proyecto
Validación y Empaquetamiento de Algoritmos de Aprendizaje Automático y Predictivos para Monitoreo en Vitivinicultura, Dirigido a la Mejora de Proceso Productivos.
Registro en:
16ITE2-71472
2016-71472-INNOVA_PRODUCCION
Autor
Vivian Palma - Corfo Vii Region
Smartdici Spa
Institución
Resumen
Diseñar y Validar Estrategias para la Distribución y Comercialización del Sistema Predictivo de Producción de Uva Vinífera para Penetrar el Mercado Nacional e Internacional. Empaquetar el Sistema Predictivo de Producción de Uva Vinífera y sus Módulo Predictivo y Modulo de Procesamiento de Información mediante Desarrollo y Automatización de Procesos para su Distribución y Utilización en la Viticultura de Precisión. Validar que las Predicciones de Cosecha Generadas por el Sistema Predictivo de Producción de Uva Presente un Error o Variación Menor al 10% mediante la Aplicación de Pruebas de Validación en 3 Regiones y 3 Cepas Tintas para el Aumento de Competitividad y Rentabilidad de la Industria Vitivinicola. Validar y Empaquetar un Sistema Predictivo de Producción de Uva Vinífera con Niveles de Error (variación Estándar) Menores al 10% Aplicable a Distintas Cepas Basado en Algoritmos Dinámicos y Procesos que Permiten Analizar Información y Desplegar Resultados Conformando un Mecanismo de Inteligencia Artificial que Posibilite Optimizar los Procesos Productivos para Aumentar la Competitividad y Rentabilidad de la Industria del Vino. El Proyecto Consiste en Validar y Empaquetar un Sistema Predictivo de Producción de Uva Vinífera con Niveles de Error (variación Estándar) Menores al 10% Basado en Algoritmos Dinámicos y Procesos que Permiten Analizar Información y Desplegar Resultados Conformando un Mecanismo de Inteligencia Artificial que Permita Incrementar Productividad y Optimizar la Gestión Logística de la Industria del Vino. Para ello se Requiere Construir Algoritmos y Módulos de Software los que Serán Validados mediante Pruebas Experimentales con la Finalidad de Obtener Predicciones de Producción en 3 Cepas Tintas y 3 Zonas Geográficas con Errores de Estimación Menores al 10%. A Manera de Ilustrar el Impacto de Disponer de Acertadas Predicciones de Producción Basta Señalar que el Costo Seco del Vino Embotellado (envase Etiqueta y Corcho) Representa entre un 20% a un 45% del Costo del Producto (odepa). Predicciones Adecuadas Evitan Incurrir en Elevados Costos por Inmovilizar Insumos o Bien Comprar Cerca de Proceso de Embotellado. El Proyecto se Basa en el Prototipo de Modelos de Predicción de Rendimiento en la Producción de Uva Realizado con Instrumento Corfo 155ite1-40659 cuyo Objetivo Fue Validar la Idoneidad y Factibilidad del Uso de Técnicas de Inteligencia Artificial en el Ámbito de la Agricultura de Precisión. Los Resultados Obtenidos en el Prototipo Aplicado en Unidades Experimentales Arrojaron Estimaciones de Producción con un Error de un 2% al 9% lo que Contrasta con los Métodos Actuales que Presentan Variación entre 20% al 30%. los Objetivos del Presente Proyecto de Validación y Empaquetamiento Son:1. Validar que las Predicciones de Cosecha Generadas por el Sistema Predictivo de Producción de Uva Vinífera Presenten un Nivel de Error o Variación Menor al 10% mediante la Aplicación de Pruebas de Validación en 3 Regiones Geográficas y 3 Cepas Tintas para Contribuir al Aumento de Competitividad y Rentabilidad de la Industria del Vino. 2. Empaquetar el Sistema Predictivo de Producción de Uva Vinífera y sus Módulo Predictivo y Modulo de Procesamiento de Información mediante Desarrollo y Automatización de Procesos para su Distribución y Utilización en la Viticultura de Precisión. 3. Diseñar y Validar Estrategias para la Distribución y Comercialización del Sistema Predictivo de Producción de Uva Vinífera para Penetrar el Mercado Nacional e Internacional. El Proyecto Tiene un Costo en Recursos Humanos Gastos de Operación y Administración de Clp 279. 220. 040 Millones para una Duración de 24 Meses Posibilitando con ello Abordar 2 Ciclos Biológicos y Permitir el Aprendizaje de los Algoritmos Dinámicos. El Proyecto Permitirá Ingresar a la Industria de Agricultura de Precisión del Vino Ofertando un Sistema Predictivo de Producción Consistente en Información con bajo Margen de Variación para Apoyar la Toma de Decisiones y Optimizar la Gestión Logística Proporcionando una Mayor Competitividad al Sector. El Modelo de Negocio Considera que los Clientes Son los Canales de Ventas en Tanto que los Usuarios Son las Viñas. Los Canales de Venta Serán Proveedores de Agricultura de Precisión y el Modelo de Cobro se Efectuará por Hectárea / Temporada. los Principales Riesgos del Proyecto es Lograr Predicciones de Cosecha de Uva Vinífera con un Nivel de Precisión Mayor al 90% Aplicable a Distintas Zonas Geográficas y Cepas Tintas. Para Lograr Ello: se Desarrollarán Algoritmos Dinámicos con la Capacidad de Aprender y Desplegar Información en Módulos de Software, Integrar Distintos Software para que Procesen y Analicen Automáticamente las Variables de Entrada que Requieren los Algoritmos Y, Aplicar Pruebas Experimentales en Dos Temporadas a 350 Hectáreas Localizadas en 3 Regiones y 3 Cepas Tintas. El Proyecto Presenta una Oportunidad para que la Empresa Diversifique su Oferta con una Nueva Línea de Productos. Bajo un Criterio Conservador y Asumiendo Iniciar Ventas de 500 Hás. Al Cabo de 5 Años Proporciona un Van de Us$1085 Millones y una Tir de 57% con una Tasa de Descuento del 15%. El Proyecto Dispondrá de los Siguientes Entregables:modelo Predictivo de Producción de Uva Vinífera. Módulo de Procesamiento de Información (interfaz Web). Estrategia de Distribución Validada por Canales de Ventas y Usuarios. Informe de Resultados de Pruebas de Validación y Modificaciones a Algoritmos Dinámicos. Estrategia de Protección de Propiedad Intelectual. Finalmente Señalar que las Variables Críticas Incorporadas a los Algoritmos Dinámicos para Efectuar Predicción de Producción de Uva Vinífera También Son Válidas en el Cultivo de Otras Especies Vegetales. Por Tanto se Prevé que a Futuro el Sistema se Podrá Ampliar a Otros Cultivos. Corporación de Fomento de la Producción