{"id":49008,"date":"2022-11-23T00:00:03","date_gmt":"2022-11-23T00:00:03","guid":{"rendered":"https:\/\/ft.proditech.in\/?p=49008"},"modified":"2023-02-18T05:28:05","modified_gmt":"2023-02-18T05:28:05","slug":"agritech-se-esta-enfocando-en-todas-las-cosas-equivocadas","status":"publish","type":"post","link":"https:\/\/farmable.tech\/es\/agritech-se-esta-enfocando-en-todas-las-cosas-equivocadas\/","title":{"rendered":"AgriTech se est\u00e1 enfocando en todas las cosas equivocadas"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

No me convert\u00ed en agricultor hasta los 37 a\u00f1os. Y hasta ese momento, tengo que admitir que ni siquiera estaba muy interesado en ello. En las primeras etapas de mi carrera, pens\u00e9 que quer\u00eda llegar a lo m\u00e1s alto de la escala corporativa. No llegu\u00e9 a la cima, y ahora ya no quiero hacerlo, pero aprend\u00ed algunas cosas en el camino, algunas cosas que me hacen ver la agricultura y el AgriTech de manera un poco diferente a los dem\u00e1s, al parecer.\n<\/p>\n

\nDurante muchos a\u00f1os trabaj\u00e9 en la digitalizaci\u00f3n de las industrias del petr\u00f3leo y el gas, las energ\u00edas renovables y el transporte mar\u00edtimo. Desde 2010, dimos peque\u00f1os pasos en el an\u00e1lisis de big data, el aprendizaje autom\u00e1tico, el Internet de las cosas, las plataformas de datos y la econom\u00eda de las API. Como sucede con los nuevos ciclos de exageraci\u00f3n tecnol\u00f3gica, no todo fue tan f\u00e1cil de implementar como parec\u00eda en la etapa de ideaci\u00f3n. Y ahora que observo que estos mismos temas aumentan en popularidad en el espacio AgriTech, no puedo escapar de la sensaci\u00f3n de d\u00e9j\u00e0 vu.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Digitalizaci\u00f3n en otras industrias<\/h2><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Como ilustra el gr\u00e1fico, la mayor\u00eda de las otras industrias han alcanzado un mayor nivel de digitalizaci\u00f3n y, naturalmente, la agricultura se inspira en esto. Sin embargo, inspirarse en esto es una equivocaci\u00f3n.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La digitalizaci\u00f3n puede significar muchas cosas diferentes, pero la mayor parte de lo que veo que ocurre en el espacio AgriTech ahora es heredado de otros sectores industriales: se trata de sensores, sat\u00e9lites, drones y c\u00e1maras que generan flujos de datos que pueden ser analizados y utilizados para la toma de decisiones. Todav\u00eda no se trata de nuevos e inteligentes modelos de negocio, lo que s\u00f3lo significa que el espacio AgriTech todav\u00eda no est\u00e1 muy maduro.\n<\/p>\n

\nAs\u00ed que estamos en la misma etapa que cuando comenc\u00e9 a trabajar con los mismos temas en esas otras industrias. Excepto que, en aquel entonces, al menos el objetivo era bastante sencillo: quer\u00edamos predecir y solucionar los problemas antes de que ocurrieran, evitando as\u00ed el tiempo de inactividad.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

El petr\u00f3leo y el gas se convierten en aprendizaje autom\u00e1tico<\/h2><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Imagina un gran barco de perforaci\u00f3n, perfora agujeros a miles de metros debajo del fondo marino, por lo que se puede producir petr\u00f3leo y gas. Cuesta alrededor de 250 000 d\u00f3lares al d\u00eda, y cualquier tiempo de inactividad significa directamente costes adicionales y retrasos. El valor de predecir un problema temprano es extremadamente grande.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para ser muy concretos, la “digitalizaci\u00f3n” aplicada a este buque de perforaci\u00f3n significaba lo siguiente: hay aproximadamente 10 000 sensores a bordo, siendo los tipos de sensores m\u00e1s destacados los de vibraci\u00f3n, temperatura y presi\u00f3n. Estos sensores constituyen la principal fuente de datos para predecir fallos, y su an\u00e1lisis requiere 5 pasos:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
    \n \t
  1. Conseguir que todos los datos sean comunes<\/b>: esto es dif\u00edcil porque hay sistemas de muchos proveedores y los datos se encuentran en silos.<\/li>\n \t
  2. Crear matriz de correlaci\u00f3n:<\/b> esto es dif\u00edcil porque requiere una gran capacidad de procesamiento para analizar relaciones de 10 000 por 10 000.<\/li>\n \t
  3. Identificar modos de fallo reconocibles<\/b> – esto es f\u00e1cil; ya hay bases de datos para esto.<\/li>\n \t
  4. Conectar modos de fallo con patrones de datos:<\/b> esto es dif\u00edcil porque requiere grandes conjuntos de datos de experiencia.<\/li>\n \t
  5. Encontrar patrones de<\/b> datos:<\/b> esto es dif\u00edcil porque requiere an\u00e1lisis “en vivo” por parte del equipo usado (no en la nube).<\/li>\n<\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t
    \n

    En otras palabras, es dif\u00edcil hacer realidad las promesas hechas, por lo que no se est\u00e1 materializando a la velocidad esperada.\n<\/p>\n

    \nAun as\u00ed, el AgriTech se inspira en estos otros sectores industriales y parece intentar hacer las mismas cosas. En muchos sentidos, es mucho m\u00e1s f\u00e1cil hacer estos 5 pasos para un tractor u otra maquinaria agr\u00edcola que para la citada nave de perforaci\u00f3n. No tienen diferentes proveedores, la matriz de correlaci\u00f3n es mucho m\u00e1s peque\u00f1a, los modos de fallo son menos, y el c\u00e1lculo por parte del equipo es un esfuerzo menor.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    La redundancia inherente es mucho m\u00e1s f\u00e1cil<\/h2><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    S\u00e9 que a John Deere le gusta presentar sus tractores como m\u00e1quinas grandes. Pero es importante observar que son l\u00f3gicamente peque\u00f1os. Con esto quiero decir que la mayor\u00eda de los agricultores tienen varias m\u00e1quinas que hacen el mismo trabajo, y su elecci\u00f3n del tama\u00f1o y la cantidad de m\u00e1quinas es el resultado de optimizar la capacidad del trabajo, la flexibilidad del trabajo y la redundancia. Si una m\u00e1quina tiene tiempo de inactividad, esto rara vez se traduce directamente en una productividad agr\u00edcola reducida.\n<\/p>\n

    \nEn comparaci\u00f3n, dos buques de perforaci\u00f3n peque\u00f1os nunca podr\u00e1n hacer el mismo trabajo que los grandes.\n<\/p>\n

    \nSoy agricultor. Esto significa que mi principal preocupaci\u00f3n es la productividad de mis campos, no si mi tractor funciona. Por ejemplo, quiero saber por qu\u00e9 un campo tiene una floraci\u00f3n dispersa y c\u00f3mo solucionarlo para poder producir m\u00e1s manzanas. Las lecturas de las vibraciones y el estado de los rodamientos de mis tractores nunca influir\u00e1n directamente en esto.\n<\/p>\n\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t
    \n

    Es entonces cuando el AgriTech sugiere que apliquemos la misma l\u00f3gica a la propia finca. Instalemos m\u00e1s sensores, hagamos m\u00e1s fotos y analicemos. Esto plantea otra preocupaci\u00f3n. \u00bfC\u00f3mo vamos a generar suficientes datos para conectar los modos de fallo con los modelos de datos? \u00bfC\u00f3mo obtener suficientes datos de la experiencia para aprender de ella?<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Aprender cada segundo frente a cada a\u00f1o<\/h2><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Hagamos otro ejemplo de barcos perforadores. Hay muchas v\u00e1lvulas a bordo, cuyo trabajo es dejar pasar o no el fluido. Pueden abrirse y cerrarse cada segundo, cada minuto o cada d\u00eda, y cada vez completa un ciclo operativo del que se puede aprender. Para simplificar, una v\u00e1lvula espec\u00edfica se abre y se cierra 1000 veces al a\u00f1o. Esta v\u00e1lvula tiene cien v\u00e1lvulas hermanas instaladas en otros lugares. En total, esto genera datos de experiencia de 100 000 ciclos operativos por a\u00f1o. Este es el tipo de conjunto de datos que necesitamos para crear la matriz de correlaci\u00f3n y conectar los modelos de datos con los modos de fallo.\n<\/p>\n

    \nMi explotaci\u00f3n, como se ve arriba, genera un ciclo operativo por a\u00f1o, as\u00ed que s\u00f3lo despu\u00e9s de 100 000 a\u00f1os tendremos el mismo conjunto de datos de la v\u00e1lvula de ejemplo.\n<\/p>\n

    \nClaramente, este es un enfoque equivocado. La estacionalidad de la agricultura es un obst\u00e1culo para los intentos de digitalizaci\u00f3n en los que otras industrias est\u00e1n apostando.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Necesitamos encontrar una mejor manera de digitalizar la agricultura<\/h2><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    No estoy diciendo que todas estas nuevas tecnolog\u00edas no tengan un rol en la agricultura, pero el orden de implementaci\u00f3n debe ser diferente. Los proveedores de tecnolog\u00eda deben dirigir sus esfuerzos m\u00e1s hacia lo que los agricultores necesitan arreglar. Y los agricultores deben participar mucho m\u00e1s en el di\u00e1logo para obtener soluciones utilizables.\n<\/p>\n

    \nQuiero ver un futuro para la agricultura en el que la tecnolog\u00eda ayude a automatizar los procesos agr\u00edcolas y respalde la toma de decisiones, pero no veo que eso suceda a trav\u00e9s del aprendizaje autom\u00e1tico de grandes flujos de datos y la detecci\u00f3n remota. Creo que necesitamos desarrollar tecnolog\u00eda que acerque a las partes interesadas de la industria y facilite el aprendizaje en partes m\u00e1s grandes de la industria. Al reunir los procesos de trabajo agr\u00edcola, el conocimiento, las observaciones y los puntos de datos, la tecnolog\u00eda puede, con el tiempo, aprender c\u00f3mo lo hacemos y luego guiarnos. Es paralelo a c\u00f3mo Tesla desarroll\u00f3 el piloto autom\u00e1tico. Dejan que la tecnolog\u00eda observe c\u00f3mo conducen los humanos, luego trata de ayudar, y solo al final de eso llega la autonom\u00eda total. Y todav\u00eda no hemos llegado, ni para conducir ni para cultivar.\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\tPor cierto, hemos escrito una serie de blogs sobre lo que pensamos que el AgriTech y la agricultura de precisi\u00f3n<\/b> deber\u00edan enfocarse:\n\n

    \n1: La Agricultura de Precisi\u00f3n no es lo que dicen que es<\/a><\/i>\n\n

    \n    2: \u00bfQu\u00e9 problemas resolver\u00e1 la agricultura de precisi\u00f3n?<\/a>\n\n\n

    \n\n    3: Reinventa la forma en que recopilas, organizas y utilizas tus datos<\/a>\n

    \n\n    4: \u00bfPor qu\u00e9 calcular el retorno de inversion por campo es todav\u00eda un reto?<\/a>\n

    \n\n    5: \u00bfCu\u00e1l es el mayor coste en agricultura? Mano de obra<\/a>\n

    \n\n    6: \u00bfC\u00f3mo preparar tu explotaci\u00f3n agr\u00edcola para el futuro? Comienza a automatizar la documentaci\u00f3n.<\/a>\n\n

    \n    7: La zonificaci\u00f3n variable se traduce en m\u00e1s precisi\u00f3n en agricultura<\/a>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

    No me convert\u00ed en agricultor hasta los 37 a\u00f1os. Y hasta ese momento, tengo que admitir que ni siquiera estaba muy interesado en ello. En las primeras etapas de mi carrera, pens\u00e9 que quer\u00eda llegar a lo m\u00e1s alto de la escala corporativa. No llegu\u00e9 a la cima, y ahora ya no quiero hacerlo, pero […]<\/p>\n","protected":false},"author":9,"featured_media":49156,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[131,146],"tags":[],"class_list":["post-49008","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-all-es","category-historias-de-exito-de-productores"],"_links":{"self":[{"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/posts\/49008","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/comments?post=49008"}],"version-history":[{"count":4,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/posts\/49008\/revisions"}],"predecessor-version":[{"id":57149,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/posts\/49008\/revisions\/57149"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/media\/49156"}],"wp:attachment":[{"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/media?parent=49008"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/categories?post=49008"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/farmable.tech\/es\/wp-json\/wp\/v2\/tags?post=49008"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}