

Con Predizer Agroindustria, puedes calcular con alta precisión cuál será la producción del cultivo y determinar las acciones que pueden realizarse para maximizarla.
Con Predizer.ai, transforma tus datos en decisiones inteligentes.


El modelo de inteligencia artificial basado en aprendizaje supervisado, permite calcular con una exactitud superior al 96.5% cual será la producción futura en toneladas, que se tendrá por suerte, finca y región.
Además, el servicio prescriptivo permite determinar cómo cambios en las variables de entrada (qué madurante aplicar, cuándo aplicarlo, qué semilla utilizar, hacer el corte una semana antes, hacer el corte una semana después, si hay "niño" qué pasará con la producción, etc) impactarán la variable de salida (cantidad de toneladas de caña de azúcar a producir).
El proyecto completo hasta entrar en producción con el modelo prescriptivo, puede tomar entre 2 y 3 meses.
Ventajas de utilizar AI para generar predicciones:
Sobre el modelo predictivo:
AI permite utilizar multitud de variables, pueden ser miles si se quiere. El límite es su correcto uso y transformación.
No solo busca relaciones lineales entre las variables. Al probar multitud de modelos, es posible encontrar patrones muy complejos, mucho más allá que lo que una regresión lineal puede ofrecer.
Los modelos son entrenados con TUS datos y por tanto las predicciones se ajustan a tus condiciones de suelos, clima, formas de cosecha, etc. Esto hace que las predicciones sean generalmente muy acertadas pues te alejas de usar promedios mundiales que no corresponden a nuestra realidad.
Es posible utilizar varias fuentes de información como son los datos en los sistemas de registro de actividades de levante y cosecha, sino también datos que provee CENICAÑA de clima. También es posible utilizar datos de sensores y otros sin ningún lio.
En algunos clientes hemos obtenido muy buenos resultados utilizando información básica como es el tipo de semilla que se utiliza, la zona agroecológica, tipo de madurante, semana de aplicación del madurante (si se aplicó), fecha de corte, etc. NO tienes que esperar a tener multitud de datos para empezar a generar excelentes predicciones.
Es posible generar modelos para distintas variables de salida. En el caso de azúcar, se puede predecir la cantidad de toneladas de caña de azúcar que se cosechará por suerte, o la cantidad de sacarosa que se extraerá de ella.
Es aplicable a todo tipo de cultivos: arroz, papa, café, etc. Solo es necesario tener datos históricos suficientes.
Sobre el modelo prescriptivo:
Este tipo de modelos funcionan sobre modelos predictivos (como el anterior), y permiten determinar cómo cambios en variables de entrada afectarán la variable de salida. Así, es posible responder preguntas del tipo "¿y si aplico este madurante en vez de este?", pues el modelo prescriptivo indicará cómo cambiará la producción de caña de azúcar.
Es posible COMBINAR cambios en varias variables de entrada al tiempo y estudiar su impacto en la producción agrícola. Así, es posible estudiar al tiempo cambios en la semilla y la fecha de corte, y observar cómo se afectará la producción.
Es posible obtener resultados en segundos. Esto es muy útil pues con el método actual, determinar cómo un nuevo madurante afectará una cosecha tomaría 14 meses (o más) en ser respondida
No solo funciona con variables bajo control (ej: qué madurante utilizar) sino también para determinar cómo cambios en variables fuera de nuestro control afectarán las cosechas, como por ejemplo responder a la pregunta "¿qué pasará con la producción si hay niño el próximo año?".
En general obtenemos niveles de precisión en las predicciones superiores al 96.5%, según la cantidad y calidad de los datos. Generalmente usamos los datos que ya tienes en el sistema de gestión de cultivos.
Nuestros resultados



Un modelo predictivo toma como entrada ciertas variables independientes y genera una predicción para una variable dependiente determinada.
¿Cuál es la diferencia entre modelo predictivo y prescriptivo? ¿Para qué me sirve?


Un modelo prescriptivo (también conocido como escenarios WHAT-IF) permite al usuario manipular la data de entrada y observar cómo se afecta la variable a predecir para luego tomar las decisiones adecuadas de cómo intervenir.


En el caso de Predizer Agroindustria, luego que el modelo predictivo calcule la cantidad de toneladas de caña de azúcar que cierta suerte producirá, el modelo prescriptivo facilitará determinar qué acciones aplicar para aumentar dicha cantidad, como por ejemplo:
Si se aumenta en una semana la fecha de corte, ¿cuantas toneladas de caña aumentarán?
Si se usa el madurante X en vez del madurante Y ¿qué toneladas se obtendrán?
Si llega ”el niño” en la semana 4, ¿cómo se afectará la producción?



Con el fin de asegurar que cuentas con la cantidad y calidad de datos suficiente que permita un buen nivel de precisión para calcular una variable a futuro, te ofrecemos un piloto que se implementa de forma rápida y sencilla.
Este piloto puede tardar 2 o 3 meses, luego de estar definida y entregada la data.
Déjanos tus datos, pronto estaremos en contacto

Conoce nuestros módulos de servicio

