REGISTRATE
MasSimple|
MasEficiente
Masfuturo
FROM COLOMBIA
TO THE WORLD
NUESTRO PROPOSITO
Garantiza la transparencia
en la cadena de suministro,
permitiendo a los
consumidores conocer el
origen y las condiciones de
producción de su café
Cosecha
Procesamiento
Transporte
Almacenamiento
Distribución
Verificación Cadena de
suministro
Nuestras
Familias
Cafeteras
ModelodeNegocio
Ciclo
Trazabilidad mediante Blockchain
“GARANTIZANDO TRANSPARENCIA Y CONFIANZA EN CADA ETAPA DEL PROCESO”
Cultivo
Fecha
Ubicación
Certificaciones
Cosecha
Fecha
Ubicación
Certificaciones
Procesamiento
Fecha
Ubicación
Certificaciones
Transporte
Fecha
Ubicación
Condiciones de transporte
Almacenamiento
Fecha
Ubicación
C de Almacenamiento
Distribución
Fecha
Ubicación
Optimizar los procesos logísticos, reduciendo
costos y mejorando la eficiencia de la distribución
de cafés especiales.
Cotiza tu
mejor naviera
Cotiza tu
mejor agente
de carga
Compara
precios y
proveedores
logisticos
Estrategia de
Marketing
Piloto y Casos de Éxito:
Implementación piloto con un grupo
de productores y comercializadores.
Creación de casos de éxito para
mostrar el impacto de la plataforma.
Marketing Digital:
Campañas en redes
sociales (LinkedIn,
Twitter, Facebook).
Webinars y podcasts
sobre trazabilidad y
mercadeo del café.
Partnerships:
Colaboraciones con
organizaciones agrícolas y
cámaras de comercio.
Alianzas con empresas de
tecnología agrícola.
Eventos y Conferencias:
Participación en ferias y conferencias del
sector cafetero.
Presentaciones en meetups y grupos de
interés.
Validaciones y
Pruebas
Validación de Usabilidad:
Pruebas de usuario con productores
y comercializadores para asegurar
que la plataforma es intuitiva y útil.
Encuestas y feedback para mejorar la
experiencia del usuario.
Validación de Trazabilidad:
Se realizarán Pruebas de integración con
blockchain para asegurar la seguridad y la
integridad de los datos.
Igualmente la validación de la precisión de los
datos registrados en cada etapa de la cadena de
valor.
Validación de Predicciones:
Pruebas con datos históricos para
evaluar la precisión de las
predicciones de precios y demanda.
Comparación con tendencias reales
del mercado.
Machine
Learning
Modelo Machine Learning:
Calidad de cafe: Mediante paramentros de entrada del cafe como: lugar de cultivo,
proceso de secado, y variables fisicas de calidad (aroma, imperfesion, tamaño de grano
etc) determina y pondera el puntaje de la calidad del cafe en una escala 0-100 donde se
dtermina el valor con el mercado global en compartiva con la calidad del cafe
Metrica de medicion : La escala de medicion se realiza en base al Coffee Quality
Institute (CQI) es una organización sin fines de lucro que trabaja para mejorar la calidad
y el valor del café en todo el mundo. Fue fundada en 1996 y tiene su sede en California,
Estados Unidos.
Modelo de IA: https://colab.research.google.com/drive/1EK9y-
KY5U0q6cQdMXx6C5yiATnGs9DVW#scrollTo=YxTVMJZtzdP9
Modelo de predicción de calidad de cafe para su prediccion de
precio de exportacion
Feedback
Contínuo
Usuarios Objetivo: Productores de café, comercializadores, distribuidores y consumidores.
Métodos de Recopilación de Feedback:
Feedback cualitativo: Encuestas, entrada directa a través de la plataforma, entrevistas
con usuarios.
Feedback cuantitativo: Análisis del uso del dashboard, métricas de precisión de
predicciones.
Feedback del Productor Feedback del Consumidor
Adaptación al Mercado: Permite que la plataforma se adapte a
las condiciones y tendencias del mercado en evolución
Optimización Logística: La integración de datos en
tiempo real mejorará la eficiencia en la distribución y
reducirá costos.
Conclusiones
Enfoque en la Trazabilidad: La integración de blockchain es crucial
para garantizar la transparencia y la confianza en la cadena de valor.
Importancia de la Predicción: Las herramientas de machine
learning permitirán a los productores y comercializadores tomar
decisiones informadas.
Equipo CoffeTrack
Mauricio
Erazo Arango
Camilo
Cordoba
Alexander
Buesaquillo
Admon. Empresas
Ing. Machine Learning
Programador Python
Ing. Industral
Ing. Machine Learning
Software Developer
Programador Python
Gracias

Coffee Track & machine learning Model Hack

  • 1.
  • 2.
    NUESTRO PROPOSITO Garantiza latransparencia en la cadena de suministro, permitiendo a los consumidores conocer el origen y las condiciones de producción de su café Cosecha Procesamiento Transporte Almacenamiento Distribución Verificación Cadena de suministro Nuestras Familias Cafeteras
  • 3.
  • 4.
    Ciclo Trazabilidad mediante Blockchain “GARANTIZANDOTRANSPARENCIA Y CONFIANZA EN CADA ETAPA DEL PROCESO” Cultivo Fecha Ubicación Certificaciones Cosecha Fecha Ubicación Certificaciones Procesamiento Fecha Ubicación Certificaciones Transporte Fecha Ubicación Condiciones de transporte Almacenamiento Fecha Ubicación C de Almacenamiento Distribución Fecha Ubicación
  • 5.
    Optimizar los procesoslogísticos, reduciendo costos y mejorando la eficiencia de la distribución de cafés especiales. Cotiza tu mejor naviera Cotiza tu mejor agente de carga Compara precios y proveedores logisticos
  • 6.
    Estrategia de Marketing Piloto yCasos de Éxito: Implementación piloto con un grupo de productores y comercializadores. Creación de casos de éxito para mostrar el impacto de la plataforma. Marketing Digital: Campañas en redes sociales (LinkedIn, Twitter, Facebook). Webinars y podcasts sobre trazabilidad y mercadeo del café. Partnerships: Colaboraciones con organizaciones agrícolas y cámaras de comercio. Alianzas con empresas de tecnología agrícola. Eventos y Conferencias: Participación en ferias y conferencias del sector cafetero. Presentaciones en meetups y grupos de interés.
  • 7.
    Validaciones y Pruebas Validación deUsabilidad: Pruebas de usuario con productores y comercializadores para asegurar que la plataforma es intuitiva y útil. Encuestas y feedback para mejorar la experiencia del usuario. Validación de Trazabilidad: Se realizarán Pruebas de integración con blockchain para asegurar la seguridad y la integridad de los datos. Igualmente la validación de la precisión de los datos registrados en cada etapa de la cadena de valor. Validación de Predicciones: Pruebas con datos históricos para evaluar la precisión de las predicciones de precios y demanda. Comparación con tendencias reales del mercado.
  • 8.
    Machine Learning Modelo Machine Learning: Calidadde cafe: Mediante paramentros de entrada del cafe como: lugar de cultivo, proceso de secado, y variables fisicas de calidad (aroma, imperfesion, tamaño de grano etc) determina y pondera el puntaje de la calidad del cafe en una escala 0-100 donde se dtermina el valor con el mercado global en compartiva con la calidad del cafe Metrica de medicion : La escala de medicion se realiza en base al Coffee Quality Institute (CQI) es una organización sin fines de lucro que trabaja para mejorar la calidad y el valor del café en todo el mundo. Fue fundada en 1996 y tiene su sede en California, Estados Unidos. Modelo de IA: https://colab.research.google.com/drive/1EK9y- KY5U0q6cQdMXx6C5yiATnGs9DVW#scrollTo=YxTVMJZtzdP9 Modelo de predicción de calidad de cafe para su prediccion de precio de exportacion
  • 9.
    Feedback Contínuo Usuarios Objetivo: Productoresde café, comercializadores, distribuidores y consumidores. Métodos de Recopilación de Feedback: Feedback cualitativo: Encuestas, entrada directa a través de la plataforma, entrevistas con usuarios. Feedback cuantitativo: Análisis del uso del dashboard, métricas de precisión de predicciones. Feedback del Productor Feedback del Consumidor Adaptación al Mercado: Permite que la plataforma se adapte a las condiciones y tendencias del mercado en evolución
  • 10.
    Optimización Logística: Laintegración de datos en tiempo real mejorará la eficiencia en la distribución y reducirá costos. Conclusiones Enfoque en la Trazabilidad: La integración de blockchain es crucial para garantizar la transparencia y la confianza en la cadena de valor. Importancia de la Predicción: Las herramientas de machine learning permitirán a los productores y comercializadores tomar decisiones informadas.
  • 11.
    Equipo CoffeTrack Mauricio Erazo Arango Camilo Cordoba Alexander Buesaquillo Admon.Empresas Ing. Machine Learning Programador Python Ing. Industral Ing. Machine Learning Software Developer Programador Python Gracias