Redes Neuronales Artificiales: factores que determinan la cosecha de caña en la industria azucarera.// Artificial Neural Networks: factors that determine the cane harvest in a sugar industry.
DOI:
https://doi.org/10.29076/issn.2528-7737vol12iss29.2019pp36-50pPalabras clave:
Heliofanía, IDE, industria azucarera, lenguaje M, MATLAB (MATrix LABoratory), Red neuronal artificial.Resumen
La investigación muestra lo importante de las redes neuronales artificiales dentro de la industria azucarera, como una herramienta útil para la predicción del cultivo de la caña de azúcar, tomando como entradas la información climatológica: temperaturas máximas y mínimas, oscilación térmica, precipitaciones, heliofanía, humedad relativa, evaporación y hectáreas de los cultivos sembrados, para obtener una salida: toneladas de caña. Se desarrolló una herramienta de trabajo predictiva con resultados confiables, comparados con métodos tradicionales utilizados, como los aforos de expertos para la cosecha de la caña de azúcar. Se analizó la base de datos histórica de la organización, mediante un software MATLAB, herramienta matemática, que ofrece un entorno de desarrollo integrado (IDE) con lenguaje M de programación propio. La investigación se desarrolló en Compañía Azucarera Valdez S.A. Ubicada en la Ciudad de Milagro-Provincia del Guayas-Ecuador.
Abstract
The research shows the importance of artificial neural networks within the sugar industry, as a useful tool for the prediction of the cultivation of sugarcane, taking as input the climatological information: maximum and minimum temperatures, thermal oscillation, rainfall, heliophany, relative humidity, evaporation and hectares of crops planted, to obtain tons of cane as an output. A predictive work tool with reliable results was developed, compared with traditional methods used, such as expert assessment for sugarcane harvesting. The historical database of the organization was analyzed through MATLAB software, a mathematical tool which offers an integrated development environment (IDE) with its own M programming language. The research was developed at Compañía Azucarera Valdez S.A. located in the City of Milagro-Province of Guayas-Ecuador.
Descargas
Referencias
ARIAS. (2004). El proyecto de Investigación, Guía para su Elaboración. CARACAS,. VENEZUELA .
Avila, R., Rodriguez, V., & Hernandez, E. (2012). Prediccion de rendimiento de un cultivo de platano mediante redes neuronales de regresion generalizada. Publicaciones en Ciencias y Tecnologia, VI(1), 31-40.
Banko, C. (2005). La industria azucarera en México y Venezuela. Un estudio comparativo. Carta Económica Regional, 41-54.
Chagoya, E. R. (2008). Métodos y técnicas de investigación. Gestiopolis, 16.
Coello, L. (4 de FEBRERO de 2015). Redes neuronales artificiales en la producción de tecnología. Discover scientific knowledge. Obtenido de https://www.researchgate.net/publication/283847824_Redes_neuronales_artificiales_en_la_produccion_de_tecnologia
Eerikäinen, T., Linko, P., Linko, S., Siimes, T., & Zhu, Y.-H. (1993). Lógica difusa y aplicaciones de redes neuronales en la ciencia y tecnología de los alimentos. Elsevier Ltd, IV, 237-242.
Fauconnier, R. (1975). La caña de azucar. Técnicas agrícolas y producciones tropicales. Editorial Blume., 405.
FREEMAN, J. A. (1993). Redes neuronales: algoritmos, aplicaciones y técnicas de programación, . New York, USA,: Addison-Wesley Iberoamerican.
Kanali. (30 de julio de 1997). Predicción de cargas por eje inducidas por la caña de azúcar utilizando vehículos industriales. 2-7.
Laura Plazas Tovar. (2017). Prediction of overall glucose yield in hydrolysis of pretreated sugarcane bagasse using a single artificial neural network: good insight for process development.
López, S. T. (2016). Red neuronal multicapa para la evaluación de competencias laborales. Revista Cubana de Ciencias Informáticas. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227-18992016000500016
Ma, F. L. (2002). Knowledge Acquisition Based on Neural Networks for Performance Evaluation of Sugarcane Harvester. 4-7.
Marquetti, H. (13 de DICIEMBRE de 2016). El desarrollo económico local en Cuba. La Habana, Cuba. Obtenido de file:///C:/Users/Usuario/Downloads/Desarrollo-EconmicoLocalCuba.pdf
MATICH, D. J. (2001). Redes neuronales, Conceptos básicos y aplicaciones. Mexico: Ed. Universidad Tecnológica Nacional, .
Miceli, G. (2002). Regulación enzimàtica de la acumulación de sacarosa en cañas de azúcar (Saccharum spp.). Agrociencia, 411-419.
Mutran, V. M. (2018). Bioenergy investments in sugarcane mills: an approach combining portfolio theory with neural networks. 3-7.
NOGUEZ, H. R. (1993). Comparación entre imágenes Landsat Thematic. Tesis de licenciatura. División de Ciencias Forestales, Universidad Autónoma Chapingo, 115.
SALAS, M. I. (2000). Redes neuronales artificiales en la medición de temperatura y humedad relativa. Mexico: Universidad Autónoma Chapingo.
Sampieri, D. R. (2010). Metodología de la investigación. México D.F: McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V.
Sbarbaro, D. (2005). Supervisión de válvulas de control en circuitos de flotación basados en redes neuronales artificiales. ICANN'05 Proceedings of the 15th international conference on Artificial neural networks: formal models and their applications, Volume Part II, págs. 451- 456. Springer , Berlín, Heidelberg, alemán.
Subiros, F. (1995). El cultivo de Caña de Azucar. Editorial Universidad Estatal a Distancia., 441.
Valdés, M. (2004). Determinación del periodo de crecimiento en el cultivo de la caña de azucar. CAI Jose Martí, 1562-3297.
Wang, J., Zhang, L., Guo, Q., & Zhang, Y. (21 de Marzo de 2017). Redes neuronales recurrentes con unidades de memoria auxiliar. IEEE Transactions on Neural Networks and Learning Systems, 1652 - 1661.
Zhang, Y. (2018). Predicción del grado de concentrado de fosfato basado en el modelado de redes neuronales artificiales., (págs. 625-628).
Zorrilla, A. (1993). Introducción a la metodología de la investigación. Aguilar Leon y Cal, Editores, 11ª Edición., 43.
Publicado
Número
Sección
Licencia
Los autores pueden mantener el copyright, concediendo a la revista el derecho de primera publicación. Alternativamente, los autores pueden transferir el copyright a la revista, la cual permitirá a los autores el uso no-comercial del trabajo, incluyendo el derecho a colocarlo en un archivo de acceso libre.
