Post on 25-Jul-2015
APLICACIONES DE PROSPECTIVA TECNOLÓGICA Y CURVAS EN “S” EN AGROINDUSTRIA
Bases para estudios de futuro en facultades de Agroindustria
Jhon Wilder Zartha Sossa, Gina Lía Orozco Mendoza, Raúl Hernández Z, John Fredy Moreno S, Bibiana
Arango A, Juan Carlos Palacio P
jhon.zartha@upb.edu.co
Presentar un caso de aplicación de Prospectiva - Método Delphi - en innovación y tecnología en una facultad de ingeniería agroindustrial
Dar a conocer los resultados de aplicación de la metodología de curvas en S en 11 tecnologías agroindustriales
Objetivos:
ÁREA PALABRA DE BÚSQUEDA
ÁREA DE PRODUCCIÓN
Invernaderos y tecnología de manejo Control de plagas y enfermedadesTecnología enzimática Tecnología en manejo de residuos
Cultivo de microorganismos Software y Hardware- BPM, HACCP,
Producción orgánica Productos en fresco: orgánicos, sello verde, BPAInvernaderos y tecnología de manejo Equipos de diagnóstico rápido
ÁREA DE TRANSFORMACIÓN
Maquinaria y Equipos industria avícola - ovoproductos Destilación
Supercongelación Fluidos SupercríticosUltra filtración Altas presiones
Extrusión mecánica ( de pulpas y jugos)Pulsos lumínicos en la esterilización de
alimentosLiofilización Irradiación de alimentos
ÁREA DE MANEJO Y ADECUACIÓN
Atmósferas modificadas Empaques comestiblesEmpaques Biodegradables Instalaciones de maduración rápida
Envases activos Empaques comestibles
Proyecto de prospectiva Ingeniería Agroindustrial. Temas y tecnologías prioritarias al 2020:
P.D
Fuente: Pérez 1992
Conocimientos libremente disponibles
Conocimientos y experiencia técnica accesible (viejas tecnologías específicas)
Fase 1Difusión inicial
Fase 2Rápido crecimiento (temprano)
Fase 3Rápido crecimiento (tardío)
Fase 4Madurez
Doble oportunidad tecnológica
Tiempo
Creciente privatización del conocimiento la experiencia técnica y el know how
Nuevo paradigma
Conocimientolibremente disponible(nuevas tecnologíasespecíficas y genéricas
Curvas en S - Aplicación en ciclo de vida de la tecnología
Fuente: Adaptado de Ortiz y Pedroza, 2006)
Tecnologías Ecuación de Búsqueda Artículos Ecuación de Búsqueda Patentes
Emulsificación
(TITLE-ABS-KEY(emulsification) AND TITLE(food OR aliment OR meal) AND NOT TITLE-ABS-KEY(pharmaceutical))
ABST/emulsification AND ABST/(food OR aliment OR meal) AND NOT ABST/pharmaceutical
Sedimentación
(TITLE-ABS-KEY(sedimentation) AND TITLE(food OR aliment OR meal) AND NOT TITLE-ABS-KEY(pharmaceutical))
ABST/sedimentation AND ABST/(food OR aliment OR meal) AND NOT ABST/pharmaceutical
Secado
TITLE- ABS-KEY(continuous drying) AND TITLE- ABS-KEY(food) AND NOT TITLE- ABS. KEY(pharmaceutical)
ABST/"continuous drying" TTL/”food”
MoliendaTITLE-ABS-KEY(grinding OR milling) AND TITLE-ABS-KEY(food OR meal)
ABST/ (grinding OR milling) AND ABST/(food OR ALIMENT)
Esterilización
TITLE-ABS-KEY(sterilization) AND TITLE-ABS-KEY(food OR meal) AND NOT TITLE-ABS-KEY(pharmaceutical)
ABST/(sterilization) AND ABST/(food OR meal) NOT ABST/(pharmaceutical)
TamizadoTITLE-ABS-KEY(sieving OR sieve) AND TITLE-ABS-KEY(food OR meal)
ABST/ (sieving OR sieve) AND ABST/(food OR ALIMENT)
Evaporación
TITLE-ABS-KEY ("film evaporator" AND (food OR concentrat* OR agribusiness)) AND (LIMIT-TO (SUBJAREA,"CENG”) OR LIMIT-TO (SUBJAREA,"ENGI”) OR LIMIT-TO (SUBJAREA,"AGRI”))
ABST/"film evaporator” AND (food OR fruits)
Plasma Frío
TITLE-ABS-KEY("cold plasma” AND(food OR fruits OR agribusiness)) AND ( LIMIT-TO(SUBJAREA,"AGRI" ) OR LIMIT-TO(SUBJAREA,"ENGI" ) OR LIMIT-TO(SUBJAREA,"IMMU" ) )
ABST/"cold plasma” AND (food OR fruits)
Altas Presiones
TITLE-ABS-KEY(highpressure) AND TITLE-ABS-KEY(food OR meal OR agribusiness) AND NOT TITLE-ABS-KEY(pharmaceutical)
ABST/”high pressure” AND ABST/(food OR meal OR agribusiness) AND NOT ABST/”pharmaceutical” )
Curvas en S –
TecnologíasArtículos (A)
Patentes (P)
Punto de Inflexión D.W. Modelo
Artículos Patentes Artículos Patentes Artículos Patentes
Emulsificación 219 291 2040 2002 0.0564 1.069Sigmoidal Sigmoid 5
Sigmoidal Sigmoid 5
Sedimentación 196 157 2024 1999 1.079 0.7963Sigmoidal Sigmoid 4
Sigmoidal Sigmoid 4
Centrifugación 2416
904 2011 2011 0.0749 0.4385Sigmoidal de 3 parámetros
Sigmoidal de 3 parámetros
Secado 169 10844 2020 2002 0.0211 0.4928
Hill de 3 parámetros
Sigmoid 5 de parámetros.
Molienda 2391
2220 2013Entre 2003 y 2014
0.1552 __Sigmoidal 5 parametros
Ganaron 6 modelos
Esterilización 2608
5016Entre 2014 y 2024
2000 ___ 0.1770Ganaron 2 modelos
Gompertz, 4 Parametros
Tamizado 725 463Entre 2016 y 2018
2003 __ __Ganaron 2 modelos
Ganaron 3 modelos
Evaporación 95 72Entre 2002 y 2005
Entre 2006 y 2009
0,1792 0,2816
0,2538 0,2532 0,3111
Ganaron 2 modelos ( Sigmoidal Sigmoid 3 Parameter, Sigmoidal Gompertz 3 Parameter)
Ganaron 3 modelos ( Sigmoidal Sigmoid 3 Parameter, Sigmoidal; Logistic, 3 Parameter, Sigmoidal Gompertz 3 Parameter)
Plasma Frío 38 35 2012Entre 2008 y 2010
Cambiar 1,1732 1,3296
Ganaron 2 modelos ( Sigmoidal Sigmoid 3 Parameter, Sigmoidal Gompertz 3 Parameter)
Ganaron 2 modelos ( Sigmoidal Sigmoid 3 Parameter, Sigmoidal Gompertz 3 Parameter)
Altas Presiones 981 7 2011 2000 1.5426 0.6799
Ganaron 3 modelos. (Sigmoidal Sigmoid 3, Sigmoidal Sigmoid 4, Sigmoidal Gompertz 3)
Ganaron 3 modelos. (Sigmoidal Sigmoid 3, Sigmoidal Sigmoid 4, Sigmoidal Gompertz 3)
Serie de tiempo- SedimentaciónAños Patentes Patentes acumuladas
2013 2 2102012 5 2082011 10 2032010 3 1932009 6 1902008 4 1842007 5 1802006 8 1752005 7 1672004 7 1602003 7 1532002 10 1462001 17 1362000 11 1191999 5 1081998 10 1031997 5 931996 8 881995 8 801994 3 721993 11 691992 11 581991 9 471990 7 381989 2 311988 2 291987 3 271986 3 241985 2 211984 5 191983 0 141982 0 141981 0 141980 2 141979 0 121978 4 121977 2 81976 0 61975 0 61974 0 61973 2 61972 0 41971 2 41970 0 21969 0 21968 0 21967 0 21966 0 21965 0 21964 0 21963 0 21962 0 21961 0 21960 0 21959 0 21958 0 21957 0 21956 0 21955 0 21954 0 21953 0 21952 0 21951 0 21950 0 21949 0 21948 0 21947 0 21946 0 21945 0 21944 2 2
2D Graph 2f = y0+a/(1+exp(-(x-x0)/b))
X Data
1960 1980 2000 2020
Y D
ata
0
50
100
150
200
250
x column 1 vs y column 1 Col 1 vs Col 2
Curvas en S –
MoliendaPatents by publication year Articles
Inflection point/year 2003 2013
2D Graph 3f = a/(1+exp(-(x-x0)/b))
X Data
1960 1970 1980 1990 2000 2010 2020
Y D
ata
-1000
0
1000
2000
3000
4000
5000
6000
x column vs y column x column vs y column 95% Confidence Band 95% Prediction Band
2D Graph 1f = a/(1+exp(-(x-x0)/b))
X Data
0 10 20 30 40
Y D
ata
-10
0
10
20
30
40
50
60
x column vs y column x column vs y column 95% Confidence Band 95% Prediction Band
Molienda artículos: Molienda patentes:
2D Graph 20f = a*exp(-exp(-(x-x0)/b))
X Data
1900 1920 1940 1960 1980 2000 2020
Y D
ata
-200
0
200
400
600
800
1000
1200
1400
x column 3 vs y column 3 Col 1 vs Col 2 95% Confidence Band 95% Prediction Band
2D Graph 3f = y0+a/(1+exp(-(x-x0)/b)) c
X Data
1960 1970 1980 1990 2000 2010 2020
Y D
ata
-100
0
100
200
300
400
500
600
x column 2 vs y column 2 Col 1 vs Col 2 95% Confidence Band 95% Prediction Band
Tamizado artículos: Tamizado patentes:
TamizadoPatents by publication year
Articles
Inflection point/year 2003 2016-2018
Curvas en S –
Patents by publication year
Articles
Inflection point/year 1999 2024
Sedimentación artículos: Sedimentación patentes:
2D Graph 2f = y0+a/(1+exp(-(x-x0)/b))
X Data
1960 1970 1980 1990 2000 2010 2020
Y D
ata
0
20
40
60
80
100
120
140
160
180
200
x column 1 vs y column 1 Col 1 vs Col 2
2D Graph 2f = y0+a/(1+exp(-(x-x0)/b))
X Data
1960 1980 2000 2020
Y D
ata
0
50
100
150
200
250
x column 1 vs y column 1 Col 1 vs Col 2
Curvas en S – Aplicación en Nano lípidos sólidos
Patents by publication year4 parameters Sigmoidal
Articles5 parameters Sigmoidal
Inflection point/year 25,3512/2011 21,4/2013
R2 0,9987 0,9998
D-W 1,6514 1.7999
2D Graph 2f= y0+a/(1+exp(-(x-x0)/b))
X Data
0 10 20 30
Y Da
ta
-50
0
50
100
150
200
250
x column vs y column x column vs y column 95% Confidence Band 95% Prediction Band
2D Graph 3f=y0+a/(1+exp(-(x-x0)/b))^c
X Data
0 5 10 15 20 25
Y Da
ta
-200
0
200
400
600
800
1000
1200
1400
1600
x column vs y column x column vs y column 95% Confidence Band 95% Prediction Band
Fuente: JW Zartha, F Palop, B Arango, A Avalos, F Velez..S-CURVE ANALYSIS AND TECHNOLOGY LIFE CYCLE. Application in series of data of articles and patents. PICMET 2014 .
Curvas en S – Análisis de cluster
Cluster Scatterplot
Nearest Neighbor Method,Squared Euclidean
2000 2010 2020 2030 2040Punto de Inflexión Articulos
1990
1994
1998
2002
2006
2010
2014
Pu
nto
de
Infl
exió
n P
aten
tes
Cluster 123Centroids
Centrifugación, molienda,
evaporación, plasma frío
Emulsificación
Sedimentación, secado,
esterilización, tamizado y altas
presiones
Agroindustria
Facultades de
Agroindustria
Prospectiva
Curvas en S
Vigilancia
Tecnológica
Estrategia de Innovación –
Modelo de gestión de innovación
Direccionamient
o estratégi
co
INVITACIÓN A PARTICIPAR EN ESTUDIO DELPHI EN DERIVADOS PISCÍCOLAS
Equipo Monitor:
José Luis Hoyos Conchajlhoyosc@yahoo.comLuciana Molina Quijano luciamolq@hotmail.comLiliana Rojas Fernándezliliana.rojas25@hotmail.com
Equipo Metodológico:
Jhon Wilder Zartha Sossa. jhonzarthasossa@gmail.com Raúl Hernández Z. rhernandezz@uqvirtual.edu.coJohn Fredy Moreno S. johnzarta91@hotmail.com
Universidad del CaucaVicerrectoría de InvestigacionesCarrera 2a. No. 1A-25 Urbanización CaldasTeléfono 8209800 Ext. 2624. Celular 318 802 9397Popayán - Colombia