Jhoan Sebastián Henao Moreno

Código:20162150490
Francisco Daniel Joven Munar
Código: 20162151390

MODELO PREDICTIVO PARA LA OPTIMIZACIÓN EN PRODUCCIÓN DE

TILAPIA MEDIANTE DATA SCIENCE, BASADOS EN DOSIFICACIÓN
CONTROLADA DEL ALIMENTO DE ALEVINES, EN FUNCIÓN DEL
OXIGENO Y TEMPERATURA DEL AGUA DE UN CULTIVO INTELIGENTE.

Formulación del Problema

A través de los años en Colombia se ha venido desarrollando positivamente el ámbito de

la acuicultura (piscicultura), gracias a la ubicación estratégica que ayuda a que el país
tenga zonas donde los recursos y los ecosistemas permiten impulsar cultivos de especies
hidrobiológicas, como camarón, tilapia, trucha, carpa, o especies oriundas del territorio
como el bocachico. [1]

Un informe realizado para el año 2014, expone un enorme crecimiento de producción de

especies piscícolas en Colombia, dando inicio al desarrollo de un sector que hoy incluye
a diferentes departamentos como productores y comercializadores, donde se deriva un
incremento en el empleo y los ingresos del país; que para en el año 2012 destaca la
producción del departamento del Huila en un 42% y que actualmente mantiene un
incremento gradual de la producción. [2] Todo esto en busca de beneficios para el país,
sin descuidar los principios de sostenibilidad que promueven la innovación de nuevos
mecanismos para la producción piscícola.

De esta manera, considerando que el departamento del Huila, es uno de los territorios
más biodiversos, siendo el único departamento a nivel nacional que posee los cinco
ecosistemas posibles a nivel interno del país, lo cual le permite a los opitas cultivar
distintas especies, como la trucha o la tilapia, siendo esta última especie una de las más
producidas en la región. [3]
Sin embargo, este progreso se ha visto opacado por la modernización en la producción a
nivel mundial, y a los altos costos en la industrialización, que puede enfrentar una
empresa piscícola, ya que son pocas las empresas que tienen el suficiente nivel de
industria y producción para exportar desde el territorio huilense. Así, las empresas que no
tienen la capacidad de modernización, no son capaces de equivaler su producción ante
empresas que si tienen esta ventaja.

El cultivo y la formación de peces presentan diferentes fases, cada una de estas

importantes en su debido tiempo; y para dicho proceso de producción es importante
enfocarse en la calidad del agua donde habitan las especies, cerciorándose de las
variables que influyen en la crianza las cuales deben ser evaluados periódicamente. El
principal riesgo para los acuicultores de la región es la respiración de las especies, por lo
que el nivel de oxigeno (OD), junto a la temperatura y el potencial de hidrógeno (pH)
son los parámetros que más importen para la producción[4], lo que implica llevar un
registro muy minucioso de cada uno de estos, como resultado final la prevención y el
control de las especies; lo que implica que cada uno de los datos obtenidos deban ser
analizados con gran rapidez para no causar problemas en la producción de cada cultivo.

De este modo, la Universidad Surcolombiana, específicamente el programa de ingeniería

electrónica, ha venido desarrollando una serie de investigaciones para el mejoramiento de
la producción de nuestra industria piscícola. Un primer estudio se llevó a cabo en el año
2005, dando como resultado un dosificador de alimentos para alevines, y en el año 2015
se inició un nuevo estudio [5] en base a dicho dosificador, donde se tomó en cuenta
nuevas variables como lo es el oxígeno y la temperatura del agua, permitiendo monitorear
y manejar la dosificación alimentaria de los peces, tomando la decisión de forma
automatizada según los parámetros que dé el piscicultor. [6]

No obstante, el estudio [5] finalizado en el año 2019, logra mejorar la producción de

peces en un 40%, sin tener en cuenta variables ajenas como errores humanos, daños en
los distribuidores o maquinarias, o en los procesos de automatización, que pueden reducir
el porcentaje de ganancia en producción.

Por esta razón, es posible llevar a cabo un modelado predictivo utilizando procesos de
data science, mediante la obtención de información valiosa, que permita controlar por
medio de algoritmos inteligentes, los distintos procesos de producción teniendo en cuenta
la relación entre el oxígeno, la temperatura y el peso del pez. [7]

Referencias

[1] Y. Andrea Parrado Sanabria Médico Veterinario Zootecnista, “Historia de la Acuicultura en

Colombia,” Rev. científica la Soc. Española Acuic. Rev. Aquat., vol. 37, pp. 60–77, 2012.

[2] H. J. Gómez Restrepo, L. Pacculli Henao, F. Bagés Mora, H. A. Navarrete, and J. D. Baquero
Venegas, “Hacia la sostenibilidad y competitividad de la Acuicultura Colombiana,” 2014.

[3] L. A. Economía, D. E. L. Departamento, and D. E. L. Tolima, “PERSPECTIVAS DE MEDIANO

PLAZO Informe elaborado por : Martha Delgado Cristian Samir Ulloa Juan Mauricio Ramírez (
asesor ),” 2015.

[4] H. Rodríguez Gómez et al., “Fundamentos de acuicultura continental,” Café, Cacao, Thé
(Francia)v. 12(2) p. 114-126, no. 1, p. 423, 2001.

[5] T. Del, A. En, and U. N. Ambiente, “Automatización de un sistema dosificador de alimento para
alevinos teniendo en cuenta el porcentaje de oxigeno y la temperatura del agua agua en un ambiente
controlado,” pp. 1–13, 2015.

[6] S. Nirwan, R. Swarnakar, A. Jayarajan, and P. Shah, “THE DEVELOPEMENT OF AUTOMATIC

FISH FEEDER SYSTEM USING ARDUINO UNO.”

[7] P. E. Instituto de Investigaciones de la Orinoquia Colombiana, R.D.; Cruz-Casallas, Orinoquia.,

vol. 10, no. 1. [1] P. E. Instituto de Investigaciones de la Orinoquia Colombiana, R.D.; Cruz-
Casallas, Orinoquia., vol. 10, no. 1. Universidad de Los Llanos, 2006.: Universidad de Los Llanos,
2006.