. Retrieved 28 February 2018, from
http://hemeroteca.unad.edu.co/index.php/publicaciones-e-investigacion/article/download/158
5/1917
[11] Marín B., López L. (2017). Aplicación de la técnica de minería de datos para la
exploración de conocimiento implícito y predicción del clima. Sapientia, (17). P.
38-42.