Modelo de solución digital para la evaluación cuantitativa de la producción y calidad del cultivo de exportación de palto (Persea americana var. Hass), para la toma de decisiones empresariales

Abstract

El propósito de este estudio fue desarrollar un modelo digital para la evaluación cuantitativa de la producción y calidad del cultivo de palto Hass de exportación, optimizando la toma de decisiones empresariales mediante la aplicación de tecnologías informáticas avanzadas, particularmente en el ámbito de la Ciencia de Datos. Este modelo mejoró la automatización, el procesamiento y la visualización de datos provenientes de la cosecha en el campo, planta empacadora y el proceso de exportación. La metodología se centró en la recopilación de datos de los departamentos de calidad, logística y planta empacadora, utilizando documentos oficiales de cada departamento. Esta información se analiza para gestionar tanto la producción como la calidad, empleando la herramienta informática Python en la gestión de errores y Power BI para la visualización y análisis de datos en el entorno de la inteligencia de negocios. Este enfoque minimiza errores y reduce los tiempos de procesamiento de datos, incrementando la precisión de los resultados. Los resultados obtenidos demuestran una segmentación precisa del análisis de la información, una automatización rápida con alto grado de confiabilidad, una codificación flexible adaptada a las necesidades del análisis y una visualización intuitiva en tiempo real. Esto abarca tanto la gestión productiva como la de calidad, con segmentaciones por períodos de tiempo, hectáreas, lotes productivos y calibres exportados, facilitando una toma de decisiones más informada y eficiente, por lo que se recomienda usarlo en otros cultivos e implementar soluciones predictivas avanzadas.

The purpose of this study was to develop a digital model for the quantitative evaluation of the production and quality of export-oriented Hass avocado cultivation, optimizing business decisionmaking through the application of advanced computer technologies, particularly in the field of Data Science. This model improved the automation, processing, and visualization of data from field harvesting, packing plant operations, and the export process. The methodology focused on collecting data from the quality, logistics, and packing plant departments using official documents from each department. This information is analyzed to manage both production and quality, employing the Python programming tool for error management and Power BI for data visualization and analysis within the business intelligence environment. This approach minimizes errors and reduces data processing times, increasing the precision of the results. The obtained results demonstrate a clear and precise segmentation of information analysis, rapid automation with a high degree of reliability, flexible coding adapted to the needs of the analysis, and realtime intuitive visualization. This encompasses both productive and quality management, with segmentations by time periods, hectares, productive lots, and exported sizes, facilitating more informed and efficient decision-making. Therefore, it is recommended for use in other crops and the implementation of advanced predictive solutions.