Manual ag@ve risk v1.0

Manual de Usuario Ag@ve Risk v1.0

Proyecto:
Análisis de la información generada por Casa Herradura mediante los
Conteos Cíclicos y Monitoring, con un enfoque epidemiológico regional.

Reporte del Primer entregable:
Adecuación de bases de datos integrada de conteos cíclicos, conteos fitosanitarios,
cuadrillas DSI y Monitoring, clima y suelo y análisis estadístico descriptivo y gráficos
exploratorios.

Responsable:
Dr. Gustavo Mora Aguilera
Profesor e Investigador Titular
Epidemiología Agrícola
Colegio de Postgraduados-Montecillo
morag@colpos.mx
Tel. (01-595) 95-202-00 Ext. 1620
Edificio Fitosanidad

Responsable: Dr. Gustavo Mora Aguilera. Colegio de Postgraduados. Campus Montecillo

1


Presentación
El proyecto inició formalmente el 30 de mayo con la firma del convenio respectivo y la
canalización del primer recurso en junio del 2011.
Aunque el inicio se da en el marco de las fechas mencionadas anteriormente, las
actividades se comenzaron a partir de la gestión del proyecto en la primera semana de
mayo.
Este primer reporte corresponde a la primera etapa del proyecto en el contexto del
primer entregable: Adecuación de bases de datos integrada de conteos cíclicos, conteos
fitosanitarios, cuadrillas DSI y Monitoring, clima y suelo y análisis estadístico descriptivo y
gráficos exploratorios.
I.

Introducción

El presente trabajo corresponde al primer informe de avances de investigación del
proyecto: Análisis de la Información Generada por Casa Herradura mediante los Conteos
Cíclicos y Monitoring, con un enfoque epidemiológico regional.
Los primeros análisis correspondientes al primer entregable se generaron a partir del
reconocimiento de las bases de datos proporcionadas por Casa Herradura, la cual
correspondió a la base de datos de Cuadrillas vs Monitor. A la par, se exploraron
preliminarmente otras bases de datos de las cuales se generaron resúmenes de variables
(Ver anexo 2).
Se realizó un análisis exploratorio gráfico y de cuadros resumen por variable, región y
por enfermedad (plagas y enfermedades) de las variables que contenía la base de datos para
determinan su pertinencia y sus posibles usos en análisis estadísticos descriptivos u otros
(Ver anexo 1).
En apoyo al informe de Monitoring presentado por el M.C Elías Hernández y equipo de
Casa Herradura se realizaron algunos análisis estadísticos complementarios. Empleando la
misma base de datos (Cuadrillas vs Monitor) se realizaron gráficas temporales por región
productiva para determinar el grado e intensidad de la(s) enfermedad(es).
Los datos obtenidos de la gráficas temporales se metieron es SAS v6.12 para el cálculo
de Área Bajo la Curva de Progreso de la Enfermedad (ABCPE). Se ajustaron al modelo
Weibull mediante el procedimiento PROC GLM por gráfica temporal de cada región
productiva. Se realizaron análisis de varianza (Prueba de Duncan) por regiones y por fecha
de evaluación utilizando los datos de ABCPE generados en el procedimiento anterior (Ver
anexo 3).
A través de la integración de información generada por personal de Casa Herradura, se
integró, en MS Excel 2007, un modelo de simulación de riesgos epidemiológicoseconómicos a nivel regional basado en el sistema de simulación MonteCarlo (N=5000), el
cual se nombró Ag@ve-Risk v1.0.


2


Ag@ve-Risk v1.0 se desarrolló como un sistema dinámico interactivo de multicriterios
regionales para la simulación de % incidencia en la cadena productiva y sus repercusiones
económicas dentro de la misma.
El sistema Ag@ve-Risk v1.0 ofrece parámetros cuantitativos estadísticos, económicos
y epidemiológicos para la toma de decisiones en un contexto de planeación y programación
para la operación de recursos económicos y humanos en la producción de Agave de Tequila
Herradura.
Además, ofrece un panorama innovador en la integración de modelos a diferentes
escalas y visiones de análisis, su carácter dinámico-práctico permite la interacción directa
con el modelo a través de la elección de diferentes escenarios de ocurrencia. La
plurifuncionalidad de Ag@ve-Risk v1.0 permite la visión integradora de los procesos
complementarios de la cadena productiva del Agave.
II.

Justificación

La estimación de perdidas en la cadena productiva del Agave es uno de los elementos
importantes en la planeación y toma de decisiones en procesos posteriores de la cadena
productiva. Para ello, predecir escenarios de riesgo epidemiológicos en las plantaciones de
Agave de Tequila Herradura es uno de los eslabones primordiales.
En este sentido, resulta imprescindible entender la relación de los procesos biológicos
que operan dentro del cultivo y sus efectos económicos dentro del mismo. La planeación
agrícola de los procesos productivos primarios resulta una de las herramientas técnicas que
permiten a través de la incorporación de diversos elementos epidemiológicos, económicos y
productivos diseñar las estrategias potenciales para la toma de decisiones operativas.
La incorporación de variables de los subsistemas epidemiológicos como el hospedero,
clima, manejo, etc., en conjunto con variables econométricas y productivas sugieren la
pertinencia de análisis multivariados, combinados y complementarios capaces de ofrecer
posibles escenarios de interacción entre dichos elementos.
La simulación de estos escenarios de interacción entre los elementos epidemiológicos,
económicos y productivos por medio de métodos matemáticos y estadísticos resulta factible
ya que brinda parámetros cuantitativos y probabilidades de ocurrencia de uno varios o
sucesos a través de la repetitividad sistemática de las interacciones.
No obstante, determinar la pertinencia de las variables explicativas de un determinado
proceso resulta unas de las actividades con mayor responsabilidad, criterio y visión, ya que
una inadecuada decisión en la elección cambiaría el sentido explicativo del proceso. Es por
ello que la calidad de los datos que alimentan los procesos simulativos debe tener estricto
apego a la realidad del entorno.
La integración de esta idea a través de un sistema dinámico de análisis cuantitativo de
multicriterios epidemiológicos y económicos que ofrezcan al usuario un conjunto de
elementos con una base racional bien sustentada, permitirá una mejora en la planeación de

3


los procesos productivos desde la cadena primaria de producción, lo que repercutiría
directamente en los procesos de producción industrial a través de mejora en la
programación de recursos y esfuerzos encaminados a la mejora de la calidad del Agave.
III.

Marco Metodológico

A) Origen de los Datos
Los datos que alimentaron el programa Ag@ve-Risk v1.0 fueron las bases de datos de
Conteo Cíclico No. 7 (Agosto-Octubre, 2010), de las cuales se obtuvieron datos de
porcentaje de plantas muertas por ciclo (edad de plantación) y por zona (región productiva),
de la siguiente forma:
Donde: %Pm = % de Plantas Muertas, Pv = Número de Plantas Vivas al 2010 y Pm = Número de
Plantas muertas al 2010.

Los ciclos analizados fueron del 2000 al 2009, mientras que las zonas o regiones
productivas reportadas fueron: Altos, Centro, Magdalena, Nayarit y Sur.
Una vez obtenido el %Pm se generaron gráficas de columnas 2-D del % de plantas
muertas versus la edad de plantación, lo anterior para visualizar la tendencia y distribución
de los datos (Figura 1).
Zona o región productiva

B)

Zona Altos

60%

% muerte

50%
% muerte

% Plantas Muertas

A)
40%

30%
20%

10%
0%
2002

2004

2005

2006

2007

2008

2009

Zona Centro

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%

2001

2002

2003

2004

2005

2006

2007

2008

2009

Edad Planta

Edad Planta

Edad de Plantación

Figura 1. Histogramas (2-D) de % de plantas muertas versus edad de la plantación: Caso Alto (A) y
Centro (B).

Derivado de las gráficas (histogramas) de %Pm se generaron gráficas (líneas)
epidemiológicas de %Pm por edad, comenzando desde el año más reciente al más lejano
(2009-2000) para invertir la curva a una forma ascendente (Figura 2), para fines de
posteriores análisis epidemiológicos.


4


A)

Zona Altos

100%

40%

80%

% muerte

120%

50%
% muerte

Zona Centro

B)

60%

30%

20%
10%

60%

40%
20%

0%

0%
2009

2008

2007

2006

2005

2004

2002

2009

2008

2007

2006

Edad Planta

2005

2004

2003

2002

2001

Edad Planta

Figura 2. Gráficas temporales de incidencia de plantas muertas en Agave. Ejemplo: Zona Altos (A)
y Centro (B).

B) Ajuste de Epidemias al Modelo Weibull
La incidencia de plantas muertas (%Pm) por zona o región productiva fueron
incluidas en análisis estadísticos en el programa SAS (Sistem Analysis Statistical v. 6.12)
para su ajuste mediante el modelo flexible Weibull de dos parámetros, mediante los
procedimientos PROC MODEL y PROC NLIN.
El modelo Weibull se desarrolló con la siguiente fórmula:

Donde: y = incidencia, t= tiempo, b= parámetro de tasa y c=parámetro de forma

C) Programación de modelo Weibull en MS Excel (Biomodel v2)
Los parámetros obtenidos del modelo de Weibull (b y c) de cada región productiva
fueron adaptados y programados en el programa Biolmodel v2 Weibull (G. Mora. No
publicado), el cual permite comparar gráficamente dos epidemias en función de sus
parámetros de estimación y en función del tiempo de inicio de la epidemia a diferentes
intervalos (ver Hoja “Weibull” en Ag@ve-Risk v1.0).
D) Simulación MonteCarlo a través de Multicriterios Regionales Epidemiológicos y
Económicos
D.1) Parámetros Epidemiológicos
Los parámetros epidemiológicos empleados para realizar las simulaciones MonteCarlo
(MC) fueron los siguientes:
 Parámetro de tasa (b) por región productiva
 Parámetro de forma (c) por región productiva
 Intervalos de confianza (α=5%) de los parámetros b y c
 Número de Plantas por región productiva


5


D.2) Parámetros Económicos
Los parámetros económicos empleados para realizar las simulaciones MC fueron los
siguientes:
 Costos de producción agrícola por región productiva
 Valor unitario de la piña
 Porcentaje de Mermas
 Variación porcentual (%) de costos de producción y del valor unitario
 Tipo de cambio (Dólar)
D.3) Simulación MonteCarlo
Los parámetros epidemiológicos y económicos de estimación para cada región
productiva se adaptaron en MS-Excel para realizar 5000 simulaciones estadísticas por el
método MonteCarlo.
La fórmula general empleada para la simulación MC se define a continuación:

Donde:
Ut = Utilidad neta
Nt = Número total de plantas por región productiva
nt = Número total de de plantas por hectárea
t = tiempo de proyección
b = parámetro de tasa
c = parámetro de forma
Va = Valor Unitario de la piña
Co = Costo de producción por región hectárea

Las 5000 simulaciones se realizaron mediante números aleatorios de los parámetros b, c,
Va y Co y se definen a continuación:



Parámetros epidemiológicos. Las simulaciones realizadas se calcularon con base en
los intervalos de confianza (α=5%) de los parámetros b y c derivados del
procedimiento PROC NLIN en SAS.
Parámetros económicos. Se calcularon a través de la variación porcentual de costos
de producción, valor unitario y mermas.

D.3.1) Representación gráfica de la simulación MC
Las 5000 simulaciones realizadas a través del modelo MC (Sección D.3) para la
estimación de Utilidades Netas se graficaron por medio de histogramas de frecuencias para
determinar la forma de distribución de los datos. El procedimiento utilizado fue a través de
la siguiente función de MS Excel:

6


Donde:
Datos = 5000 simulaciones
Grupo = clases

Para fines representativos, el número de clases empleado fue de 40 más la clase 0
(número mínimo del conjunto de datos). Las clases se determinaron a través de la siguiente
fórmula:

Donde:
MIN = función de Excel para determinar el valor mínimo
MAX = función de Excel para determinar el valor máximo
Datos = 5000 simulaciones
N = número deseado de clases

D.4) Estadística Descriptiva y Probabilidad
Como parte de las simulaciones MC se generaron un conjunto de estadísticas
descriptivas y probabilidades asociadas a las simulaciones. A continuación se enlistan las
herramientas empleadas:
 Tendencia Central
 Media, mediana y error estándar


Dispersión
 Desviación estándar, mínimo, máximo, rango (máximo – mínimo), cuartíl
25% y 75% y Rango intercuartil (cuartil 25% - cuartil 75%).



Cuantíles, percentiles e intervalos
 Percentil 5, 25, 95 y 97.5%, Percentil α/2, Percentil 1- α/2 (α= 5%).

 Probabilidades
Apartado dinámico, en el que el usuario coloca los valores de los cuales requiere saber su
probabilidad.
 Probabilidad mayor. Devuelve la probabilidad de un número mayor al
indicado (Pr > num).
 Probabilidad menor. Devuelve la probabilidad del número menor al indicado
(Pr > num).
 Probabilidad rango. Devuelve la probabilidad de un rango de datos indicado
(Pr < num > )


7


E. Variables Respuesta
Epidemiológicas
E.1. Número de Plantas Vivas o Plantas a Cosecha
Corresponde al número total de plantas vivas proyectadas después de la selección de
una epidemia a un tiempo determinado. Se calcula de la siguiente forma:

E.2. Número de Plantas Muertas
Corresponde al número de plantas muertas proyectadas después de la selección de
una epidemia a un tiempo determinado de proyección. Se calcula de la siguiente forma:

E.3. Número de Piñas a Proceso
El número de piñas finales a proceso es la cantidad de plantas jimadas considerando
la merma en el proceso de jima, se calcula de la siguiente forma:

Económicas
E.5. Utilidad Neta (MXN)
Es la utilidad neta expresada en pesos mexicanos (MNX), considera la sustracción
de los costos de producción, se calcula como sigue:

E.6. Utilidad Neta (US)
Es la utilidad neta expresada en dólares americanos (US$), se calcula como sigue:


8


IV.
i.

Ag@ve Risk v1.0: Manual de procedimientos
Estructura

Ag@ve-Risk v1.0 es un archivo de MS Excel en formato de “Excel habilitado para
macros”. Consta de cuatro hojas de cálculo más una presentación del programa. En cada
hoja de cálculo hay botones de opción para trasladarse entre hojas. Ag@ve-Risk v1.0 se
basa en el modelo de simulación MonteCarlo ajustado de 5000 simulaciones.
Contiene gráficas dinámicas, métodos y parámetros estadísticos, cuadros resumen,
entre otras herramientas convenientes para el análisis y la toma de decisiones dentro del
contexto de la planeación agrícola con un enfoque epidemiológico.
Presentación. Es la presentación del programa, incluye los datos generales del
grupo desarrollador del programa y de los solicitantes.

Modelo. Esta hoja es el “input” del sistema, en ella se determinan parámetros
específicos para establecer las simulaciones. Los cuadros en todos azules indican que los
valores se calculan automáticamente, mientras que los tonos verdes y amarillo claro con
letras en color rojo indican que los valores pueden ser modificados para fines de la
simulación.


9


MCsim. Es la hoja en la que se realizan los cálculos de simulación (MonteCarlo
n=5000), así como la determinación de algunos gráficos complementarios y estadísticos
descriptivos generales.


10


Weibull. Esta hoja contiene los las epidemias de incidencia por muerte de plantas
de agave ajustados al modelo flexible Weibull (Sección III.B).
El modelo empleado en este desarrollo se encuentra de forma dinámica en la
selección de regiones productivas de agave (seis regiones productivas) en diferentes
tiempos y a diferentes intervalos para la realización de gráficos representativos de las
curvas epidémicas.

Epidemias Originales. Contiene los histogramas de frecuencia por regiones
productivas empleando los datos originales de campo, obtenidos en la base de datos de
conteos cíclicos 7 (CC7 final.xls) proporcionada por Casa Herradura.


11


ii.

Modo de Uso

Paso 1. Abrir el programa Ag@ve-Risk v1.0.xlsx proporcionado por el instructor.
NOTA: Dado que el archivo está guardado en un formato habilitado para macros, al abrirse
en un equipo nuevo Excel bloquea automáticamente esta función. Para activar los macros
siga los siguientes pasos:
1. En la parte superior de la hoja de cálculo aparece una ventana de aviso en la que
se anuncia que se han bloqueado algunas opciones.
2. Dar clic en la opción de Habilitar…
3. Seleccionar la opción de Habilitar macros
4. Dar OK.
Paso 2. Explorar cada una de las ventanas con ayuda de la explicación dada en el apartado
1.
Paso 3. Iniciar con reconocimiento de las opciones o multicriterios epidemiológicos y de
producción.
Multicriterios Dinámicos
A) Parámetros Epidemiológicos. Este apartado esta precargado con los datos
obtenidos por el ajuste de los datos originales a un modelo Weibull y con un total de
1,200,000 plantas por región. Cambiar el valor de plantas por región con datos
diferentes.
1. Dando clic sobre cualquier casilla considera los parámetros asociados a esta
región productiva.
2. Los botones de acción “Datos Originales” y “Ver Weibull” permiten visualizar
los datos de campo o el ajuste al modelo Weibull.


12


2

1

2

B) Parámetros de Costos de Producción.
1. Especificar los costos de producción anual por hectárea y por cada concepto.
2. Los costos de producción deben incluirse según la región determinada en el paso
(A), por lo que el programa hace un recordatorio de la región que se eligió.
3. Definir porcentaje de variación de los costos (%).
4. El factor de % de reducción está incluido como una variable de análisis, se
puede definir por cada concepto la reducción deseada del costo de producción
total.
2
1
4

3

C) Determinación del Valor Unitario y mermas de la producción y factor
inflacionario dentro de los costos y valor de la producción
1. Definir el valor unitario de la planta.
2. Definir el % de variación de valor unitario de cada planta.
3. Indicar el % de mermas en la producción.
4. Indicar sí se considera el factor inflacionario en la simulación.

1
2

3

4


13


D) Tiempo de proyección y simulación
1. Indicar el tiempo en el que se quiere hacer la proyección, este parámetro se
encuentra dado en meses, 12 meses=1 año.

1

E) Tipo de cambio (Dólar). 2) Definir el valor del dólar a la fecha actual para calcular
las utilidades tanto en Moneda Nacional (MNX) como en Dólar (US$).

2

F) Probabilidad de las utilidades. 1) Indicar un valor (Utilidad Neta) que se requiera
determinar su probabilidad de ocurrencia después de la simulación.

1

G) Simulación. 1) Para poder realizar simulaciones del modelo con los parámetros
elegidos anteriormente, ejecutar el botón de acción Nueva Simulación 5000 las
veces que requiera simular el modelo. 2) El botón de acción MCsim permite
movilizarse a la hoja de cálculo con el modelo de simulación, los datos de
estadísticas descriptivas e histogramas de frecuencias.
3) El botón de acción Simulación Cadena Secundaria está planeado para
movilizarse a la simulación de datos en la cadena secundaria o industria, la cual está
actualmente en proceso de construcción.


14


1

2

3

H) Histograma de punto de equilibrio. Calcula la utilidad neta según las
consideraciones epidemiológicas, costos y valor de la producción elegidas; y
determina el tiempo en el que estas consideraciones representan una pérdida
económica en la cadena primaria.

V.

Perspectivas Futuras de Ag@ve-Risk v1.0

El desarrollo de Ag@ve-Risk v1.0 permitió visualizar nuevas áreas de oportunidad que
complementarían y mejorarían la propuesta planteada en este desarrollo. Se enlistan a
continuación las áreas de oportunidad planteadas:





Desarrollo de la cadena secundaria (transformación) utilizando el mismo formato de
visualización del desarrollado para la cadena primaria.
Idear las estrategias para vincular sistemáticamente las bases de datos generadas por
Casa Herradura, para lo cual es pertinente:
o La uniformización de formatos de las bases de datos.
o Diseño y programación de la plataforma o sistema web que permita el
desarrollo de la propuesta.
Registrar Ag@ve-Risk v1.0 como desarrollo formal o patente


15

Manual ag@ve risk v1.0

Recomendados

Recomendados

Más contenido relacionado

Similar a Manual ag@ve risk v1.0

Similar a Manual ag@ve risk v1.0 (20)

Más de SINAVEF_LAB

Más de SINAVEF_LAB (20)

Manual ag@ve risk v1.0