UNEFM, Ingeniería Agronómica, Modelización Producción Agrícola, Modelización de la Producción Agrícola

1. MODELIZACION DE LA
PRODUCCION AGRICOLA
ASPECTOS CONCEPTUALES
Ing. Ronald Molina
UNEFM – Programa de Ingeniería Agronómica 2018

2. Modelización y
Simulación

3. ALGUNAS DEFINICIONES
Modelización y Simulación
Con los nuevos cambios en la economía
mundial, donde la apertura de fronteras es ya
un hecho, el mundo AGRÍCOLA está
suavizándose ante el fenómeno global, proceso
que exige la optimización de recursos, el
conocimiento de los actores involucrados y la
apertura hacia los mercados pensando en la
satisfacción del consumidor, en busca de su
fidelidad.

4. Ante este panorama, los sistemas
productivos requieren de optimización de
costes, lo que ha dado origen a una serie
herramientas prácticas que permiten
evaluar desde una perspectiva sistémica,
el comportamiento de la organización
como un todo, modelando situaciones
ideales y económicamente realizables a
partir de la información real.

5. Definición de Simulación:
⚫ La simulación es la reproducción del comportamiento
dinámico de un sistema real en base a un sistema con el
fin de llegar a conclusiones aplicables al mundo real
(GIAMBIASI, 1996).
⚫ La simulación es la técnica que imita el
comportamiento de un sistema del mundo real cuando
evoluciona en el tiempo (García y Villatoro, 2004).
⚫ La simulación es la utilización de un modelo de
sistemas, que tiene las características deseadas de la
realidad, a fin de reproducir la esencia de las
operaciones reales… (Villalobos, 1998)
⚫ La simulación es Una técnica cuantitativa que utiliza un
modelo matemático computarizado para representar la
toma real de decisiones bajo condiciones de
incertidumbre, con objeto de evaluar cursos alternativos
de acción con base en hechos y suposiciones. (Wainer,
2000).

6. Definición de Simulación:
Le ha definido como: Una representación
de la realidad mediante el empleo de un
modelo u otro sistema que reaccione de la
misma manera que la realidad, en un
conjunto de condiciones dadas de una
localidad y en un tiempo determinado…
(Silva, 1999)

7. La simulación se ha convertido en
una parte integral para el éxito en
las operaciones de las empresas.
Con la utilización de esta
herramienta se pueden predecir
situaciones que vayan en
detrimento del proceso y, por lo
tanto, pueden ser corregidas antes
de que sucedan los problemas, lo
que permite el ahorro considerable
de recursos.

8. Las ventajas de la simulación son
múltiples:
⚫ Puede reducirse el tiempo de desarrollo
del sistema o de sus procesos.
⚫ Las decisiones pueden chequearse
artificialmente.
⚫Un mismo modelo puede usarse muchas
veces.
⚫ La simulación es de empleo mas simple
que ciertas técnicas analíticas y precisa
menos simplificaciones.

9. Sistemas:
Comportamiento y estructura

10. SISTEMAS
⚫ SISTEMA METRICO DECIMAL
⚫ SISTEMA CIRCULATORIO
⚫ SISTEMA JUDICIAL
⚫ SISTEMA EDUCATIVO
⚫ SISTEMA DE REFRIGERACION

11. Sistema a una entidad real o artificial?
Se dice que un Sistema es un conjunto
ordenado de objetos lógicamente relacionados
que desarrollan una determinada función,
interactuando entre si para cumplir ciertos
objetivos.
Se llama Sistema a una parte de una realidad,
restringida por un entorno. Está compuesto
por entidades que experimentan efectos
espacio-tiempo y relaciones mutuas.

12. Sistemas: Comportamiento y
estructura
La teoría matemática de sistemas provee
un marco para representar y estudiar
sistemas dinámicos, distinguiendo entre la
estructura (constitución interna) de un
sistema y su comportamiento o
funcionamiento (su manifestación
exterior).
AGROSISTEMA
ESTRUCTURA
FUNCION

15. Comportamiento y estructura
Si el modelo sólo permite la observación
del comportamiento de un sistema, se le
llama modelo comportamental,
conceptual o caja negra.

16. Comportamiento y estructura
Si el modelo representa la estructura
integra del sistema modelado en su
totalidad, se lo llama modelo estructural,
lógico, determinístico o caja blanca.
Modelo Caja de Cristal

17. ENFOQUE DE SISTEMAS
APLICACIÓN DE LA TEORIA DE
SISTEMAS A UN CAMPO DEL
CONOCIMIENTO, CIENCIA O DISCIPINA
CON EL OBJETO DE RESOLVER UN
PROBLEMA
ATRIBUTOS
INCLUIR FACTORES IMPORTANTES
USO DE MÉTODOS CUANTITATIVOS

18. X1 = Metodología de Panificación / Manejo
X2 = Equipo Multidisciplinario
X3 = Organización
X4 = Modelización Matemática
X5 = Técnicas de Simulación
X6 = Técnicas de Optimización
X7 = Uso de Computadoras

=
=
n
1
i
i
X
SISTEMAS
DE
ENFOQUE
O
O
O

19. ETAPAS
1. ANALISIS DE FACTIBILIDAD
⚫ Necesidades
⚫ Soluciones Factibles
2. MODELAJE ABSTRACTO
⚫ Modelo Validado
3. DISEÑO DEL SISTEMA
⚫ Especificaciones del Sistema
4. IMPLANTACION DEL SISTEMA
⚫ Sistema en Funcionamiento
5. OPERACIÓN DEL SISTEMA
⚫ Re-evaluación del Sistema

20. Modelos y Modelado
de Sistemas.

21. Llamaremos modelo a una
representación inteligible (abstracta y
consistente) de un sistema.
En muchos casos no se puede resolver
un problema directamente sobre un
sistema real, por ende razonamos sobre
modelos.
El proceso de pensar y razonar acerca de
un sistema utilizando un(os) modelo(s) se
llama modelado de sistemas.

22. Modelos:
Conjunto de ecuaciones y reglas que
describen cualitativa y
cuantitativamente un sistema en el
tiempo.
Jones y Luyten. 1998. Simulation of Biological Processes. En:
Peart R. Y Curry B. (Eds). Agricultural Systems modeling and
simulation.

23. Modelos agroambientales
Conjunto de ecuaciones y reglas que asocian
información de entrada para calcular variables
de interés agronómico, hidrológico y de calidad
ambiental. Permiten cuantificar procesos de
productividad y/o degradación en unidades
ambientales bajo diversos escenarios de uso y
manejo.
Silva (1999)

24. Insumos
Incontrolables
(Parámetros)
Insumos
Controlables
(Decisiones)
Modelo
Variables
de
Consecuencia
¿Qué hace el modelo?
Medidas
de
Desempeño
¿La solución del modelo dará la
respuesta que se necesita? NO
Se deben tener en cuenta factores
cualitativos que el modelo no está
considerando.

25. MODELOS AYUDAN
⚫ Definir Problemas
⚫ Organizar el Conocimiento
⚫ Comprender datos
⚫ Comunicar y probar esa
comprensión
⚫ Hacer predicciones

26. PROCESO DE RESOLUCIÓN DE PROBLEMAS
Evaluar resultados
Implementar la decisión
Elegir una opción
Evaluar alternativas
Determinar criterios de evaluación
Definir el problema
Identificar alternativas
Resolución
de Problemas
Toma de
Decisiones

27. Formulación del
modelo y recolección
de datos
Resolución
del modelo
Solución
¿Es
válida la
solución?
Generación de
Reportes e
Implementación
Si
Modelo
modificado
No
PROCESO DEL ANÁLISIS CUANTITATIVO

28. Aplicaciones de los Modelos
⚫ ANALISIS
Determinar salidas, dadas entradas y
estructura
Ejemplos: Rotaciones, Zonificación de
Cultivos, Estudios de Sostenibilidad,
Cambio climático por efecto CO2

29. Aplicaciones de los Modelos
⚫ MANEJO
Hallar entradas, dadas estructura y salidas
deseadas
Ejemplos: Cultivares, fechas de siembra,
distancias, manejo de residuos,
fertilización, riego, ect.

30. Aplicaciones de los Modelos
⚫ DISEÑO
Determinar estructura, dadas entradas
disponibles y salidas deseadas
Ejemplos: Modificación del modelo,
validación de capacidades, inclusión de
nuevos elementos o variables

31. Modelo matemático = Interpretación numérica
de un proceso
Modelos conceptuales
Modelos “Fisicos”
Modelos matemáticos
empíricos
estadísticos
dinámicos
Tipos de modelos
Estocásticos
(Probabilísticos)
Determinísticos)

32. TIPOS DE MODELOS
1. MODELOS CONCEPTUALES
2. MODELOS FÍSICOS
3. MODELOS MATEMÁTICOS
SUPUESTO
EN BIOOGIA CUALQUIER PROCESO PUEDE
REPRESENTARSE POR MEDIO DE
ECUACIONES MATEMATICAS
Efecto
Causa

33. CLASIFICACION DE LOS MODELOS
1. MODELOS CONCEPTUALES
2. MODELOS FÍSICOS
3. MODELOS MATEMÁTICOS
➢ Estocásticos (probabilísticas)
➢ Determinísticos
❖ Estáticos
❖ Dinámicos (tiempo)
o Discretos
o Continuos
EMPIRICOS………….FUNCIONALES………MECANICISTAS
DESCRIPCIÓN COMPRENSION

34. DESARROLLO DE UN MODELO
1. MODELO CONCEPTUAL
OBSERVACION MODELO
CONCEPTUAL
SISTEMA
CAUSA
ESTIMULO
SALIDA
RESPUESTA

35. Floema
(Almacena Nutrientes)
Xilema
(Agua, Nutrientes)
Elementos
nutrimentales
Primarios
Secundarios
Micronutrientes
S Ca Mg
CO2
Energía Solar
Riego
Lluvia
Agua
Fertilizantes
Residuos naturales
El Milagro de la Naturaleza
Cu Zn B Mn Cl Mo
Fe
Ni

36. DESARROLLO DE UN MODELO
2. MODELO FÍSICO
MODELO
FÍSICO
SISTEMA
ENTRADA SALIDA
MODELO
CONCEPTUAL
X
Y
Radiación
Biomasa
Fotosíntesis

37. EL POTASIO ACELERA

38. Proyecto en fase de ejecución desde 1997, cuyo propósito es el
de validar la sostenibilidad de un sistema de producción
integral y generar conocimientos e información para el
desarrollo de la agricultura tropical sostenible como enfoque
de producción. Está localizado en las instalaciones de
Fundación Danac, en San Javier (Yaracuy).
PROGRAMA AGRICULTURA TROPICAL
SOSTENIBLE DANAC
“MODELO FíSICO “

39. En una superficie de 16 hectáreas, rodeadas de 10
adicionales ocupadas por bosques de galería, y está
diseñado para constituirse en una plataforma de
investigación interinstitucional que mantendrá
estrechas relaciones con los proyectos de formación,
información y transferencia tecnológica del
Programa de ATS.

40. Tiene como característica la integración de la producción vegetal
y animal, la diversificación de cultivos tropicales de alta
productividad, el reciclaje de nutrimentos, el fraccionamiento de
la biomasa vegetal para alimentación animal, el uso de fuentes
alternas y locales de energía, y la incorporación de tecnologías
compatibles con el capital ecológico y las condiciones locales.
Está subdividido en cuatro componentes altamente
interrelacionados:
bovinos de doble propósito,
cerdos,
espacio doméstico rural, y
huertos (barbacoas y canteros).

41. RENDIMIENTO POTENCIAL vs
RENDIMIENTO ACTUAL
0
10
20
30
40
50
60
70
80
90
100
RENDIMIENTO
Brecha
Tecnológica
ACTUAL POTENCIAL
UNIDADES

42. DESARROLLO DE UN MODELO
3. MODELO MATEMÁTICO
MODELO
MATEMÁTICO
y = f(x)
x y
MODELO
FÍSICO
X
Y

43. Desde los trabajos de Fisher, R. (1924) se han utilizado. Este
autor importantisimo en otros campos, demostró que cuando el
numero de factores potencial que pueden influir en la respuesta es
de cierto orden, el numero de observaciones que se deben manejar
de esa respuesta debe ser del mismo orden o mayor, para que el
modelo pueda tener solución. Esto en estadística clásica lleva al
concepto de GRADOS DE LIBERTAD Y RANGO DE LOS
MODELOS DE DISEÑO.
También es el caso de los modelos de Obuhov (1949), quien uso
modelos ampliamente modelos de regresión múltiple para
estudiar la influencia de las condiciones de producción sobre el
rendimiento.
Modelos Matemáticos empíricos.

44. Modelos Matemáticos
Años
DETERMINISTICO
Años
P1
P2
P3
P4
ESTOCÁSTICO

45. Modelos Matemáticos
Años
DETERMINISTICO
Años
ESTOCÁSTICO

46. El caso mas sencillo de las funciones matemáticas para
representar una respuesta es la línea recta.
y = f (x)
Donde f(x) = a + bX , luego
y =  + X ,
Si consideramos y = respuesta (salida) X= variable
medida (entrada)
Variable
respuesta
Variable medida
y =  + X ,

47. Variable
respuesta
Variable medida
Tangente () = 
y =  + X ,

Intercepto
(0,  )
Interpretación de los parámetros de una recta

48. y= a +  B i * x i
i = 1
n
Donde y es la respuesta estimada,
a es una constante,
B i para valores de i desde 1 hasta n son coeficientes y x i son
los n factores que influencian la respuesta.
En el caso de los trabajos de Obuhov esos factores incluyen
condiciones meteorológicas promedio sobre estados fenológicos
del cultivo o periodos de tiempo.
El factor tecnología se puede reflejar en el modelo como una
tendencia.

49. Axiomáticamente, los modelos de regresión no siempre pueden ser
extrapolados a condiciones diferentes a aquellas bajo las cuales
se desarrollaron dichos modelos.
Un problema particular a considerar es cuando las variables
independientes del modelo (x i ) presentan altas correlaciones
entre ellas (multicolinealidad). Dicho problema puede ser
corregido si se usan métodos como el análisis por componentes
principales(ACP), Inversa generalizada, o regresión Ridge.
ACP, cambia el conjunto de variables originales por una
transformación que garantiza que el nuevo conjunto es de
variables no correlacionadas y ortogonales.

50. TIPOS DE MODELOS

51. TIPOS DE MODELOS
3.- MODELOS MATEMÁTICOS
SON MODELOS APROXIMATIVOS QUE UTILIZAN UNA SERIE DE
SIMBOLOGIAS MATEMÁTICAS (GRUPOS DE ECUACIONES) PARA
DUPLICAR LA REALIDAD.
EL GRUPO DE ECUACIONES SON DEL TIPO ECUACIÓN GENERALIZADA:

52. TIPOS DE MODELOS

53. TIPOS DE MODELOS

54. TIPOS DE MODELOS

55. TIPOS DE MODELOS

56. TIPOS DE MODELOS

57. TIPOS DE MODELOS

58. Estos modelos intentan describir matemáticamente
procesos en el tiempo.
El estado del sistema puede ser cuantificado en
cualquier instante de tiempo y los cambios en el
estado pueden ser representados por ecuaciones
matemáticas.
Tienen como meta construir ecuaciones matemáticas
que indiquen como varían las variables de estado con
el tiempo.
Modelos dinámicos
Basado en el material prepardo por Harú Martínez Mayo 2000

59. Matemática : Cambio Derivada
Ecuaciones Diferenciales:
Ecuaciones que contienen derivadas
Tasa : cambio de una variable de estado por unidad de
tiempo.
Tasa.
Velocidad.
Pendiente de la recta tangente.
Derivada:
Basado en el material prepardo por Harú Martínez Mayo 2000

60. CURVAS TIPICAS
CRECIMIENTO
TIEMPO
CURVAS DE CRECIMIENTO
CAUDAL
(m
3
s
-1
)
TIEMPO (s)
CAUDAL DE UNA CUENCA

61. EN ESTA PRESENTACION SE
UTILIZARON DATOS PROVENIENTES
DE LOS TRABAJOS REALIZADOS POR
EL GRUPO DE MODELOS DEL
POSTGRADO DE AGRONOMIA DE LA
UCV-MARACAY (ROSEMARY
WARKNOV, OSCAR SILVA, MARELIA
PUCHE y ROSANA FIGUEROA-RUIZ)