Alejandro Mac Cawley se adjudicó Fondecyt Regular 2025 para aportar en la producción de vino
Alejandro Mac Cawley se adjudicó Fondecyt Regular 2025 para aportar en la producción de vino.
Alejandro Mac Cawley se adjudica Fondecyt Regular 2025 por proyecto enfocado en la producción de vino.
El académico del Departamento de Ingeniería Industrial y de Sistemas (DIIS) de la Escuela de Ingeniería de la UC, Alejandro Mac Cawley se adjudicó Fondecyt Regular 2025 para aportar en la producción de vino. La investigación fue seleccionada por la Agencia Nacional de Investigación y Desarrollo (ANID) entidad que catalogó a la propuesta en el grupo de Ingeniería 2.
Adjudicación del FONDECTY Regular 2025
En el marco del Concurso de Proyectos FONDECYT Regular 2025, el profesor Mac Cawley propuso la investigación titulada: Data-Driven Optimization in Agriculture: Methodology and Applications in winemaking operations.
El proyecto tiene de por objetivo “estudiar y desarrollar metodologías de optimización estocástica que utilicen información de sensores y datos para apoyar la toma de decisiones en el contexto agrícola, específicamente en la producción de vino. El trabajo se realizará junto al Centro de Investigación e Innovación de Viña Concha y Toro y la Red Iberoamericana para el desarrollo de sistemas inteligentes para la agricultura (AI4AGROIB)”, señaló Mac Cawley.
Esta investigación complementará al FONDECYT de Iniciación del académico, titulado: Modelos de planificación de producción de optimización estocástica de múltiples etapas en la agricultura: integrando flexibilidad operativa y de recursos.
Alejandro Mac Cawley se adjudicó Fondecyt Regular 2025 para aportar en la producción de vino.
Sobre el proyecto
Alejandro Mac Cawley se adjudicó Fondecyt Regular 2025 para aportar en la producción de vino, pues su proyecto enfocado estudiará cómo se procesan y modelan los datos en contextos de incertidumbre para tomar decisiones basadas en su calidad o valor. También se plantea mejorar la formulación de etapas basada en datos para obtener mejores rendimientos. Además, se analizará el efecto de las técnicas de pronóstico en la calidad de las decisiones.
Para ello, se aplicarán modelos de optimización de verificación, técnicas de modelado estándar y basadas en datos para la incertidumbre, y técnicas de pronóstico analítico, tales como optimización robusta (RO), optimización robusta distribucional (DRO), optimización estocástica (SO) y su valor esperado (EV). De esta manera, se utilizará una función objetivo neutral al riesgo de valor esperado y una función objetivo-aversa al riesgo, empleando un escenario de peor y promedio caso, modelo de media parcial superior y medidas de riesgo de valor en riesgo condicional (CVar).
Contribución de la investigación
Mac Cawley desarrollará una investigación junto a Sergio Maturana, profesor del DIIS, y Víctor Albornoz, quien es uno de los autores principales en la implementación de enfoques de optimización de dos niveles y dos etapas. Gracias a los esfuerzos colaborativos en pro de la investigación, esta tendrá cuatro contribuciones que permitirán incorporar problemas estocásticos realistas en la agricultura. Mac Cawley comentó que “aunque se han realizado avances significativos en la consideración de la incertidumbre en el proceso de planificación agrícola, aún es necesario mejorar la representación del espacio de estados”.
El primer aporte será el desarrollo de un esquema y una metodología para implementar la optimización basada en datos en la agricultura que tenga en cuenta el riesgo y los posibles errores en las creencias.
El segundo aporte se centrará en el estudio del efecto que tiene el número de etapas y actualizaciones en las creencias sobre el valor en un enfoque RO o DRO.
El tercer aporte consistirá en el análisis del impacto de los algoritmos avanzados de pronóstico de aprendizaje automático en la determinación de rendimientos y clima para la actualización de creencias.
Finalmente, se contribuirá con el estudio a la compensación entre el costo de la recopilación de información o despliegue de sensores frente al costo de los errores en las creencias del modelo de planificación.
“Esta investigación avanza en las metodologías y aplicaciones de la optimización basada en datos en la agricultura, construyendo modelos y esquemas de optimización que pueden implementar técnicas modernas de pronóstico, estudiando su efecto en la «calidad» de la solución bajo diferentes fuentes de incertidumbre, etapas de recurso, flexibilidad y degradación de la calidad del producto», recalcó Mac Cawley.
Por: Yerko Correa.
Contacto: ycorrea@uc.cl