Diseño de una cadena de suministro agroalimentaria integral de productos perecederos en el departamento de Cundinamarca
DOI:
https://doi.org/10.26507/paper.2250Palabras clave:
modelo logístico, tecnologías digitales, Perecederos, Abastecimiento, Propiedades fisicoquímicas, Aprendizaje de máquinaResumen
El objetivo del proyecto es diseñar una Cadena de Suministro Agroalimentaria que mejore la integración de los participantes, reduzca la pérdida de alimentos en poscosecha y reduzca los costos de intermediación, en productos perecederos representativos del departamento de Cundinamarca. En el desarrollo de la investigación se identificó un vacío en el conocimiento a nivel científico, empresarial y de política pública, sobre la aplicación de tecnologías digitales en la medición y seguimiento en tiempo real de propiedades fisicoquímicas en la determinación de la vida útil restante (RSL) de los alimentos. Para cubrir éste vacío se propuso como primera etapa un modelo predictivo con base en imágenes reales de frutos de fresa y un algoritmo de Machine Learning con el fin de predecir el tiempo después de cosecha. Con ésto se facilita el cálculo del RSL en tiempo real y la toma de decisiones sobre la articulación de operaciones logísticas. Los resultados muestran que el modelo predictivo presenta una exactitud del 40.15% en prueba, lo que demuestra que el algoritmo funciona, aunque hay que perfeccionar más la asignación de los parámetros de entrada y la arquitectura de la red neuronal.
Descargas
Citas
Berkowitz, D. E. (2012). Industria Alimentaria. Enciclopedia de Salud y Seguridad En El Trabajo, 43–60.
Bogataj, D., Bogataj, M., & Hudoklin, D. (2017). Mitigating risks of perishable products in the cyber-physical systems based on the extended MRP model. International Journal of Production Economics, 193, 51–62.
Cámara de Comercio de Bogotá. (2015). Manual de fresa. 1–54.
Choi, J. Y., Seo, K., Cho, J. S., & Moon, K. D. (2021). Applying convolutional neural networks to assess the external quality of strawberries. Journal of Food Composition and Analysis, 102(July), 104071. https://doi.org/10.1016/j.jfca.2021.104071
Chong, L., Ghate, V., Zhou, W., & Yuk, H. G. (2022). Developing an LED preservation technology to minimize strawberry quality deterioration during distribution. Food Chemistry, 366(July 2021), 130566. https://doi.org/10.1016/j.foodchem.2021.130566
Corredor Tecnológico Agroindustrial - CTA. (2016). Evaluación de tecnologías innovadoras para el manejo integral de los cultivos de mango, naranja y mandarina en zonas productoras del departamento de Cundinamarca.
Cybulska, J., Drobek, M., Panek, J., Cruz-Rubio, J. M., Kurzyna-Szklarek, M., Zdunek, A., & Frąc, M. (2022). Changes of pectin structure and microbial community composition in strawberry fruit (Fragaria × ananassa Duch.) during cold storage. Food Chemistry, 381(July 2021). https://doi.org/10.1016/j.foodchem.2022.132151
da Silva Simão, R., de Moraes, J. O., Lopes, J. B., Frabetti, A. C. C., Carciofi, B. A. M., & Laurindo, J. B. (2022). Survival Analysis to Predict How Color Influences the Shelf Life of Strawberry Leather. Foods, 11(2). https://doi.org/10.3390/foods11020218
Defraeye, T., Shrivastava, C., Berry, T., Verboven, P., Onwude, D., Schudel, S., … Rossi, R. M. (2021). Digital twins are coming: Will we need them in supply chains of fresh horticultural produce? Trends in Food Science and Technology, 109, 245–258. https://doi.org/10.1016/j.tifs.2021.01.025
DNP. (2016). Pérdida y desperdicio de alimentos en Colombia.
FAO. (2015). Desarrollo de Cadenas de valor alimentarias Sostenibles - Principios rectores. Retrieved from http://www.fao.org/3/a-i3953s.pdf
Feldmann, M. J., Hardigan, M. A., Famula, R. A., López, C. M., Tabb, A., Cole, G. S., & Knapp, S. J. (2020). Multi-dimensional machine learning approaches for fruit shape phenotyping in strawberry. GigaScience, 9(5), 1–17. https://doi.org/10.1093/gigascience/giaa030
Flórez M., D. H. (2017). Diseño de un modelo de articulación entre la cadena productiva hortofruticola colombiana y la cadena logística de frío. Temas Agrarios, 23(1), 77–94.
Gra, J. La, Kitinoja, L., & Alpízar, K. (2016). Metodología de evaluación de cadenas agroalimentarias.
ICONTEC. (1997). Norma Técnica Colombiana NTC 4103.
Jalali, A., Linke, M., Geyer, M., & Mahajan, P. V. (2020). Shelf life prediction model for strawberry based on respiration and transpiration processes. Food Packaging and Shelf Life, 25(May), 100525. https://doi.org/10.1016/j.fpsl.2020.100525
Keizer, M. De, Akkerman, R., Grunow, M., Bloemhof, J. M., Haijema, R., & Vorst, J. G. A. J. Van Der. (2017). Logistics network design for perishable products with heterogeneous quality decay. European Journal of Operational Research, 262, 535–549.
Minagricultura. (2021). Evaluaciones Agropecuarias Municipales.
Navia, D. P., Villada, H. S., & Mosquera, S. A. (2010). Las biopelículas en la industria de alimentos. Facultad de Ciencias Agropecuarias, 8(2), 118–128.
Ni, J., Gao, J., Li, J., Yang, H., Hao, Z., & Han, Z. (2021). E-AlexNet: quality evaluation of strawberry based on machine learning. Journal of Food Measurement and Characterization, 15(5), 4530–4541. https://doi.org/10.1007/s11694-021-01010-9
Nunes, G., Teixeira, F., Schwarz, K., Camargo, C. K., De Resende, J. T. V., Dos Santos, E. F., … Novello, D. (2021). Influence of genetic variability on the quality of strawberry cultivars: Sensorial, physical-chemical and nutritional characterization. Acta Scientiarum - Agronomy, 43(November), 1–10. https://doi.org/10.4025/actasciagron.v43i1.46862
Reina, M. L., & Adarme, W. (2014). Logística de distribución de productos perecederos : estudios de caso Fuente de Oro (Meta) y Viotá. Revista Colombiana de Ciencias Hortícolas, 8(1), 80–91.
Sezer, B., Tayyarcan, E. K., & Boyaci, I. H. (2022). The use of bacteriophage-based edible coatings for the biocontrol of Salmonella in strawberries. Food Control, 135(December 2021), 108812. https://doi.org/10.1016/j.foodcont.2022.108812
Shen, F., Zhang, B., Cao, C., & Jiang, X. (2018). On-line discrimination of storage shelf-life and prediction of post-harvest quality for strawberry fruit by visible and near infrared spectroscopy. Journal of Food Process Engineering, 41(7), 1–9. https://doi.org/10.1111/jfpe.12866
Weng, S., Yu, S., Dong, R., Pan, F., & Liang, D. (2020). Nondestructive detection of storage time of strawberries using visible/near-infrared hyperspectral imaging. International Journal of Food Properties, 23(1), 269–281. https://doi.org/10.1080/10942912.2020.1716793
Zhang, G., Li, G., & Peng, J. (2020). Risk assessment and monitoring of green logistics for fresh produce based on a support vector machine. Sustainability (Switzerland), 12(18), 1–20. https://doi.org/10.3390/su12187569
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2022 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
