Simulacion de la produccion del camaron para la identificacion de riesgos
Date
2020-06-03Authors
Conforme Rosado, Renato LuisDirectors
Calderon Bocanegra, Francisco CarlosEvaluators
Mendoza Ortiz, Javier CamiloPublisher
Pontificia Universidad Javeriana
Faculty
Facultad de Ingeniería
Program
Maestría en Ingeniería Electrónica
Obtained title
Magíster en Ingeniería Electrónica
Type
Tesis/Trabajo de grado - Monografía - Maestría
COAR
Tesis de maestríaShare this record
Citación
Metadata
Show full item record
PDF documents
English Title
Simulation of shrimp production for risk identificationResumen
Este documento presenta la experimentación de 4
casos de distribución del alimento para el cultivo de camarón. Las
distribuciones están en función de la ubicación de los
alimentadores automáticos. Tres casos aplicados en la realidad y
un cuarto caso donde se dispone el riego del alimento sobre el
cultivo de manera simultánea y uniforme. En una primera etapa
se ajusta con éxito la simulación de los tres casos de distribución
a la realidad, donde la tendencia de la curva de crecimiento del
camarón esta correlacionada con la curva de datos históricos. Una
segunda etapa donde se experimenta en 16 configuraciones que
están en función de la cantidad de alimento, la densidad de
biomasa y la distribución del alimento. La simulación adopta los
conceptos de algoritmos genéticos para mejorar la población y
lógica difusa como técnica de evaluación del agente para la toma
de decisiones frente a la calidad de parámetros físicos-químicos en
el ambiente simulado. Los resultados de estas interacciones
revelan una reducción en el tiempo simulado del cultivo total de
22 semanas a 14 semanas.
Abstract
This document presents the experimentation of 4
cases of food distribution for shrimp farming. The distributions
are based on the location of the automatic feeders. Three cases
applied in reality and a fourth case where the food is irrigated on
the crop simultaneously and uniformly. In a first stage, the
simulation of the three distribution cases is successfully adjusted
to reality, where the trend of the shrimp growth curve is correlated
with the historical data curve. A second stage where you
experiment in 16 configurations that are based on the amount of
food, the density of biomass and the distribution of the food. The
simulation adopts the concepts of genetic algorithms to improve
the population and fuzzy logic as an agent evaluation technique
for decision-making against the quality of physical-chemical
parameters in the simulated environment. The results of these
interactions reveal a reduction in the simulated total culture time
from 22 weeks to 14 weeks.
Themes
Maestría en ingeniería electrónica - Tesis y disertaciones académicasSimulación por computadores
Autómatas celulares
Mejoramiento de procesos
Google Analytics Statistics